Co to jest radar w robotyce?

Radar w robotyce działa jak czujnik, który „widzi” otoczenie falami radiowymi zamiast światłem. Gdy kamera gubi się w pyle, a LiDAR słabnie w deszczu, radar nadal mierzy odległość, prędkość i kierunek ruchu. W tym artykule pokażę Ci, jak to działa i kiedy warto na tym polegać.

Najważniejsze informacje z tego artykułu:

• Radar w robotyce mierzy odległość, prędkość i kierunek obiektów na podstawie odbić fal elektromagnetycznych.
• Radar FMCW dominuje w robotach autonomicznych, bo łączy miniaturyzację z dobrą rozdzielczością pomiaru.
• Radary dobrze pracują w pyle, mgle, deszczu, dymie i przy słabym oświetleniu.
• Systemy robota przetwarzają sygnał radarowy algorytmami FFT, CFAR i analizą Dopplera.
• Radar wspiera unikanie przeszkód, bezpieczeństwo pracy ludzi z maszynami oraz pracę dronów, robotów mobilnych i pojazdów autonomicznych.

Co to jest radar w robotyce?

Radar w robotyce to czujnik percepcji otoczenia, który wysyła fale radiowe, odbiera ich echo i na tej podstawie oblicza, gdzie znajduje się obiekt, jak szybko się porusza i z którego kierunku nadchodzi. Nie tworzy klasycznego obrazu jak kamera. Zamiast tego dostarcza dane pomiarowe o przestrzeni wokół robota.

To właśnie odróżnia radar od czujników optycznych. Kamera pokazuje scenę, LiDAR buduje gęsty skan, a radar skupia się na parametrach ruchu i odległości. W praktyce taki podział ma ogromne znaczenie, bo robot nie zawsze potrzebuje ładnego obrazu. Często potrzebuje szybkiej i stabilnej informacji, że przed nim porusza się człowiek, wózek lub inna maszyna.

W robotach najczęściej pracują radary FMCW, czyli radary z modulowaną częstotliwością fali ciągłej. Układ emituje falę o zmiennej częstotliwości, a potem porównuje sygnał nadany z odbitym. Różnica częstotliwości, fazy i przesunięcia dopplerowskiego pozwala wyznaczyć zasięg, prędkość oraz kąt położenia celu.

W praktyce przemysłowej i mobilnej szeroko stosuje się też radary fal milimetrowych mmWave, zwykle w paśmie 77–81 GHz. Takie rozwiązania mieszczą się na małych płytkach, pobierają mało energii i dobrze znoszą trudne warunki. W czujnikach klasy przemysłowej spotyka się zakres pracy około 0,15–40 m oraz wiązkę o kącie ±3° lub ±8°, co ułatwia kontrolę konkretnej strefy detekcji.

Radar rzadko pracuje samodzielnie. Robot łączy jego dane z mapą otoczenia, sterowaniem, logiką bezpieczeństwa i często z kamerą lub LiDAR-em. Właśnie dlatego pytanie co to jest radar w robotyce najlepiej rozumieć szerzej – to nie pojedynczy gadżet pomiarowy, lecz element całego systemu percepcji.

Radar w robotyce najczęściej rozpoznasz po takich cechach:

• Wykrywa obiekty bez kontaktu fizycznego.
• Mierzy ruch, a nie tylko obecność przeszkody.
• Pracuje stabilnie w gorszych warunkach pogodowych.
• Nie potrzebuje światła widzialnego do działania.
• Dobrze wspiera autonomiczną pracę maszyn.

Jak działa radar FMCW w robocie?

Radar FMCW działa sekwencyjnie, ale bardzo szybko. Nadajnik emituje sygnał o płynnie zmienianej częstotliwości, fala odbija się od obiektu, a odbiornik rejestruje echo wracające z opóźnieniem zależnym od odległości. Potem elektronika porównuje oba sygnały i wyciąga z tej różnicy konkretne parametry celu.

