本期主講
AI賦能智能制造系列之RCS機器人控制調度系統
隨著智能制造成為企業轉型升級的重點,將聰明的機器人放入復雜的制造業, 實現大規模的柔性生產,單憑一“人”之力是遠遠不夠的。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機器人調度控制系統(以下簡稱“RCS”),如同機器人的智慧大腦,通過融合運用機器學習、多智能體博弈等AI關鍵技術,從單個機器人的定位導航,運動控制,到多機器人協作,讓具備單體智能的移動機器人協同作業,邁向群體智能。
海工技術詞典
機器學習
機器學習是人工智能的核心研究課題之一。讓計算機在未經編程的情況下運行,模擬或實現人類的學習行為,用數據或以往的經驗,獲取新知識和新技能,并識別現有知識,以此不斷優化自身的性能。
多智能體博弈
在多智能體強化學習中,環境是復雜的、動態的,可能涉及合作與競爭等關系,因此引入競合博弈的概念,即多個智能體學會彼此合作和相互競爭一起完成同一個任務。
運籌優化
運籌優化通常指物流調度、路徑規劃等算法用于優化業務決策,使用數學算法和邏輯找到實現目標的最優求解。
科普
RCS 管理的機器人
種類多+數量大
多種場景:生產過程中往往混合搬運場景,需要多款機器人配合。RCS可混合調度???/a>威視全系列多型號的機器人產品,打通內物流環節的關鍵物流節點,無縫銜接倉儲搬運-產線搬運、庫內搬運-分揀搬運等混合搬運場景。
▲混合調度潛伏、移載等系列機器人
多種載具:同一個倉庫內,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
多種導航方式:針對不同的場景環境,RCS可滿足機器人在視覺慣性導航、SLAM激光導航等不同導航方式間的平滑切換。
未來倉庫將向規?;姆较虬l展,因此集群調度的能力至關重要。目前普遍采用的調度框架,即單個機器人完成路徑搜索,調度系統集中負責空間管理。該框架能支持較大規模的調度,但往往存在規劃的機器人路徑不是最優等系統性問題。
??禉C器人自主研發的RCS解決了上訴痛點,能同時支持15000個地圖節點,實現1000臺機器人的集群調度。
人力成本下降 58%↓
效率提升 84%↑
??低曂]工業生產基地
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
智慧大腦賦予機器人「高度柔性」
適應各類內物流場景
對內物流場景中存在的機器人、載具、電梯等多種資源,RCS可進行協同管理和統一調度。此外,通過多智能體間的競合博弈算法,RCS可調度多機器人適應各類柔性化的內物流場景(如下圖)。
AGV協同搬運密集存儲下的內外層貨架▼
▲AGV協同取放泊車系統中并排車庫下的內層車輛
AGV接駁產線完成空滿箱交換▼
▲叉車系列AGV對接電梯/升降機
智慧大腦深度「挖掘數據」
機器人工作更科學
以往的倉庫,可能存在各工作臺揀貨任務不均衡,機器人“盲目”排隊的情況。全新的RCS在傳統的運籌優化算法的基礎上融合了機器學習算法,使機器人工作更科學,調度效率顯著提升?;诖髷祿治?,RCS能夠智能決策機器人的行為。
■ 通過對歷史數據的分析預測,系統可預估貨架在工作臺的揀選耗時,進而智能調整機器人排隊策略,縮短任務等待時間;
▲預估工作臺揀選耗時模型圖
■ 通過對數字化工廠各環節數據的深入挖掘,學習預測自動化設備生產任務的時間, 可以提前調度空閑機器人在更貼近任務的位置等待;
▲RCS實時調度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,實現各工作臺的任務負載均衡。
位于控制層的RCS機器人調度控制系統實現對不同系列、種類的機器人的路徑規劃、集群調度、任務分配,確保機器人能夠適應更加復雜的場景。
智能制造系統中,移動機器人“學”會協同作業,展現出群體智能,同時與人的智能相互賦能增效,實現人機協同。推進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設備、平臺、技術等層面的深度合作,不斷優化創新物流產品及供應鏈整體解決方案,共同建立智慧物流生態體系。
2025-03-13 09:38
2025-03-13 09:35
2025-03-13 09:31
2025-03-13 09:27
2025-03-13 09:22
2025-03-13 09:21
2025-03-12 15:55
2025-03-12 10:49
2025-03-12 09:16
2025-03-12 09:14