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可混合調度海康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

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。