原標題：斯坦德機器人支持自主移動機器人的路徑開發、測試與落地 動態靈活的制造環境為自主移動機器人(amr)的移動增加了諸多挑戰。由于操作的復雜性,甚至談判一條簡單的路線,都會導致延誤。因此,從實用程序角度和安全角度來看,對于amr運動有關規則的理解需要做的透徹清

原標題：斯坦德機器人支持自主移動機器人的路徑開發、測試與落地

動態靈活的制造環境為自主移動機器人(amr)的移動增加了諸多挑戰。由于操作的復雜性,甚至談判一條簡單的路線,都會導致延誤。因此,從實用程序角度和安全角度來看,對于amr運動有關規則的理解需要做的透徹清楚。斯坦德機器人售前總工程師梁凱翔說,在工廠環境中測試與amr運動相關的規則的方法存在差距。僅通過模擬進行測試將無法捕獲車間交互的細微差別,而僅進行物理測試將非常耗時,并且可能會造成危險。

因此,斯坦德機器人通過一種新的測試辦法可以利用對車間特定案例的amr行為進行觀察,并根據觀察結果建立那些模擬的保真度。針對理想amr的仿真模型的開發(基于路徑制定的算法)以及在工業環境中實際amr的物理測試。最后,給出了在五個場景中的理想amr和實際amr的行為比較(來自工業伙伴的車間)。這項工作可以通過識別任何不良行為,從而能夠就amr的實施做出明智的決定,然后可以通過改進amr或通過建立車間協議減少這些行為的潛在影響來緩解這些不良行為。

工業領域的機器人已經從功能強大的固定式機器發展成為復雜的移動平臺,從而滿足了廣泛的自動化需求。自主移動機器人(amr)利用來自傳感器的反饋來導航其環境。這不同于傳統的自動導引車(agv),傳統的自動導引車使用電磁線,慣性導航,光學傳感器或紅外傳感器將其限制在預定路徑上。與此形成對比的是,amr具有更大的內置智能,并且能夠檢測其路徑上存在的障礙物并重新計算繞過障礙物的路線以將其到達目的地。由于amr的高效率和低運營成本,它們已在各種行業中找到了應用。目前,對于智能工廠和自組織之類的想法,它們被視為“工業4.0”的重要組成部分。

在空中客車工廠的機翼生產中,大型agv用于在制造單元之間移動機翼組件結構和飛機部件。隨著生產率的提高,agv的運動和可用性成為制約因素,需要許多手動干預來處理僵局(例如交通擁堵)。為了應對增加的后勤移動,需要一種更加靈活的系統來減少對專用地板空間和人工干預的需求,從而推動向全自動駕駛汽車技術的發展。然而,挑戰在于開發一種可靠的系統,該系統可以完全集成到現有的工廠環境中,以市場上提供的簡單解決方案來解決復雜的物流操作。

因此,斯坦德集中研發團隊,通過對路徑算法的深入和總結,研究出斯坦德研發出lmns+ (localization, mapping and navigation system)機器人核心。該核心將規則收集和整理到各自的類別中,將擴大對確定amr運營能力的規則的理解。通過該技術核心,使人類更容易,更安全地和amr交互;通過解決交通擁堵之類的問題,而無需訴諸諸如車隊管制員之類的中央權力機構,從而幫助解決更大的自治問題;和增強互操作性。

在amr系統上進行的實驗表明,在發生任何運動死鎖的情況下,amr不會遵循有關車輛如何與周圍環境以及彼此之間有效交互或通訊的一組標準規則。在靜態環境中,可以通過仔細編程來減輕這種情況。動態而靈活的環境提出了更大的挑戰,導致了amr運動的延遲。但是,如果只有amr可以根據一套公認的規則和優先級傳達其意圖,大多數類型的障礙物(例如人或其他amr)都可以自行移動以適應被阻塞的amr。相反,通過更好地了解人和其他車輛的行為方式,amr可以預測其下一步行動并做出相應的決策。斯坦德機器人的lmns+系統正是通過這種原理實現,支持多路徑規劃,提供最短路徑行駛、避讓控制、路徑重新規劃等多種處理機制,對工廠中各種行駛道路, 主干道、十字路口、t字口區域進行動態管理,避免道路堵塞。

斯坦德機器人售前總工梁凱翔還指出,核心技術包括不同的路徑規劃方法,機器人控制架構,傳感器系統分析和速度估計技術,以及對優化調度,調度和路由的方法的綜述。算法的重點之一是取貨和交付,為多負載agv選擇 控制規則和優化amr調度。對復雜系統進行建模和仿真通常是對其進行全面分析和設計的 方法。集中運動計劃在計算上是昂貴的。因此,本研究涉及對解決方案質量敏感但對計算時間不敏感的方案的研究,已經討論了對各種運動計劃和控制技術的性能和計算要求的調查,以評估系統級別上各種選擇之間的兼容性和計算折衷,而不考慮其對實際車間場景的影響。盡管上述工作研究了amr在個別情況下的行為,但本研究采用的方法模擬了車輛在可能遇到的多種情況下的行為。

以上是網絡信息轉載，信息真實性自行斟酌。