罗戈网
搜  索
登陆成功

登陆成功

积分  

移动机器人核心技术发展趋势

[罗戈导读]近几年,基于AI等各类新技术的日趋成熟以及移动机器人使用场景的不断丰富,移动机器人技术进一步迭代升级。移动机器人核心技术包括环境感知、定位导航,控制、协同、通信、调度、任务分配等本体软硬件和系统层面的技术,本文重点围绕移动机器人定位导航和环境感知技术、多机器人调度技术和仿真技术,对移动机器人核心技术及其发展趋势进行了分析。

为适应更复杂、更多变的动态作业环境,移动机器人始终朝着更高柔性、更高精度和更强适应性的方向发展,其定位导航技术和环境感知技术不断更迭。另一方面,移动机器人的形态越来越丰富,其对调度的要求也越来越高。此外,随着移动机器人在各行各业的应用,其部署效率和质量日渐成为业界关心的焦点,移动机器人机器人仿真技术正围绕灵活性和真实性不断精进。

近几年,基于AI等各类新技术的日趋成熟以及移动机器人使用场景的不断丰富,移动机器人技术进一步迭代升级。移动机器人核心技术包括环境感知、定位导航,控制、协同、通信、调度、任务分配等本体软硬件和系统层面的技术,本文重点围绕移动机器人定位导航和环境感知技术、多机器人调度技术和仿真技术,对移动机器人核心技术及其发展趋势进行了分析。

一、定位导航和环境感知技术

实现移动机器人(以下简称“AMR”)的自主移动,需要根据多种传感器识别各种复杂的环境信息,如道路边界、地面情况、障碍物等。AMR通过对环境的感知确定行进方向中的可达/不可达区域,确定自身在环境中的相对位置,并对动态障碍物的运动进行预判,从而为局部路径规划提供依据。根据AMR掌握环境信息的程度不同,可分为两种类型:一个是基于环境信息已知的全局路径规划,即机器人定位导航技术,另一个是基于传感器信息的局部路径规划,即机器人环境感知技术。下面将分别阐述机器人定位导航技术和环境感知技术。

1.机器人定位导航技术

机器人定位导航技术是AMR的关键技术,其在很大程度上影响了AMR的运行精度、稳定性和灵活性。目前AMR导航技术种类较多,当场景环境不尽相同时,选择合适的导航方式,是用户时常面临的问题。

从传统的AGV有轨导航开始,导航技术不断地发展,分别从最初的地面预埋磁条,逐步到预埋磁钉导航,直至以亚马逊KIVA为代表的AMR厂家诞生,形成以地面二维码为主流的导航定位方式;再随着激光SLAM(简称LSLAM)、视觉SLAM(简称VSLAM)技术的进一步成熟,行业内分别出现了以LSLAM、下视VSLAM、前视VSLAM等依赖自然环境的导航方式的推广和应用,下面将详细介绍AMR常用的不同导航方式的原理和差异。

(1)二维码导航

二维码定位通过在区域中铺设二维码,利用AMR车载摄像头扫描解析地面二维码获取实时坐标,但是离散的铺设方式导致二维码导航无法持续获得高精度的定位结果。AMR上安装有轮式里程计和IMU(Inertial Measurement Unit,即惯性测量单元),这两种传感器可实时测量机器人的位姿增量,即使没有二维码修正,仅通过积分仍可根据之前的定位状态推算出机器人当前的位姿信息,这个过程被称为盲区推估(Dead Rockoning,简称DR),但DR过程存在累计误差,过长的位姿推估时间和距离将导致定位精度持续下降。因此,DR更多的被用于定位导航算法流程中的预测过程,通过外部准确的全局定位实现对其误差的修正。

二维码导航方式,即在两个二维码之间采用DR推估,在经过二维码时获得全局位姿的观测,及时修正了DR过程中累计的误差,从而让机器人获得了准确、稳定的定位信息。二维码导航方式也是目前市面上最常见的AMR导航方式,亚马逊的KIVA机器人就是通过这种导航方式实现自主移动的。这种组合导航的形式相对灵活,铺设和改变路径也比较方便(相比磁导航),但是由于二维码自身特性的关系,需要定期进行维护。

