Joel Li Van Yang

隨著服務(wù)機器人市場和技術(shù)的發(fā)展，導(dǎo)航已成為研究和應(yīng)用中的一個熱點。與車輛、船舶或飛機相比，服務(wù)機器人體積小，成本低，因此它們的導(dǎo)航系統(tǒng)應(yīng)該具有捷聯(lián)和低成本的特點。傳統(tǒng)的穩(wěn)定平臺導(dǎo)航系統(tǒng)通常要采用獨立的加速器和光纖或激光陀螺儀，所有部件都機械且剛性地安裝在與正在移動的車輛隔離的穩(wěn)定平臺上。這導(dǎo)致了尺寸大、可靠性差、成本高的缺點。相反，在捷聯(lián)導(dǎo)航系統(tǒng)中，慣性傳感器直接固定在車身上，意味著傳感器與車輛一起旋轉(zhuǎn)。這種捷聯(lián)方法消除了穩(wěn)定平臺導(dǎo)航的缺點。然而，平臺導(dǎo)航的準(zhǔn)確性通常高于SINS.平臺導(dǎo)航往往可以達到戰(zhàn)略級（0.0001，/時的陀螺儀偏置，1μg的加速器偏置）或軍用級（0.005°/時的陀螺儀偏置，30μg的加速器偏置），而多數(shù)SINS只能到達導(dǎo)航級（0.01°/時的陀螺儀偏置，50μg的加速器偏置）或戰(zhàn)術(shù)級（10°/時的陀螺儀偏置，1mg的加速器偏置）。對于大多數(shù)服務(wù)機器人或AGV導(dǎo)航應(yīng)用，這一精度足夠了。

導(dǎo)航方法很多，包括機器視覺、GPS、UWB、SLAM型激光雷達等。慣性導(dǎo)航始終是導(dǎo)航的重要組成部分，采用的是IMU。然而，由于這種傳感器的限制——例如偏置誤差、橫軸誤差、噪聲，特別是偏置不穩(wěn)定性——慣性導(dǎo)航通常需要采用一個伙伴傳感器，定期為它提供參考或校準(zhǔn)，本文將這種情況稱為傳感器融合。許多傳感器都可以與IMU融合，例如攝像機和里程表，但在這些傳感器中，地磁傳感器是一種低成本的方案，可與IMU配合獲得姿態(tài)信息。

在本文中，我們使用ADIMIMU ADIS16470和地磁傳感器來開發(fā)平臺和算法，實現(xiàn)捷聯(lián)慣性導(dǎo)航系統(tǒng)。但是，傳感器只能提供姿態(tài)信息。對于航位推算或距離測量，只能使用IMU中的加速度傳感器。

地磁傳感器介紹

地磁傳感器是用于測量羅盤體坐標(biāo)（即坐標(biāo)系）中的地磁場的傳感器，可為航向提供絕對參考。其x、y和z分量值由本地地磁場投影而來。這種傳感器有兩個主要缺點：一是精度和分辨率不高。例如，常用的霍尼韋爾羅盤傳感器HMC5883L的分辨率僅為12位。二是傳感器容易受到周圍環(huán)境的干擾。因為地磁場非常弱，強度范圍為毫高斯到8高斯。

盡管存在這些缺點，仍然可以在許多情況下使用，例如戶外、低EMI環(huán)境等。將地磁傳感器松散地耦合到IMU，就可以在大多數(shù)環(huán)境中使用這類傳感器。在本文中，我們使用高性能羅盤傳感器（PNI傳感器公司的RM3100）提供24位分辨率。PNI使用主動激勵法來提高抗噪聲能力。

羅盤傳感器的校準(zhǔn)

在使用羅盤傳感器之前，需要對其進行校準(zhǔn)以消除兩個主要誤差。一個是失調(diào)誤差。這原本是由傳感器和電路的失調(diào)誤差引起的。另一個是標(biāo)度誤差。這兩種誤差都容易受到周圍磁環(huán)境的干擾。例如，如果有一個x軸向的外部磁場施加到傳感器上，就會給出外部x軸失調(diào)誤差。同時，x軸標(biāo)度也將與y軸和z軸不同。

通常用于校準(zhǔn)磁傳感器的方法是在xy平面上轉(zhuǎn)動傳感器繞圈，然后抽取數(shù)據(jù)。一個地點的地磁場強度是一個常數(shù)值，因此繪制的數(shù)據(jù)應(yīng)該是一個圓;然而，事實上，我們會看到一個橢圓形，這意味著我們需要移動橢圓并重新縮放到以零為中心的圓。

