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(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(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(jīng)編程的情況下運行，模擬或?qū)崿F(xiàn)人類的學習行為，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

  在多智能體強化學習中，環(huán)境是復雜的、動態(tài)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(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)務決策，使用數(shù)學算法和邏輯找到實現(xiàn)目標的最優(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。

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

  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(tǒng)的運籌優(yōu)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(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)的分析預測，系統(tǒng)可預估貨架在工作臺的揀選耗時，進而智能調(diào)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(shù)字化工廠各環(huán)節(jié)數(shù)據(jù)的深入挖掘，學習預測自動化設備生產(chǎn)任務的時間， 可以提前調(diào)度空閑機器人在更貼近任務的位置等待；

▲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)各工作臺的任務負載均衡。

  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、任務分配，確保機器人能夠適應更加復雜的場景。

  智能制造系統(tǒng)中，移動機器人“學”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。推進智能制造的道路同樣如此，海康機器人愿與各界合作伙伴一同實現(xiàn)設備、平臺、技術等層面的深度合作，不斷優(yōu)化創(chuàng)新物流產(chǎn)品及供應鏈整體解決方案，共同建立智慧物流生態(tài)體系。