Robot nie dostaje informacji w stylu przeszkoda wykryta. Dostaje dane o odległości, prędkości radialnej, a w rozbudowanych układach także o kącie azymutu i elewacji. Gdy obiekt porusza się względem sensora, pojawia się efekt Dopplera, czyli zmiana częstotliwości związana z ruchem celu. Dzięki temu radar od razu rozpoznaje, czy przeszkoda stoi, zbliża się czy oddala.

Najwięcej dzieje się na etapie obróbki sygnału. Surowe echo ma niewielką wartość użytkową, dopiero przetwarzanie cyfrowe zamienia je w dane, które sterownik robota potrafi wykorzystać przy nawigacji, hamowaniu albo śledzeniu obiektu.

Przetwarzanie sygnału radarowego zwykle obejmuje:

• FFT – rozdzielenie składowych częstotliwościowych sygnału.
• Analizę Dopplera – wyznaczenie prędkości obiektu.
• CFAR – odróżnienie rzeczywistego celu od szumu tła.
• Beamforming – poprawę kierunkowości i kąta detekcji.
• Fuzję danych – połączenie radaru z innymi czujnikami lub logiką AI.

W bardziej zaawansowanych konstrukcjach pracuje MIMO, czyli układ wielu nadajników i wielu odbiorników. Taka architektura poprawia rozdzielczość kątową i pozwala tworzyć bogatszy model otoczenia. W praktyce spotyka się konfiguracje 4T4R i podobne, gdzie kilka anten nadaje, a kilka odbiera sygnał. Efekt? Robot lepiej rozdziela obiekty znajdujące się blisko siebie.

Coraz częściej pojawia się też radar 4D, który opisuje obiekt przez odległość, prędkość, azymut i elewację. W literaturze technicznej spotyka się nawet rozszerzenie do obrazowania 5D, gdzie system śledzi również kierunek ruchu w bardziej złożony sposób. Brzmi poważnie i słusznie, bo chodzi już o pełnoprawną percepcję przestrzenną, a nie o prosty czujnik obecności.

Wskazówka: najwięcej problemów nie wynika z samego radaru, lecz z montażu. Zły kąt ustawienia, metalowe profile obok sensora albo nieprzemyślana strefa detekcji szybko generują fałszywe odbicia.

Gdy inżynier ocenia, czy radar działa poprawnie, zwykle sprawdza:

1. Czy wykrywa cel w całym zadanym zakresie odległości.
2. Czy nie gubi obiektów przy zmianie prędkości.
3. Czy nie generuje nadmiarowych detekcji od ścian, ram i osłon.
4. Czy czas reakcji pasuje do prędkości ruchu robota.
5. Czy wynik pozostaje stabilny przy kurzu, mgle lub wibracjach.

Badania nad rzeczywistymi danymi z radaru ENAVI pokazują zresztą, że zdolność wykrywania obiektów rośnie wtedy, gdy system łączy dobry sensor z odpowiednimi metodami filtracji i poprawy detekcji. Sam hardware nie wystarcza. O wyniku decydują również algorytmy, sposób strojenia progów i jakość danych wejściowych.

Gdzie radar w robotyce daje realną korzyść?

Radar daje największą przewagę tam, gdzie robot pracuje w ruchu, w zmiennym otoczeniu albo w warunkach, które osłabiają czujniki optyczne. Chodzi przede wszystkim o unikanie kolizji, wykrywanie obiektów dynamicznych, ochronę stref bezpieczeństwa i nawigację w terenie.

Robot mobilny z radarem szybciej rozpoznaje, że coś się porusza, niż system oparty wyłącznie na obrazie. To szczególnie ważne w magazynach, halach, na placach manewrowych i w logistyce wewnętrznej, gdzie człowiek, paleta, wózek widłowy i drugi robot pojawiają się w polu pracy bez zapowiedzi. W takim środowisku liczy się czas reakcji, a nie estetyka danych.

Zastosowania radaru w robotach obejmują:

• Unikanie kolizji z przeszkodami dynamicznymi.
• Pomiar prędkości obiektów w strefie ruchu.
• Wspieranie lokalizacji robota w systemach SLAM.
• Monitorowanie obszaru pracy wokół maszyny.
• Detekcję ruchu w gorszej widoczności.