上述2D校準(zhǔn)方法有一些缺點，并且需要用加速器來測量其傾斜度。我們使用3D球面擬合方法來校準(zhǔn)羅盤傳感器。首先，需要將傳感器旋轉(zhuǎn)到x-y-z空間中的每個方向，并在3D坐標(biāo)中繪制其值。然后需要使用最小平方誤差（MSE）方法將數(shù)據(jù)擬合為橢圓體。

橢球方程可以表示為

aX+bY+eZ+2fXY+2gXZ+2hYZ+（1）

2gX+2qY+2rZ+d=0

其中，X、Y和Z是羅盤輸出在三個方向上的地磁分量。將這些值擬合為橢圓體意味著，我們需要獲得系數(shù)的最優(yōu)值集合。我們將系數(shù)定義為：

σ=[abcfghpqrd]

在擬合時，我們將向量定義為：

β=[XYZ2XY2XZ2YZ2X2Y2Z]

所以我們需要計算最優(yōu)σ，并使用公式2來找出最小值：

min（σββσ）（2）

這樣我們就可以得到圖1所示的擬合結(jié)果。

為了校準(zhǔn)傳感器，我們需要拉伸擬合的橢圓體并將其移至以零為中心的球體上。我們使用矩陣奇異值分解（SVD）方法來進行這種校準(zhǔn)。校準(zhǔn)后的球體如圖2所示。

校準(zhǔn)后，我們可以看到，測得的磁場強度（球半徑）幾乎恒定不變，如圖3所示。

使用ADIS16470和羅盤的姿態(tài)和航向參考系統(tǒng)

AHRS由三個軸上的傳感器組成，提供姿態(tài)信息，包括翻滾角、俯仰角和偏航角。AHRS是一個來自飛機導(dǎo)航的概念。我們用它來描述方向，即姿態(tài)。

在介紹我們的方法之前，有必要首先解釋為什么確定姿態(tài)需要進行融合。事實上，我們的系統(tǒng)現(xiàn)在有三種傳感器：陀螺儀、加速器和羅盤。

陀螺儀提供圍繞各軸的旋轉(zhuǎn)角速度。通過角速率積分計算，可以得到旋轉(zhuǎn)角度。如果我們知道初始航向，就始終都能得到航向姿態(tài)。出于積分的原因，我們可以累計陀螺儀的不穩(wěn)定偏置，這將導(dǎo)致角度誤差。此外，來自陀螺儀的高斯分布噪聲將積分成一個布朗運動過程，并導(dǎo)致隨機行走誤差。因此，很難長時間使用陀螺儀，陀螺儀需要定期校準(zhǔn)。

加速器提供每個軸方向的移動加速率。在靜態(tài)狀態(tài)下，可以得到每個軸與重力加速率之間的角度。由于重力加速度在方向和值上恒定不變，我們可以獲得相對于重力方向的航向姿態(tài)。然而，該方法使用重力加速度作為參考，因此不能解出圍繞重力加速度旋轉(zhuǎn)的角度。

羅盤提供從地磁場投影的每個軸的值。我們可以從每個軸與同為常數(shù)向量的地磁場方向之間的關(guān)系推導(dǎo)出角度值。如前一節(jié)所述，由于對外部磁場的抗擾性較差，羅盤需要一個低干擾的環(huán)境。

從這一解釋中可以看到，很難靠一個傳感器來找到姿態(tài)，我們需要組合使用兩個或三個傳感器并把信息融合起來。本文用加速器、陀螺儀和地磁羅盤查找姿態(tài)。這種融合稱為磁、角速率和重力（MARS）系統(tǒng)。

擴展卡爾曼濾波器的設(shè)計與傳感器融合

有多種方法可以將IMU和羅盤數(shù)據(jù)融合起來，例如互補濾波器、統(tǒng)計ARMA濾波器，卡爾曼濾波器等。我們在本文中使用的是擴展卡爾曼濾波器。首先，我們需要介紹本文中使用的一些定義。

