本期主講
AI賦能智能制造系列之RCS機(jī)器人控制調(diào)度系統(tǒng)
隨著智能制造成為企業(yè)轉(zhuǎn)型升級(jí)的重點(diǎn),將聰明的機(jī)器人放入復(fù)雜的制造業(yè), 實(shí)現(xiàn)大規(guī)模的柔性生產(chǎn),單憑一“人”之力是遠(yuǎn)遠(yuǎn)不夠的。管理一個(gè)聰明的機(jī)器人團(tuán)隊(duì),使它們匯集在一起高效協(xié)作,則不是件易事。
處于AI Cloud框架中邊緣域之一的RCS機(jī)器人調(diào)度控制系統(tǒng)(以下簡(jiǎn)稱(chēng)“RCS”),如同機(jī)器人的智慧大腦,通過(guò)融合運(yùn)用機(jī)器學(xué)習(xí)、多智能體博弈等AI關(guān)鍵技術(shù),從單個(gè)機(jī)器人的定位導(dǎo)航,運(yùn)動(dòng)控制,到多機(jī)器人協(xié)作,讓具備單體智能的移動(dòng)機(jī)器人協(xié)同作業(yè),邁向群體智能。
海工技術(shù)詞典
機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)是人工智能的核心研究課題之一。讓計(jì)算機(jī)在未經(jīng)編程的情況下運(yùn)行,模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為,用數(shù)據(jù)或以往的經(jīng)驗(yàn),獲取新知識(shí)和新技能,并識(shí)別現(xiàn)有知識(shí),以此不斷優(yōu)化自身的性能。
多智能體博弈
在多智能體強(qiáng)化學(xué)習(xí)中,環(huán)境是復(fù)雜的、動(dòng)態(tài)的,可能涉及合作與競(jìng)爭(zhēng)等關(guān)系,因此引入競(jìng)合博弈的概念,即多個(gè)智能體學(xué)會(huì)彼此合作和相互競(jìng)爭(zhēng)一起完成同一個(gè)任務(wù)。
運(yùn)籌優(yōu)化
運(yùn)籌優(yōu)化通常指物流調(diào)度、路徑規(guī)劃等算法用于優(yōu)化業(yè)務(wù)決策,使用數(shù)學(xué)算法和邏輯找到實(shí)現(xiàn)目標(biāo)的最優(yōu)求解。
科普
RCS 管理的機(jī)器人
種類(lèi)多+數(shù)量大
多種場(chǎng)景:生產(chǎn)過(guò)程中往往混合搬運(yùn)場(chǎng)景,需要多款機(jī)器人配合。RCS可混合調(diào)度???/a>威視全系列多型號(hào)的機(jī)器人產(chǎn)品,打通內(nèi)物流環(huán)節(jié)的關(guān)鍵物流節(jié)點(diǎn),無(wú)縫銜接倉(cāng)儲(chǔ)搬運(yùn)-產(chǎn)線(xiàn)搬運(yùn)、庫(kù)內(nèi)搬運(yùn)-分揀搬運(yùn)等混合搬運(yùn)場(chǎng)景。
▲混合調(diào)度潛伏、移載等系列機(jī)器人
多種載具:同一個(gè)倉(cāng)庫(kù)內(nèi),RCS支持不同尺寸的貨架/籠車(chē)/托盤(pán)等載具的靈活搬運(yùn)。
▲貨架、籠車(chē)等不同尺寸/種類(lèi)的載具
多種導(dǎo)航方式:針對(duì)不同的場(chǎng)景環(huán)境,RCS可滿(mǎn)足機(jī)器人在視覺(jué)慣性導(dǎo)航、SLAM激光導(dǎo)航等不同導(dǎo)航方式間的平滑切換。
未來(lái)倉(cāng)庫(kù)將向規(guī)?;姆较虬l(fā)展,因此集群調(diào)度的能力至關(guān)重要。目前普遍采用的調(diào)度框架,即單個(gè)機(jī)器人完成路徑搜索,調(diào)度系統(tǒng)集中負(fù)責(zé)空間管理。該框架能支持較大規(guī)模的調(diào)度,但往往存在規(guī)劃的機(jī)器人路徑不是最優(yōu)等系統(tǒng)性問(wèn)題。
