本期主講
AI賦能智能制造系列之RCS機器人控制調(diào)度系統(tǒng)
隨著智能制造成為企業(yè)轉(zhuǎn)型升級的重點,將聰明的機器人放入復(fù)雜的制造業(yè), 實現(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。管理一個聰明的機器人團隊,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機器人調(diào)度控制系統(tǒng)(以下簡稱“RCS”),如同機器人的智慧大腦,通過融合運用機器學(xué)習(xí)、多智能體博弈等AI關(guān)鍵技術(shù),從單個機器人的定位導(dǎo)航,運動控制,到多機器人協(xié)作,讓具備單體智能的移動機器人協(xié)同作業(yè),邁向群體智能。
海工技術(shù)詞典
機器學(xué)習(xí)
機器學(xué)習(xí)是人工智能的核心研究課題之一。讓計算機在未經(jīng)編程的情況下運行,模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為,用數(shù)據(jù)或以往的經(jīng)驗,獲取新知識和新技能,并識別現(xiàn)有知識,以此不斷優(yōu)化自身的性能。
多智能體博弈
在多智能體強化學(xué)習(xí)中,環(huán)境是復(fù)雜的、動態(tài)的,可能涉及合作與競爭等關(guān)系,因此引入競合博弈的概念,即多個智能體學(xué)會彼此合作和相互競爭一起完成同一個任務(wù)。
運籌優(yōu)化
運籌優(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)算法和邏輯找到實現(xiàn)目標(biāo)的最優(yōu)求解。
科普
RCS 管理的機器人
種類多+數(shù)量大
多種場景:生產(chǎn)過程中往往混合搬運場景,需要多款機器人配合。RCS可混合調(diào)度???/a>威視全系列多型號的機器人產(chǎn)品,打通內(nèi)物流環(huán)節(jié)的關(guān)鍵物流節(jié)點,無縫銜接倉儲搬運-產(chǎn)線搬運、庫內(nèi)搬運-分揀搬運等混合搬運場景。
▲混合調(diào)度潛伏、移載等系列機器人
多種載具:同一個倉庫內(nèi),RCS支持不同尺寸的貨架/籠車/托盤等載具的靈活搬運。
▲貨架、籠車等不同尺寸/種類的載具
多種導(dǎo)航方式:針對不同的場景環(huán)境,RCS可滿足機器人在視覺慣性導(dǎo)航、SLAM激光導(dǎo)航等不同導(dǎo)航方式間的平滑切換。
未來倉庫將向規(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,即單個機器人完成路徑搜索,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)劃的機器人路徑不是最優(yōu)等系統(tǒng)性問題。
海康機器人自主研發(fā)的RCS解決了上訴痛點,能同時支持15000個地圖節(jié)點,實現(xiàn)1000臺機器人的集群調(diào)度。
人力成本下降 58%↓
效率提升 84%↑
??低曂]工業(yè)生產(chǎn)基地
一期基地投入機器人800臺
二期基地投入機器人400臺
日出貨需求1.5億元
使用車型:潛伏、移載、叉車等
智慧大腦賦予機器人「高度柔性」
適應(yīng)各類內(nèi)物流場景
對內(nèi)物流場景中存在的機器人、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,通過多智能體間的競合博弈算法,RCS可調(diào)度多機器人適應(yīng)各類柔性化的內(nèi)物流場景(如下圖)。
AGV協(xié)同搬運密集存儲下的內(nèi)外層貨架▼
▲AGV協(xié)同取放泊車系統(tǒng)中并排車庫下的內(nèi)層車輛
AGV接駁產(chǎn)線完成空滿箱交換▼
▲叉車系列AGV對接電梯/升降機
智慧大腦深度「挖掘數(shù)據(jù)」
機器人工作更科學(xué)
以往的倉庫,可能存在各工作臺揀貨任務(wù)不均衡,機器人“盲目”排隊的情況。全新的RCS在傳統(tǒng)的運籌優(yōu)化算法的基礎(chǔ)上融合了機器學(xué)習(xí)算法,使機器人工作更科學(xué),調(diào)度效率顯著提升?;诖髷?shù)據(jù)分析,RCS能夠智能決策機器人的行為。
■ 通過對歷史數(shù)據(jù)的分析預(yù)測,系統(tǒng)可預(yù)估貨架在工作臺的揀選耗時,進(jìn)而智能調(diào)整機器人排隊策略,縮短任務(wù)等待時間;
▲預(yù)估工作臺揀選耗時模型圖
■ 通過對數(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)測自動化設(shè)備生產(chǎn)任務(wù)的時間, 可以提前調(diào)度空閑機器人在更貼近任務(wù)的位置等待;
▲RCS實時調(diào)度AGV
■ 通過評估路線的擁堵程度及工作臺的繁忙程度,合理控制貨架的搬運順序及時機,實現(xiàn)各工作臺的任務(wù)負(fù)載均衡。
位于控制層的RCS機器人調(diào)度控制系統(tǒng)實現(xiàn)對不同系列、種類的機器人的路徑規(guī)劃、集群調(diào)度、任務(wù)分配,確保機器人能夠適應(yīng)更加復(fù)雜的場景。
智能制造系統(tǒng)中,移動機器人“學(xué)”會協(xié)同作業(yè),展現(xiàn)出群體智能,同時與人的智能相互賦能增效,實現(xiàn)人機協(xié)同。推進(jìn)智能制造的道路同樣如此,??禉C器人愿與各界合作伙伴一同實現(xiàn)設(shè)備、平臺、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。
2024-12-20 09:48
2024-12-20 09:47
2024-12-20 09:46
2024-12-20 09:45
2024-12-20 09:44
2024-12-20 09:42
2024-12-20 08:58
2024-12-20 08:55
2024-12-20 08:52
2024-12-20 08:49