坐標(biāo)定義：航向或方向是兩個坐標(biāo)（即坐標(biāo)系）之間的關(guān)系。一個坐標(biāo)總在變化，另一個坐標(biāo)保持不變。對于坐標(biāo)定義方法，使用導(dǎo)航坐標(biāo)和體坐標(biāo)。與東北地（NED）坐標(biāo)系或地理方法相反，將測量的初始體坐標(biāo)值定義為導(dǎo)航坐標(biāo)，此后該坐標(biāo)為恒定坐標(biāo)。從體坐標(biāo)到導(dǎo)航坐標(biāo)的映射（投影）矩陣定義為C。

姿態(tài)定義：與歐拉角或方向余弦矩陣（DCM）不同，在這里我們使用四元數(shù)，定義為q，常用于導(dǎo)航以避免爭議。

用卡爾曼濾波器更新姿態(tài)

我們在本文中使用的運動學(xué)方程〔即狀態(tài)轉(zhuǎn)移方程）是偏差方程而非線性方程，因此需要使用一個EKF，用于求該偏差方程的一階線性近似值。對于EKF設(shè)計，我們提出以下定義

x=[ω q]

一個1×7向量作為狀態(tài)變量，其中

ω=[ωxωyωz]為角速率;

q=[abcd]為姿態(tài)四元數(shù)。

z=[ωq]

一個1×7向量作為觀察變量，與狀態(tài)變量具有相同的分量。

A=[1/T（ω-ω）1/2qω]

一個7×7矩陣作為狀態(tài)轉(zhuǎn)移矩陣，其中，A的第一部分是角速率的數(shù)字化微分方程，第二部分是數(shù)字化四元數(shù)更新方程，后者從運動學(xué)方程推導(dǎo)而來。

H=[1001]一個×X7矩陣作為觀察矩陣。

P=E[eTe]為誤差協(xié)方差矩陣，這是一個7×7矩陣，其中e為從真實的x值估算而來的誤差向量x。我們在測試中將初始誤差設(shè)為相對較小的值。該值會自動收斂到一個小值。

R，Q被設(shè)為狀態(tài)轉(zhuǎn)移噪聲和觀察噪聲的噪聲協(xié)方差。我們得到它們的初始值，R和Q。

通過測量陀螺儀和加速器的交流均方根值的平方。在保持IMU和羅盤處于靜止?fàn)顟B(tài)的同時，我們設(shè)R=Q

根據(jù)該定義，卡爾曼濾波器將通過以下五個步驟完成：

步驟1：使用公式3計算卡爾曼增益K：

K=PH（HPH+R）（3）

步驟2：計算誤差協(xié)方差矩陣，P：

P=（I-KH）P_k（4）

步驟3：輸出估算狀態(tài)X：

x=xK（z-Hx）

步驟4：投影狀態(tài)x-：

x=Ax（6）

步驟5：投影誤差協(xié)方差矩陣P一：

P=APA+Q（7）

該過程可以簡單地描述為圖4中的框圖。

基于MSE的傳感器融合

在上一節(jié)中，觀察變量是z=（ω q）

其中沒有來自羅盤的信息。由于ω是角速率，我們只能使用四元數(shù)來導(dǎo)人羅盤數(shù)據(jù)4。我們使用MSE方法獲得q，即觀察變量中的組分。

我們將各變量定義如下：

xnb和ab：體坐標(biāo)系里的羅盤磁值和加速度值。

mn和an：導(dǎo)航坐標(biāo)系里的羅盤磁值和加速度值。

mn0和an0：導(dǎo)航坐標(biāo)系里的初始靜態(tài)羅盤磁值和加速度值。

C為從體坐標(biāo)系到導(dǎo)航坐標(biāo)系的姿態(tài)轉(zhuǎn)換矩陣，用四元數(shù)表示，可以寫成嘴匆）

其給出了導(dǎo)航坐標(biāo)系中初始值與實時從身坐標(biāo)系映射到導(dǎo)航坐標(biāo)系的值之間的誤差s。

根據(jù)之前的定義，MSE方法可用于獲得最優(yōu)C（q）

通過求方程8的最小值：

通過推導(dǎo)f（q）并使其等于零，

f（q）/q=0（9）

我們將獲得方差意義上的最優(yōu)q。我們使用高斯一牛頓方法，用一階梯度收斂來求解以上非線性方程。

通過組合角速率，我們將得到觀察變量，

z=[ω q]