??禉C(jī)器人自主研發(fā)的RCS解決了上訴痛點(diǎn),能同時(shí)支持15000個(gè)地圖節(jié)點(diǎn),實(shí)現(xiàn)1000臺(tái)機(jī)器人的集群調(diào)度。
人力成本下降 58%↓
效率提升 84%↑
??低曂]工業(yè)生產(chǎn)基地
一期基地投入機(jī)器人800臺(tái)
二期基地投入機(jī)器人400臺(tái)
日出貨需求1.5億元
使用車(chē)型:潛伏、移載、叉車(chē)等
智慧大腦賦予機(jī)器人「高度柔性」
適應(yīng)各類(lèi)內(nèi)物流場(chǎng)景
對(duì)內(nèi)物流場(chǎng)景中存在的機(jī)器人、載具、電梯等多種資源,RCS可進(jìn)行協(xié)同管理和統(tǒng)一調(diào)度。此外,通過(guò)多智能體間的競(jìng)合博弈算法,RCS可調(diào)度多機(jī)器人適應(yīng)各類(lèi)柔性化的內(nèi)物流場(chǎng)景(如下圖)。
AGV協(xié)同搬運(yùn)密集存儲(chǔ)下的內(nèi)外層貨架▼
▲AGV協(xié)同取放泊車(chē)系統(tǒng)中并排車(chē)庫(kù)下的內(nèi)層車(chē)輛
AGV接駁產(chǎn)線(xiàn)完成空滿(mǎn)箱交換▼
▲叉車(chē)系列AGV對(duì)接電梯/升降機(jī)
智慧大腦深度「挖掘數(shù)據(jù)」
機(jī)器人工作更科學(xué)
以往的倉(cāng)庫(kù),可能存在各工作臺(tái)揀貨任務(wù)不均衡,機(jī)器人“盲目”排隊(duì)的情況。全新的RCS在傳統(tǒng)的運(yùn)籌優(yōu)化算法的基礎(chǔ)上融合了機(jī)器學(xué)習(xí)算法,使機(jī)器人工作更科學(xué),調(diào)度效率顯著提升?;诖髷?shù)據(jù)分析,RCS能夠智能決策機(jī)器人的行為。
■ 通過(guò)對(duì)歷史數(shù)據(jù)的分析預(yù)測(cè),系統(tǒng)可預(yù)估貨架在工作臺(tái)的揀選耗時(shí),進(jìn)而智能調(diào)整機(jī)器人排隊(duì)策略,縮短任務(wù)等待時(shí)間;
▲預(yù)估工作臺(tái)揀選耗時(shí)模型圖
■ 通過(guò)對(duì)數(shù)字化工廠各環(huán)節(jié)數(shù)據(jù)的深入挖掘,學(xué)習(xí)預(yù)測(cè)自動(dòng)化設(shè)備生產(chǎn)任務(wù)的時(shí)間, 可以提前調(diào)度空閑機(jī)器人在更貼近任務(wù)的位置等待;
▲RCS實(shí)時(shí)調(diào)度AGV
■ 通過(guò)評(píng)估路線(xiàn)的擁堵程度及工作臺(tái)的繁忙程度,合理控制貨架的搬運(yùn)順序及時(shí)機(jī),實(shí)現(xiàn)各工作臺(tái)的任務(wù)負(fù)載均衡。
位于控制層的RCS機(jī)器人調(diào)度控制系統(tǒng)實(shí)現(xiàn)對(duì)不同系列、種類(lèi)的機(jī)器人的路徑規(guī)劃、集群調(diào)度、任務(wù)分配,確保機(jī)器人能夠適應(yīng)更加復(fù)雜的場(chǎng)景。
智能制造系統(tǒng)中,移動(dòng)機(jī)器人“學(xué)”會(huì)協(xié)同作業(yè),展現(xiàn)出群體智能,同時(shí)與人的智能相互賦能增效,實(shí)現(xiàn)人機(jī)協(xié)同。推進(jìn)智能制造的道路同樣如此,??禉C(jī)器人愿與各界合作伙伴一同實(shí)現(xiàn)設(shè)備、平臺(tái)、技術(shù)等層面的深度合作,不斷優(yōu)化創(chuàng)新物流產(chǎn)品及供應(yīng)鏈整體解決方案,共同建立智慧物流生態(tài)體系。
2023-09-05 10:51
2023-09-05 10:48
2023-09-05 10:46
2023-09-05 10:45
2023-09-05 09:57
2023-09-05 09:32
2023-09-05 09:03
2023-09-05 08:52
2023-09-04 10:18