• 适用场景:仓储环境、线边密集存储区等

• 功能限制:运行路线的灵活性受导航方式的限制,只能固定路线运行

二维码导航方式是目前最常见的AMR导航方式

(2)激光/视觉SLAM导航

SLAM定义:Simultaneous Localization and Mapping(即时定位与地图构建),即机器人在完全未知的环境中创建地图,同时利用地图进行自主定位和导航的技术。按照使用的传感器类型的差异,又分为激光SLAM和视觉SLAM,其中激光SLAM基于激光反射测距进行即时定位与地图构建,一般从维度上分有二维、三维激光,根据实际使用有反射板和无反射板两种;视觉SLAM则是使用相机作为传感器,在一定的图像帧率下捕捉周围环境信息,获得一系列连续变化的图像,通过测算相机运动来获得当前时刻相机的位姿,并构建环境地图。

激光SLAM起步早,在理论、技术和产品落地上都相对成熟,一般目前业界以二维激光作为主要的导航传感器进行应用。近年来,由于激光传感器逐步完成国产替代,二维激光SLAM技术逐渐被AMR厂商所接受,目前主流厂家,均推出了自己的激光SLAM导航AMR和配套软件产品。

相比于激光雷达,相机具有成本低、功耗低、体积小、信息丰富等优点,随着计算机硬件能力的不断提升,视觉SLAM能够在嵌入式设备上实时运行,但图像信息极易受到外界光线影响,稳定性不足,基于视觉的 SLAM方案目前尚处于进一步研发和应用场景拓展、产品落地阶段,技术成熟度在逐步提升。目前业内有一些厂商在积极探索视觉SLAM的应用尝试。

依托于图像处理算法的不断积累和应用尝试,从应用稳定性,到点精确性,落地成本多方面考虑,也有一些厂商推出了基于下视视觉SLAM的导航方案,即:通过识别地面的图像特征构建视觉地图,该地图后续进一步可用于机器人的定位与导航,其优点在于特征稳定、导航精度高、资源需求低,但受限于下视视野较小,其导航灵活性一般。建图上,VSLAM采用自动化建图的方式完成指定区域的地图构建,后续将向着自主式探索的建图方式进行发展和完善,致力于建图过程的无人化。定位上,可以灵活支持多种运行方式,例如斜线、弧线、绕障等,从而提高AMR的运行效率。地图维护上,通过对地图的实时监测提示地面存在变化的区域,提示出地图变化较大需要更新的区域,并进行后续地图的更新。同时也支持人工的地图编辑和地图合并等功能,以针对运行场景进行修改和调整。

相对于二维码、磁钉等导航方式,如果把二维码导航比拟成一个个的指路牌,那么,激光/视觉SLAM导航,则就是,依托于马路两侧的建筑物,自己生成了一个地图,根据自身的地图,进行路径的探索和寻找。其优势非常明显,不需要人工造太多的“指路牌”,且想要换路线时,也非常的灵活;但也存在其技术的限制,即:不能随意变更或遮挡“建筑物”。

• 适用场景:柔性生产线、高洁净度产线等

• 功能限制:导航稳定性与环境轮廓或者地面纹理有关

AMR导航技术一直朝着更高柔性、更高精度和更强适应性的方向发展,基于多传感器融合的混合SLAM技术无疑是未来的发展趋势。相信不久的将来,伴随着越来越多的传感技术和感知能力的发展,AMR能够适应更为复杂、多变的动态作业环境。

基于多传感器融合的混合SLAM技术是未来的发展趋势

2.机器人环境感知技术

机器人的感知和决策能力是区分AMR和AGV能力的重要指标,AMR基于AI智能算法,一般适用于灵活性、智能化较高,与人员交互更多的业务场景;而目前常见的AGV,主要应用于高效集群业务场景,满足业务对速度、效率方面的需求。本节从机器人环境感知方面阐述典型的感知技术及其应用方式。

