关闭
科技前沿

移动机器人未来技术趋势:群体智能协同与调度

在未来机器人获得大规模应用以后,多移动机器人协同工作的情形将越来越普遍,机器人集群调度问题也将更加凸显,因而亟需更高效、更智能的调度系统相配套。

admin

admin

发布于 1个月前 阅读:257

       群体协同是很普遍的一种现象,在自然界广泛存在,如鸟群、鱼群的群体觅食和躲避天敌等。此外,像无人机的编队飞行也是群体协同的很好例子。

图片3.png

图1  鱼群的协同

       在智能制造领域的物流、仓储、搬运等场景,多机器人协同工作模式应用广泛。在未来机器人获得大规模应用以后,多机器人协同工作的情形将越来越普遍,机器人集群调度问题也将更加凸显,因而亟需更高效、更智能的调度系统相配套。如何把多种机器人进行有机协同,进行有机组合,从而有机自主、高效、高精度完成工作,这是协同控制要解决的多目标优化调度问题,也就是把一个复杂的任务进行时间、空间、任务分配规划,再进行路径规划和轨迹规划,提供分布式协同,这也是多机器人协作要解决的关键问题。

图片2.png

图2  机器人调度系统在物流行业的应用

       从技术上来讲,移动机器人集群调度要解决的三个核心问题是任务分配、路径规划和交通管制。

       多机器人的任务分配方式主要有集中式分配和分布式分配。集中式分配是指通过中央控制器根据机器人和目标任务的信息对任务进行计算后分配给各个机器人去执行,经典的集中式分配算法有匈牙利算法、蚁群算法和遗传算法等。分布式分配相比集中式分配不再依赖中央控制器的调度,而是由系统中每个机器人自身决策执行哪个任务,避免了整个系统出现失效的情况。分布式分配中最典型的是基于市场机制的拍卖法分配。

       路径规划是机器人导航的核心技术,本质上要解决的问题是机器人如何从起点无碰撞地运动到目标点。路径规划的算法一般分为传统算法(如人工势场法)、基于图形学的算法(如栅格法、可视图法)、启发式算法(如A*算法、D*算法、Dijkstra算法)和仿生学算法(如蚁群算法、遗传算法)。

20170418085448111.gif

图3  A*算法用于路径规划

       多个机器人协同完成多个相同任务时,还要考虑多机器人间可能会发生的碰撞。交通管制是为防止移动机器人之间产生同向行驶冲突、对向行驶冲突、十字路口侧面冲突而采取的交通限制措施。

20190520133951607.png

图4  移动机器人冲突类型

       目前,移动机器人群体智能调度软件主要分为三类:开源的机器人调度软件(如openTCS),对不同类型机器人的兼容性较好,但需要根据实际应用场景进行二次开发;商品化机器人调度软件,由各移动机器人制造商配套开发,一般只适用于某一品牌的移动机器人;企业自行研发的专用机器人调度软件,一般只适用于特定型号的移动机器人,应用范围较窄。可以期待,随着群体调度智能算法(如蚁群算法、鸟群算法、多智能体等)的发展和应用,未来的移动机器人调度软件将更加智能、敏捷和安全。

图片1.png

图5  openTCS软件界面

       从市场层面来看,作为机器人行业的细分市场之一,机器人调度软件目前的市场规模偏小,尚未形成产业集群,与潜在的市场规模不相称。究其原因,一是现阶段移动协作机器人的使用量还远远不够,很难形成机器人规模化应用的场景,导致对调度软件的需求不足;二是现有机器人调度软件针对小规模、单任务、固定场景而设计,当需要处理大规模、多任务、动态场景的调问题度时,存在智能化程度低、运行效率低、系统兼容性差等问题,限制了当前软件的应用范围。

admin
admin

他很懒,什么都没有留下~