Radar wspiera też systemy człowiek–maszyna. To ważne z punktu widzenia bezpieczeństwa i organizacji pracy. Badanie Maj, Grzyb, Doliński i Franjo z 2025 roku opublikowane w czasopiśmie Cognition, Technology & Work pokazało, że posłuszeństwo wobec humanoidalnych robotów pełniących funkcję autorytetu wynosiło 63 proc., a wobec ludzi 75 proc. Uczestnicy wykonywali zadania pod nadzorem robota wolniej i mniej efektywnie niż pod nadzorem człowieka. Z tego płynie praktyczny wniosek: w środowisku współpracy człowieka z robotem sam interfejs społeczny robota nie wystarcza. System musi wcześnie i wiarygodnie wykrywać obecność ludzi, a radar dobrze uzupełnia tu inne sensory.

W robotach mobilnych radar przydaje się także w lokalizacji i mapowaniu. W pracach dotyczących rozwoju autonomii robotów mobilnych podkreśla się rosnącą popularność sensorów stereowizyjnych, szczególnie w robotach kroczących i antropomorficznych. To ważna obserwacja, bo pokazuje kierunek rynku: najlepsze efekty daje dziś fuzja danych. Radar odpowiada za ruch, odległość i odporność środowiskową, a stereowizja lub LiDAR dostarczają dokładniejszej geometrii sceny.

Wskazówka: przy projektowaniu stanowiska z ruchem ludzi i maszyn lepiej objąć radarem strefę wejścia człowieka przed właściwą strefą kolizji. Taki zapas czasu poprawia reakcję logiki bezpieczeństwa.

Dlaczego radar wygrywa w trudnych warunkach?

Radar działa dobrze tam, gdzie światło i laser zaczynają przegrywać z otoczeniem. Mgła, deszcz, śnieg, pył, dym, iskry, zabrudzenia i słabe oświetlenie dużo mniej wpływają na fale radiowe niż na obraz z kamery czy wiązkę LiDAR-u. Dlatego robot z radarem nie traci orientacji od razu, gdy warunki robią się nieprzyjemne. A przecież właśnie wtedy awarie zdarzają się najczęściej.

W robotyce przemysłowej ma to szczególne znaczenie. Hala produkcyjna potrafi zaskoczyć: pył, para, odbłyski od blach, wibracje, a czasem jeszcze brud na osłonach czujników. Radar zachowuje w takich warunkach większą stabilność pomiaru, bo nie opiera się na świetle widzialnym.

Przewaga radaru nad ultradźwiękami i czujnikami laserowymi nie sprowadza się tylko do odporności środowiskowej. Radar mierzy prędkość bezpośrednio dzięki efektowi Dopplera, pracuje z dużą częstotliwością odświeżania i dobrze nadaje się do śledzenia obiektów poruszających się szybko. W nowoczesnych układach DSP, czyli cyfrowego przetwarzania sygnału, aktualizacja danych odbywa się w czasie rzeczywistym, co ma ogromne znaczenie dla autonomii.

Nie oznacza to jednak, że radar wygrywa zawsze. Gdy system ma rozpoznawać drobne krawędzie, małe odstępy między detalami albo dokładny kontur obiektu, kamera lub LiDAR zwykle dostarczają precyzyjniejszy opis sceny. Radar wygrywa tam, gdzie priorytetem jest odporność, ruch i stabilność detekcji.

Radar ma sens szczególnie wtedy, gdy liczy się:

• Stabilność działania w brudnym środowisku.
• Pomiar ruchu bez kontaktu.
• Mniejsza wrażliwość na światło i pogodę.
• Lepsza odporność na zakłócenia zewnętrzne.

Jakie są ograniczenia radaru w robotyce?

Radar ma mocne strony, ale nie rozwiązuje każdego problemu percepcji. Najczęściej ogranicza go niższa rozdzielczość przestrzenna niż w LiDAR-ze i bardziej złożona interpretacja odbić, zwłaszcza w otoczeniu pełnym metalu, narożników i wielu ruchomych obiektów.