(1)环境感知

环境感知技术即AMR对自身所处环境的描述和理解能力:AMR能够基于自身配备的多种2D/3D传感器,实现对其运行环境周围的全方位感知。基于AI感知技术,AMR对周围环境的理解由单一的障碍物拓展到语义信息,从“看见”进化为“理解”,并能够基于语义等属性进行AI在线规划以及行为决策,全面提升AMR对场景的理解、认知和执行能力。

(2)局部高精度感知

局部高精度感知主要应用于局部有高精度对接需求的场景:当AMR运行到机台等局部区域时,由于业务层面的对接需求,通常要求AMR在局部区域具备高精度感知能力。AMR根据车身配备的多种传感器,基于AI感知技术计算目标的特征信息,计算AMR自身与目标之间的相对偏差,并进行AI实时在线规划控制自身不断接近目标,从而实现目标的精确引导对接。海康机器人的AI局部高精度感知功能允许对接目标不断变化,通过AMR超强感知能力实时适应局部环境变化,保持感知的高效率和高精度,进一步提升AMR的环境适应性。

二、多机器人调度技术

随着移动机器人在各行各业的应用,机器人的形态越来越丰富,对调度的要求也越来越高。从单一形态的机器人调度到多形态机器人混合调度,需要空间保护、路径规划、多导航统一调度、多任务类型分配、多充电方式、多设备协议统一接入、多设备协同控制等方面的技术支撑。

1.多尺寸移动机器人混行调度

多尺寸移动机器人混行调度指的是不同尺寸的机器人在同一物理环境下运行,尺寸包括机器人的长,宽,高,旋转半径等。调度系统需要通过对不同尺寸的机器人进行精细化的空间保护和调度,才能表现出更好的交通控制。比如多尺寸机器人的跟随,避让,暂住,窄道通行,如果不做精细化的调度控制,会大大影响物流效率。

多尺寸移动机器人混行调度

2.多运动方式移动机器人混行调度

多运动方式移动机器人包括两轮差速运动,全向运动,弧线运动等方式,在混行调度情况下,需要注意两点,一是在同一通道环境下,需要根据机器人的运动方式,规划最优的通过路径。二是不同运动方式下的移动机器人保护空间需要根据其姿态进行实时调整,防止碰撞。

3.多导航方式移动机器人混行调度

多导航方式包括基于二维码+里程计的惯性导航,激光SLAM导航,视觉SLAM导航等,要实现不同导航方式的移动机器人混行,最重要的是实现所有导航模式下的坐标统一,机器人本身无法做到坐标统一,因此要求调度系统具备坐标转换功能。比如实现惯性导航和激光SLAM导航的坐标融合,相同环境不同激光SLAM数据的坐标融合。

4.多执行机构移动机器人混行调度

多执行机构移动机器人包含:举升式,移载式,叉取式,夹报式,抓取式等,不同机器人完成不同的搬运任务,调度系统在任务执行分配时,需要管理不同机器人的业务执行能力,根据其业务执行能力分配相对应的搬运任务。

5.多充电方式移动机器人混行调度

多充电方式包括两方面,一是接触方式,二是充电逻辑。接触方式包括:前/后接触充电,侧接触充电,地充方式等;充电逻辑包括什么时候该充电,什么时候可以停止充电,充电时长管理等。调度系统需要管理充电点位,充电方式,充电逻辑等内容。

多充电方式包括接触方式和充电逻辑

6.多厂家移动机器人混行调度

多厂家移动机器人混行调度在面对以上五点外,还涉及移动机器人控制协议的适配。目前国内还没有统一的移动机器人控制协议,不同厂家的移动机器人首先要开放其控制协议。调度系统根据开放的协议进行接入,实现混行调度。