其中融合了卡爾曼濾波器中的羅盤數(shù)據(jù)和IMU數(shù)據(jù)。

該過程可以簡單地描述為圖5中的框圖。

松耦合

如前所述，我們經(jīng)常遇到無法使用羅盤傳感器的情況。如果磁數(shù)據(jù)受到干擾，則求解的姿態(tài)精度將比僅使用IMU時更差。因此，我們使用松耦合來判斷磁傳感器是否可用。當(dāng)磁傳感器不可用時，我們只用IMU來查找姿態(tài);當(dāng)磁傳感器可用時，我們將使用融合算法找到姿態(tài)，如圖6所示。

在獲得新數(shù)據(jù)之后或者在求解新的姿態(tài)時（在某些系統(tǒng)中，采樣周期與姿態(tài)解析周期不同，但我們在此處進行的是單采樣周期解析），計算加速度的大小。如果結(jié)果不等于1g，我們就不會使用加速器的輸出進行姿態(tài)計算，然后我們計算羅盤輸出的大小并將其與初始值進行比較。如果它們彼此不相等，我們就不會在此周期中使用地磁傳感器的數(shù)據(jù)。當(dāng)滿足兩個條件時，就會使用卡爾曼濾波器并執(zhí)行MSE融合。

使用ADIS16470進行航位推算

在導(dǎo)航中，航位推算是計算當(dāng)前位置的過程，先使用先前確定的位置，然后在解析周期中基于已知或估計的速度或加速度推進該位置。這里將使用ADIS16470加速器。基于上一節(jié)解出的姿態(tài)，我們可以得到捷聯(lián)系統(tǒng)的移動方向，然后需要計算該方向上的距離，最后確定位置。

航位推算方法介紹

捷聯(lián)航位推算需要使用基于加速度測量的比力方程來跟蹤INs的位置。比力方程可以簡單描述為等式10、等式11和等式12：

a=（t）=Cab（t）

v（t+δt）=v+δt×（a（t+δt）-g（11）

s（t+δt）=s（t）+δt×（v（t+δt））（12）

其中，a是地球坐標(biāo)系里的加速度，a是體坐標(biāo)系里的加速度，v是地球坐標(biāo)系里的速度，s。是地球坐標(biāo)系里的距離，g是地球坐標(biāo)系里的重力加速度，為[001]，單位為g。需要強調(diào)的是，地球坐標(biāo)系與導(dǎo)航坐標(biāo)系不同——地球坐標(biāo)系是面向NED的。該δt是解析周期。

C用第一個等式可以得到從IMU體坐標(biāo)系到地球坐標(biāo)系的加速度投影，如格式C所示。

第二個等式將加速度積分或累加為速度;然而，由于測量的加速度涉及重力分量，所以需要減去重力。

與等式11類似，等式12將速度積分成距離。

傳統(tǒng)方法存在幾個問題。

加速器輸出總是有偏置，與重力相結(jié)合后，難以從公式10中減去，因此更準(zhǔn)確的表達式應(yīng)為：

除非使用一些專業(yè)設(shè)備，例如分度頭。

作為傳統(tǒng)方法的數(shù)值積分方法通常使用零階保持器方法（前一個值）進行積分。但是，對于連續(xù)移動，這將帶來重大的誤差。例如，

我們來比較以下方法：

方法1：

v=v+at

（零階保持器）

方法2：

v=vat+a-a-1/2

（線性插值）

在5秒內(nèi)加速度為0.5m/s2時，位移最高將相差4m。仿真結(jié)果如圖7所示。

基于前面的討論，我們根據(jù)應(yīng)用要求，修改了傳統(tǒng)比力方程的兩個點：

我們不使用地球坐標(biāo)作為導(dǎo)航坐標(biāo)系。相反，正如我們在計算先前姿態(tài)時所做的那樣，我們用初始姿態(tài)

作為導(dǎo)航坐標(biāo)系。通過這種方式，偏置和重力都可以輕松取消，如公式14所示：

雖然初始姿態(tài)中包含偏置和重力分量，但這樣我們就不需要將它們分開成單獨的分量，而是直接減去它們。

基于零階保持器與一階插值之間的比較，我們使用一階方法來獲得更準(zhǔn)確的積分結(jié)果。

運動學(xué)模式和零速度更新技術(shù)

