Сигналы и данные

Датчик расстояния показывает: 22 см… 24… 21… 23… — хотя стена не двигается. Начинающего это сбивает с толку: «датчик сломан?» Нет. Он исправен. Просто любое измерение — это немного враньё, и хороший робототехник знает, откуда оно берётся и как с ним жить. Этот столб — про то, как физический мир превращается в числа внутри робота и почему этим числам нельзя верить слепо.

Самое частое разочарование новичка. «Мой датчик врёт, показания скачут!» На самом деле скачки — это норма. Профессионал не ищет «идеальный датчик», а умеет обуздать несовершенный. Этому и учит этот раздел.

Сигнал — это число, которым датчик рассказывает о мире.

Робот не «видит» и не «чувствует» напрямую. Всё, что он получает от датчика, — это число (или простое «да/нет»). Датчик света шлёт число «насколько ярко». Кнопка шлёт «нажата / не нажата».

Сигналы бывают двух характеров:

Цифровой — только два состояния: есть / нет, 1 / 0. Кнопка, датчик линии «чёрное/белое», концевик. Просто и надёжно.
Аналоговый — плавный, может принимать любое значение в диапазоне. Яркость света, температура, расстояние. Богаче, но с ним больше возни.

Разложите датчики по двум коробкам. Возьмите датчики своего набора и рассортируйте: какие говорят «да/нет» (цифровые), а какие — «насколько» (аналоговые). Это первое, что нужно понять про любой новый датчик.

Как плавное превращается в число.

Мир аналоговый и плавный, а мозг робота считает числами. Значит, плавную величину надо оцифровать — разбить шкалу на деления и назвать номер ближайшего.

Представьте линейку без миллиметров, только с сантиметрами. Настоящая длина 2,7 см, но округлить придётся до 3. Точность ограничена ценой деления. У датчика роль «делений» играет разрядность: чем их больше, тем мельче шаг и тем точнее число.

Отсюда два слова, которыми описывают любой датчик:

Диапазон — от какого до какого значения он вообще работает (например, дальномер: от 2 см до 4 м; ближе и дальше — не поверить показаниям).
Разрешение — самый маленький шаг, который он различает.

Практический вывод. Прежде чем ставить датчик, посмотрите его диапазон. Робот с дальномером «от 2 см» врежется в стену вплотную, потому что вблизи датчик слеп. Знание границ спасает от загадочных ошибок.

Шум — и как ему не верить: усреднение и фузия.

Почему же показания скачут? Из-за шума — мелких случайных помех: дрожь электроники, отражения, наводки. Один-единственный замер всегда чуть «дрожит».

Главное лекарство простое и мощное — усреднить. Возьмём не одно значение, а, скажем, десять подряд, и посчитаем среднее. Случайные скачки вверх и вниз взаимно гасятся, остаётся честное значение. Более умный вариант — скользящее среднее: держим среднее по последним $N$ замерам и обновляем его на каждом такте, получая плавную, «успокоенную» величину.

\bar{x} = \frac{x_1 + x_2 + \dots + x_N}{N}

Но у усреднения есть цена: чем больше замеров усредняем, тем медленнее робот замечает настоящие изменения (см. задержку в столбе «Как думает робот»). Снова размен — на этот раз плавность против скорости реакции.

И высший пилотаж — сенсорная фузия: когда несколько разных датчиков об одном и том же (например, гироскоп и акселерометр о наклоне) объединяют, доверяя каждому там, где он силён. Так робот получает оценку лучше, чем от любого датчика по отдельности.

Золотое правило. Никогда не строй решение на одном сыром измерении. Усредни, проверь на разумность, сопоставь с другими датчиками — и только тогда действуй.

Где это работает на столе

Эти идеи включаются каждый раз, когда «датчик ведёт себя странно»: скачет дальномер, дрожит показание наклона, ложно срабатывает линия. Усреднение и понимание диапазона превращают капризный датчик в надёжный источник данных. Конкретные датчики и их характеры — в разделе Датчики и модули.

Заглянуть глубже: АЦП, квантование, теорема Найквиста, фильтр Калмана

Превращение аналогового сигнала в число выполняет АЦП (аналого-цифровой преобразователь); «цена деления» задаётся его разрядностью в битах (например, 10-битный АЦП делит диапазон на $2^{10} = 1024$ уровня). Огрубление до ближайшего уровня называется квантованием.

Как часто нужно измерять сигнал, определяет теорема Котельникова–Найквиста–Шеннона: чтобы не потерять быстрые изменения, частота замеров должна быть минимум вдвое выше частоты самого сигнала. Скользящее среднее — это простейший фильтр нижних частот. А «золотой стандарт» объединения зашумлённых измерений с предсказанием модели — фильтр Калмана, где вклад каждого источника взвешивается по его ковариации (мере доверия). Именно он стоит за оценкой положения дронов и за навигационными стеками вроде robot_localization.