移动机器人的控制协议标准将是解决多厂家机器人混行调度的最好解决之道。目前移动机器人产业联盟团体标准《工业应用移动机器人与其调度系统数据接口规范》也在制定当中。相信不久的将来一定能够制定更加完善的国标规范。

7.多机器人协同调度

多机器人协同调度,指2台以上移动机器人协同配合完成一个物体的搬运。在调度协同层面要实现合理组合,同步控制等功能。同时组合后在路径规划,空间保护等方面都要根据实际情况进行调整。是一个比较大的挑战,要求能合能分。既能独立执行任务,也能任意组合协同执行任务。

多机器人协同调度

综上,混行调度场景会随着各种技术发展不断出现新的技术难点。比如新的导航方式,新的移动机器人形态等,作为调度系统需要能够对各种新的场景进行抽象化处理,具备任务编排的能力,这样才能不断应对各种变化,这也是将来调度系统的发展方向。

三、移动机器人仿真技术

仿真可以提前预估运输效率,机器人出勤率,道路仓储容量等,避免部署完机器人后反复修改现场方案,造成人力和物力的浪费,可大大提高项目部署效益。

移动机器人仿真示意图

市面上的仿真软件有很多,功能强大,可仿真对象多样。但是对于移动机器人仿真,特别是多移动机器人的混合调度仿真,在路径规划,任务分配的仿真上缺少复杂算法支持,同时各个厂家都有各自的调度算法,通过这些软件无法真实反映调度效率的情况,因此各个移动机器人厂家都会开发自己的仿真软件。

仿真软件的核心发展要求,可概括为真实性和灵活性。

1.真实性

体现在四个方面:

(1)机器人本体的模拟器要与本体保持一致。包括其本体的运动性能,能源消耗等运动属性能够与实车保持一致。

(2)机器人调度算法要与真实系统保持一致。不能因为仿真,就使用简单的逻辑实现。这样会失去仿真的真实性。特别是机器人路径规划算法,空间保护算法,任务分配算法等。这些算法能够有效提升调度效率,不一致就失去了仿真的真实性。

(3)机器人的运行环境地图与实际保持一致。要根据现场实际的物流布局来绘制运行地图,确保环境的一致性。最好能够使用实际环境扫描出来的地图作为仿真地图来进行仿真。避免环境变化带来的调度变化影响。

(4)仿真业务节拍与真实节拍保持一致。这个技术难点比较低,一般的仿真软件都能够较好的模拟。

2.灵活性

主要体现在两个方面:

(1)整个仿真系统可以通过参数调整,自动完成指标数据采集,数据存储,数据处理,数据展示和问题分析。能够及时给出运输效率,机器人出勤率,道路仓储容量等仿真结果。便于及时调整机器人数量,储位,交接位等来进行快速的二次仿真。

(2)能够方便地实现调度场景的编排,通过可视化的流程配置,资源配置。能够快速的配置出各种调度场景,满足灵活的调度编排。

免责声明:罗戈网对转载、分享、陈述、观点、图片、视频保持中立,目的仅在于传递更多信息,版权归原作者。如无意中侵犯了您的版权,请第一时间联系,核实后,我们将立即更正或删除有关内容,谢谢!
上一篇:140台SLAM机器人"入职"爱旭工厂近一年,已成车间"王牌搬运工"
下一篇:灵动科技:打响“订单到人”第一枪的这五年
罗戈订阅
周报
1元 2元 5元 10元

感谢您的打赏

登录后才能发表评论

登录

相关文章

2023-04-26
2023-04-26
2023-04-25
2023-04-25
2023-04-25
2023-04-25
活动/直播 更多

仓储匠人《仓库管理实战力培训》线上课程来啦

  • 时间:2023-03-11 ~ 2023-04-17
  • 主办方:仓储匠人
  • 协办方:罗戈知识
报告 更多

罗戈研究 | 2022中国供应链&合同物流发展报告

  • 作者:罗戈研究

¥:498.0元

热门资讯 更多