Radar świetnie wykrywa, że coś jest i że się porusza, ale gorzej opisuje dokładny kształt. Dwa obiekty leżące blisko siebie potrafią zlewać się w mniej czytelną strukturę. W dodatku cienkie elementy, skomplikowane geometrie albo wielokrotne odbicia od metalowych powierzchni utrudniają analizę.

Do ograniczeń należą także:

• Niższa szczegółowość kształtu obiektu.
• Trudniejsza interpretacja wielu odbić od metalowych powierzchni.
• Wrażliwość na błędy montażowe i złe ustawienie wiązki.
• Potrzeba lepszego przetwarzania sygnału niż w prostych czujnikach obecności.

Ograniczeniem pozostaje również rozdzielczość boczna. Bez wielu anten radar często osiąga rozdzielczość kątową rzędu kilku stopni, podczas gdy LiDAR schodzi dużo niżej. MIMO i cyfrowy beamforming poprawiają ten parametr, ale nie znoszą całkowicie ograniczeń fizycznych technologii.

Nowoczesne radary mmWave potrafią być bardzo małe, energooszczędne i zaskakująco dokładne, jednak nawet wtedy najlepsze efekty daje połączenie kilku technologii sensorycznych. W praktyce inżynierskiej to standard, nie fanaberia.

Objawy źle dobranego albo źle zestrojonego radaru zwykle wyglądają tak:

1. Częste fałszywe alarmy od ścian, ram lub podłogi.
2. Gubienie obiektów na skraju strefy pracy.
3. Brak stabilności przy szybkim ruchu celu.
4. Zbyt mała liczba punktów pomiarowych w scenie.
5. Nadmierne opóźnienie reakcji robota.

Najgorszy błąd pojawia się wtedy, gdy ktoś traktuje radar jak uniwersalny zamiennik wszystkich innych czujników. To bardzo dobry sensor, lecz działa najlepiej wtedy, gdy cały system powstaje z myślą o jego mocnych i słabszych stronach.

Jakie radary montuje się w maszynach autonomicznych?

W maszynach autonomicznych najczęściej pracują radary fal milimetrowych mmWave, zwykle w paśmie 77–81 GHz. Ten zakres pozwala zmniejszyć rozmiar układu, utrzymać niski pobór mocy i jednocześnie mierzyć odległość, prędkość oraz kierunek ruchu z dużą częstotliwością odświeżania.

To właśnie dlatego radary mmWave trafiły do robotów mobilnych, dronów, AGV, AMR i pojazdów autonomicznych. Są małe, lekkie i dobrze integrują się z elektroniką pokładową. W nowoczesnych układach scalonych całość zajmuje nawet około 1–2 cm², a pobór mocy pozostaje niski, często poniżej 1 W.

Najczęściej spotkasz takie rozwiązania:

• Radar FMCW – do pomiaru odległości i prędkości.
• Radar MIMO – do poprawy rozdzielczości kątowej.
• Radar 4D – do pracy z odległością, prędkością, azymutem i elewacją.
• Radar krótkiego zasięgu – do ochrony stref bliskich robota.
• Radar średniego zasięgu – do obserwacji toru ruchu przed maszyną.

Dobór zależy od środowiska pracy. W przemyśle liczy się przewidywalna strefa detekcji i szybka reakcja układu bezpieczeństwa. W pojazdach autonomicznych większe znaczenie ma zasięg, szerokość pola obserwacji i śledzenie szybko poruszających się obiektów. W dronach ogromną rolę odgrywa masa, gabaryt i pobór energii.

Dobór typu radaru warto oprzeć na takich kryteriach:

• Zasięg wymagany przez aplikację.
• Liczba obiektów w polu pracy.
• Potrzeba dokładnego kąta pomiaru.
• Warunki środowiskowe.
• Możliwość integracji z resztą systemu.

Jakie roboty korzystają z radaru?

Z radaru korzystają przede wszystkim roboty, które poruszają się samodzielnie albo współpracują z ludźmi w zmiennym środowisku. Najłatwiej znaleźć go w robotach mobilnych, AGV, AMR, dronach, maszynach terenowych i pojazdach autonomicznych, ale coraz częściej trafia także do systemów przemysłowych oraz robotów humanoidalnych.

