通過(guò)上一期系列文章，我們從“看得懂、停得準(zhǔn)、走得穩(wěn)”三個(gè)層面對(duì)邊緣節(jié)點(diǎn)之海康威視移動(dòng)機(jī)器人進(jìn)行了全面解讀，今天我們將從海康威視AI Cloud體系中的邊緣節(jié)點(diǎn)過(guò)渡到下一個(gè)圈層——邊緣域，從RCS機(jī)器人控制調(diào)度系統(tǒng)、iWMS智能倉(cāng)儲(chǔ)管理系統(tǒng)到VM算法平臺(tái)，依次剖析，揭開(kāi)智造未來(lái)的面紗。

本期主講

AI賦能智能制造系列之RCS機(jī)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(jí)的重點(diǎn)，將聰明的機(jī)器人放入復(fù)雜的制造業(yè)， 實(shí)現(xiàn)大規(guī)模的柔性生產(chǎn)，單憑一“人”之力是遠(yuǎn)遠(yuǎn)不夠的。管理一個(gè)聰明的機(jī)器人團(tuán)隊(duì)，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(jī)器人調(diào)度控制系統(tǒng)（以下簡(jiǎn)稱“RCS”），通過(guò)融合運(yùn)用機(jī)器學(xué)習(xí)、多智能體博弈等AI關(guān)鍵技術(shù)，從單個(gè)機(jī)器人的定位導(dǎo)航，運(yùn)動(dòng)控制，到多機(jī)器人協(xié)作，讓具備單體智能的移動(dòng)機(jī)器人協(xié)同作業(yè)，邁向群體智能。

海工技術(shù)詞典

機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是人工智能的核心研究課題之一。讓計(jì)算機(jī)在未經(jīng)編程的情況下運(yùn)行，模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，用數(shù)據(jù)或以往的經(jīng)驗(yàn)，獲取新知識(shí)和新技能，并識(shí)別現(xiàn)有知識(shí)，以此不斷優(yōu)化自身的性能。

多智能體博弈

在多智能體強(qiáng)化學(xué)習(xí)中，環(huán)境是復(fù)雜的、動(dòng)態(tài)的，可能涉及合作與競(jìng)爭(zhēng)等關(guān)系，因此引入競(jìng)合博弈的概念，即多個(gè)智能體學(xué)會(huì)彼此合作和相互競(jìng)爭(zhēng)一起完成同一個(gè)任務(wù)。

運(yùn)籌優(yōu)化

運(yùn)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(wù)決策，使用數(shù)學(xué)算法和邏輯找到實(shí)現(xiàn)目標(biāo)的最優(yōu)求解。

智慧大腦管理的機(jī)器人

種類(lèi)多+數(shù)量大

多種場(chǎng)景：生產(chǎn)過(guò)程中往往混合搬運(yùn)場(chǎng)景，需要多款機(jī)器人配合。RCS可混合調(diào)度海康威視全系列多型號(hào)的機(jī)器人產(chǎn)品，打通內(nèi)物流環(huán)節(jié)的關(guān)鍵物流節(jié)點(diǎn)，無(wú)縫銜接倉(cāng)儲(chǔ)搬運(yùn)-產(chǎn)線搬運(yùn)、庫(kù)內(nèi)搬運(yùn)-分揀搬運(yùn)等混合搬運(yùn)場(chǎng)景。

▲混合調(diào)度潛伏、移載等系列機(jī)器人

多種載具：同一個(gè)倉(cāng)庫(kù)內(nèi)，RCS支持不同尺寸的貨架/籠車(chē)/托盤(pán)等載具的靈活搬運(yùn)。

▲貨架、籠車(chē)等不同尺寸/種類(lèi)的載具

多種導(dǎo)航方式：針對(duì)不同的場(chǎng)景環(huán)境，RCS可滿足機(jī)器人在視覺(jué)慣性導(dǎo)航、SLAM激光導(dǎo)航等不同導(dǎo)航方式間的平滑切換。