通過使用IMU的初始值作為導(dǎo)航坐標(biāo)系，可以部分取消加速器的初始偏置影響。然而，即使我們在使用設(shè)備之前能用分度頭準(zhǔn)確測量偏置，仍然很難取消，除非使用另一個精確的傳感器來定期校準(zhǔn)它。這主要是由兩個原因引起的：一是偏置不穩(wěn)定，這意味著之前測量的偏置不是現(xiàn)在的實際偏置。二是速度隨機行走，這是加速度的組成部分。前面提到的無用特性會使我們計算的距離顯著漂移。即使停止移動并保持靜止，從加速度積分而來的速度仍然存在，距離仍會增加。

要解決這個問題，我們需要找到一種通過使用ZUPT技術(shù)重置速度的方法。ZUPT技術(shù)與具體的應(yīng)用密切相關(guān)，因此需要獲得系統(tǒng)和應(yīng)用的運動學(xué)特征，然后給出一些算法規(guī)則。我們發(fā)現(xiàn)的運動學(xué)模式越多，結(jié)果就越準(zhǔn)確。

通過移動帶有SINS系統(tǒng)的轉(zhuǎn)椅來進行實驗。由于我們的研究不僅限于特定應(yīng)用，使用以下運動學(xué)假設(shè)：

對于航位推算，導(dǎo)航坐標(biāo)系中沒有z軸移動。此限制僅適用于航位推算，不適用于姿態(tài)求解。顯然，我們是在二維空間中移動系統(tǒng)。這有助于消除z軸誤差。

所有轉(zhuǎn)彎都發(fā)生在停止后。如果在移動時發(fā)生轉(zhuǎn)彎，則會因為涉及額外加速而干擾姿態(tài)求解。

如果系統(tǒng)正在移動，加速度不能保持不變超過500毫秒。速度不能保持不變超過2秒。由于我們在推動或拉動轉(zhuǎn)椅，因此很難手動使力精確地保持不變超過500毫秒，并且人很難以均勻的速度持續(xù)推動轉(zhuǎn)椅2秒以上。事實上，我們在實施ZUPT時即運用了這一規(guī)則。

加速度不能大于±1m/s2。該規(guī)則用于一些噪音過濾，后者基于我們施加于椅子上、不會很大的拉力或推力。

如圖8所示，當(dāng)系統(tǒng)在X方向上移動時（投影到導(dǎo)航坐標(biāo)系后），Y方向也會產(chǎn)生加速度;積分后，Y方向速度不會為零，這意味著即使只是在X方向上移動，航位推算系統(tǒng)仍然會給我們帶來Y分量。

基于第三運動學(xué)假設(shè)，我們可以使用ZUPT來消除此誤差。經(jīng)ZUPT處理之后的積分速度如圖9所示。

雖然我們使用了第三假設(shè)，如前所示，誤差仍然無法完全取消。誤差消除取決于設(shè)定的零加速度和零速度的閾值。但是，大多數(shù)誤差已得到糾正。

基線偏移的消除

雖然使用了ZUPT，但有時仍然無法達到零加速度。這會導(dǎo)致兩個問題：

我們無法用ZUPT完全消除偏置不穩(wěn)定誤差和速度隨機行走。

我們求出的姿態(tài)有一些誤差，結(jié)果將導(dǎo)致投影加速度誤差。

以圖10為例。圖10中的左圖是ADIS16470的原始數(shù)據(jù)（體坐標(biāo)系），圖10中的右圖是導(dǎo)航坐標(biāo)系中投影的加速度。可以看出，停止移動時，投影加速度不為零。由于它總是在變化，我們稱之為基線偏移。

為了消除基線偏移，我們需要實時連續(xù)獲得偏移偏置并從投影加速度中減去該值。結(jié)果如圖11所示。

圖11是基線偏移消除前的加速度，底圖中的綠色軌跡是我們計算的基線偏移，紅色軌跡是基線偏移消除后的加速度?？梢允褂脠D12中的框圖簡要描述航位推算過程。我們將體坐標(biāo)系加速度ab和姿態(tài)轉(zhuǎn)換矩陣（來自AHRS）輸入C到DR系統(tǒng)。完成后，我們將獲得導(dǎo)航坐標(biāo)系中的位置。

實驗結(jié)果與結(jié)論

實驗結(jié)果：使用SPI端口，我們將ADIS16470評估板和RM3100羅盤評估板連接到ADI公司的ADuCM4050電路板，構(gòu)建出相應(yīng)的系統(tǒng)，如圖13所示。ADuCM4050調(diào)整數(shù)據(jù)格式并進行時間同步（因為IMU和羅盤的數(shù)據(jù)速率不同）。然后使用UART將捕獲的數(shù)據(jù)傳輸?shù)接嬎銠C。所有計算（包括校準(zhǔn)、AHRS和DR）均VMATLAB中執(zhí)行。