W takich zastosowaniach radar nie pełni roli dodatku do prezentacji projektu. Dostarcza dane potrzebne do hamowania, omijania przeszkód, utrzymywania dystansu, śledzenia ruchu i oceny ryzyka kolizji. To funkcje bardzo praktyczne, czasem wręcz krytyczne.

Przykłady zastosowań według typu robota:

• Robot mobilny – omija przeszkody w hali i w magazynie.
• AGV – utrzymuje bezpieczny przejazd na trasie.
• AMR – rozpoznaje dynamiczne obiekty i koryguje tor ruchu.
• Dron – utrzymuje orientację przy słabej widoczności.
• Pojazd autonomiczny – wykrywa szybko poruszające się obiekty przed sobą.

W bardziej zaawansowanych systemach radar wspiera także SLAM radarowy, czyli jednoczesną lokalizację i mapowanie otoczenia z wykorzystaniem odbić fal radiowych. To rozwiązanie rozwija się szczególnie tam, gdzie klasyczne mapowanie optyczne ma problem z pyłem, ciemnością albo pogodą.

Niektóre radary potrafią wykrywać bardzo drobne ruchy, na przykład mikroruchy klatki piersiowej. Dzięki temu nadają się do detekcji oznak życia, monitorowania obecności człowieka albo śledzenia gestów. To jeszcze nie codzienność w każdej fabryce, ale kierunek rozwoju widać wyraźnie.

Zauważyłem, że w praktyce najlepiej działają wdrożenia, w których radar od początku projektuje się jako część większego układu sensorycznego. Sam zasięg sensora nie przesądza o sukcesie. Znacznie więcej mówi jego zachowanie przy odbiciach od podłogi, regałów, metalowych osłon i ruchu ludzi.

Podsumowanie

Radar w robotyce jest czujnikiem, który mierzy odległość, prędkość i kierunek obiektów na podstawie fal radiowych. Najlepiej sprawdza się w rozwiązaniach FMCW i mmWave, bo daje dobrą odporność na deszcz, pył, mgłę i słabe oświetlenie. W robotach mobilnych, dronach i pojazdach autonomicznych wspiera unikanie przeszkód, bezpieczeństwo pracy oraz lokalizację. Ma jednak słabszą rozdzielczość przestrzenną niż LiDAR, więc wymaga mądrego doboru i poprawnego przetwarzania sygnału.

FAQ

Q: Czy radar w robotyce wykrywa ludzi?

A: Tak, wykrywa obecność i ruch człowieka, a w niektórych układach także mikroruchy. Dobrze działa tam, gdzie kamera ma problem z widocznością.

Q: Czy radar może zastąpić LiDAR?

A: Nie zawsze. Radar lepiej znosi warunki środowiskowe, ale LiDAR zwykle daje dokładniejszy kontur i lepszą rozdzielczość przestrzeni.

Q: Jaki zasięg ma radar w robotyce?

A: Zależy od modelu. W aplikacjach przemysłowych zakres może wynosić od kilkunastu centymetrów do kilkudziesięciu metrów, a w systemach mobilnych nawet więcej.

Q: Czy radar działa w ciemności?

A: Tak, bo nie potrzebuje światła widzialnego. To jedna z jego mocnych stron w pracy nocnej i w słabym oświetleniu.

Q: Czy radar w robotyce nadaje się do małych robotów?

A: Tak, jeśli wybierzesz układ mmWave o małych wymiarach i niskim poborze mocy. Trzeba jednak dobrze zaplanować montaż i przetwarzanie danych.

Weryfikacja i redakcja

Za redakcję i weryfikację artykułu odpowiadają:

Joanna Lewandowska. Specjalistka ds. automatyki i integracji. Absolwentka kierunku Automatyka i Robotyka na Akademii Górniczo-Hutniczej im. Stanisława Staszica w Krakowie.

Piotr Woźniak. Doświadczony redaktor technologiczny. Absolwent kierunku Dziennikarstwo i Komunikacja Społeczna na Uniwersytecie Warszawskim.