未來(lái)倉(cāng)庫(kù)將向規(guī)模化的方向發(fā)展，因此集群調(diào)度的能力至關(guān)重要。目前普遍采用的調(diào)度框架，即單個(gè)機(jī)器人完成路徑搜索，調(diào)度系統(tǒng)集中負(fù)責(zé)空間管理。該框架能支持較大規(guī)模的機(jī)器人調(diào)度，但往往存在規(guī)劃的機(jī)器人路徑不是最優(yōu)等系統(tǒng)性問(wèn)題。

海康機(jī)器人自主研發(fā)的RCS解決了上訴痛點(diǎn)，能同時(shí)支持15000個(gè)地圖節(jié)點(diǎn)，實(shí)現(xiàn)1000臺(tái)機(jī)器人的集群調(diào)度。

智慧大腦讓機(jī)器人具備「高度柔性」

適應(yīng)各類(lèi)內(nèi)物流場(chǎng)景

對(duì)內(nèi)物流場(chǎng)景中存在的機(jī)器人、載具、電梯等多種資源，RCS可進(jìn)行協(xié)同管理和統(tǒng)一調(diào)度。通過(guò)多智能體間的競(jìng)合博弈算法，RCS可調(diào)度多機(jī)器人適應(yīng)各類(lèi)柔性化的內(nèi)物流場(chǎng)景（如下圖）。

智慧大腦深度「挖掘數(shù)據(jù)」

機(jī)器人工作更科學(xué)

以往的倉(cāng)庫(kù)，可能存在各工作臺(tái)揀貨任務(wù)不均衡，機(jī)器人“盲目”排隊(duì)的情況。全新的RCS在傳統(tǒng)的運(yùn)籌優(yōu)化算法的基礎(chǔ)上融合了機(jī)器學(xué)習(xí)算法，使機(jī)器人工作更科學(xué)，調(diào)度效率顯著提升。基于大數(shù)據(jù)分析，RCS能夠智能決策機(jī)器人的行為。

?通過(guò)對(duì)歷史數(shù)據(jù)的分析預(yù)測(cè)，系統(tǒng)可預(yù)估貨架在工作臺(tái)的揀貨時(shí)間，進(jìn)而智能調(diào)整機(jī)器人排隊(duì)策略，縮短任務(wù)等待時(shí)間；

▲預(yù)估工作臺(tái)揀選耗時(shí)模型圖

?通過(guò)對(duì)數(shù)字化工廠各環(huán)節(jié)數(shù)據(jù)的深入挖掘，學(xué)習(xí)預(yù)測(cè)自動(dòng)化設(shè)備生產(chǎn)任務(wù)的時(shí)間， 可以提前調(diào)度空閑機(jī)器人在更貼近任務(wù)的位置等待；

?通過(guò)評(píng)估路線的擁堵程度及工作臺(tái)的繁忙程度，合理控制貨架的搬運(yùn)順序及時(shí)機(jī)，實(shí)現(xiàn)各工作臺(tái)的任務(wù)負(fù)載均衡。

▲RCS根據(jù)預(yù)測(cè)實(shí)時(shí)調(diào)度機(jī)器人

位于控制層的RCS機(jī)器人調(diào)度控制系統(tǒng)實(shí)現(xiàn)對(duì)不同系列、種類(lèi)的機(jī)器人的路徑規(guī)劃、集群調(diào)度、任務(wù)分配，確保機(jī)器人能夠適應(yīng)更加復(fù)雜的場(chǎng)景。

智能制造系統(tǒng)中，移動(dòng)機(jī)器人“學(xué)”會(huì)協(xié)同作業(yè)，展現(xiàn)出群體智能，同時(shí)與人的智能相互賦能增效，實(shí)現(xiàn)人機(jī)協(xié)同。推進(jìn)智能制造的道路同樣如此，海康機(jī)器人愿與各界合作伙伴一同實(shí)現(xiàn)設(shè)備、平臺(tái)、技術(shù)等層面的深度合作，不斷優(yōu)化創(chuàng)新物流產(chǎn)品及供應(yīng)鏈整體解決方案，共同建立智慧物流生態(tài)體系。