將評估板和計算機放在轉(zhuǎn)椅上，并在實驗室中推著轉(zhuǎn)椅繞圈。

AHRS輸出：姿態(tài)以四元數(shù)格式和DCM格式表示，如圖14所示。

DR輸出：帶XYZ位置的航位推算結(jié)果和三維圖如圖15所示。

結(jié)論：本文介紹了使用ADI公司的IMUADIS16470和地磁傳感器RM3100構(gòu)建導(dǎo)航系統(tǒng)的基本過程，介紹了我們使用的校準(zhǔn)、AHRS和DR方法。在平臺和實驗環(huán)境等條件有限的情況下，很難進一步測試平臺和算法。

有很多方法可用于改善結(jié)果，例如：

使用里程表或UWB距離測量方法將加速器與IMU融合，以在DR中獲得更準(zhǔn)確的距離值。

使用更復(fù)雜的運動學(xué)模型，該模型在AHRS和DR中在傳感器和系統(tǒng)層次涉及更多特性，例如系統(tǒng)的振動、加速度和減速度模型、地面平整度等。這意味著為了提高計算結(jié)果的準(zhǔn)確性，需要給出更多的邊界條件。

使用更精確的數(shù)值計算方法，比如用辛普森規(guī)則或三次樣條插值在DR中進行積分，或者使用牛頓方法而非高斯一牛頓方法求解非線性MSE方程等。

我們在實驗中發(fā)現(xiàn)的也是最重要的一點是，INS與應(yīng)用或運動學(xué)模式密切相關(guān)。例如，在兩個地方進行了實驗：未鋪地毯的實驗室和鋪有地毯的辦公室。如果我們使用相同的參數(shù)集，DR結(jié)果會顯示出巨大的差異。因此，無論哪種應(yīng)用，例如患者跟蹤、AGV導(dǎo)航或停車定位，或者對于同一應(yīng)用中的不同條件，都需要全面了解其運動學(xué)模型。翻刀

Silicon Labs和飛利浦秀推進智能照明

Silicon Labs和聽諾飛（Signify），正在合作推廣“秀之友（Friends of Hue）”的擴展項目，這使得生態(tài)系統(tǒng)合作伙伴能夠更好地為飛利浦秀（Philips Hue）系統(tǒng)開發(fā)智能燈具開關(guān)。Silicon Labs提供Zigbee簇庫、軟件工具、參考應(yīng)用和專業(yè)技術(shù)知識，以幫助由秀之友項目認(rèn)證的成員公司快速設(shè)計和生產(chǎn)照明開關(guān)產(chǎn)品，確保與Philips Hue智能照明系統(tǒng)完美配合。

秀之友生態(tài)系統(tǒng)使得第三方供應(yīng)商及品牌能夠創(chuàng)建通過認(rèn)證的、可互操作的智能照明產(chǎn)品，與領(lǐng)先的基于Zigbee的智能照明解決方案飛利浦秀（Philips Hue）無縫集成。SiliconLabs是秀之友的主要合作伙伴，與Signify密切合作，定義Zigbee簇并提供兼容軟件以實現(xiàn)先進的照明開關(guān)功能，例如飛利浦秀應(yīng)用（Philips Hue app）中對用戶友好的設(shè)置以及通過飛利浦秀云部署固件更新。Silicon Labs的Zigbee軟件開發(fā)套件支持秀之友規(guī)范，允許第三方供應(yīng)商能夠創(chuàng)建確保與飛利浦秀集成的認(rèn)證設(shè)備。

通常當(dāng)最終用戶使用傳統(tǒng)墻壁開關(guān)關(guān)閉智能燈時，燈的電源被關(guān)閉，并且不能使用應(yīng)用程序、語音命令、日程安排或傳感器進行控制。秀之友開關(guān)使得飛利浦秀智能照明控制可以直接從墻壁開關(guān)可靠控制，并保持飛利浦秀燈具處于“時刻準(zhǔn)備好”的狀態(tài)，同時提供人人都很熟悉的界面。Silicon Labs的秀之友軟件開發(fā)套件支持各種智能燈開關(guān)設(shè)計，并為飛利浦秀用戶添加了兼容性開關(guān)的選擇。