Jeśli kiedykolwiek spacerowałeś po zatłoczonym magazynie o drugiej w nocy i obserwowałeś, jak duży, cichy robot przemyka obok kierowcy wózka widłowego, prawdopodobnie zastanawiałeś się, jak to robi — zwłaszcza gdy rzeczy w przestrzeni zmieniają się codziennie. Ten robot to autonomiczny robot mobilny AMR (Autonomous Mobile Robot), a tajemnicą jego płynnych, pozbawionych kolizji ruchów nie są tylko super zaawansowane czujniki; w ten sposób aktualizuje swoją mapę, gdy wszystko wokół niego ulega przesunięciu, przesunięciu lub zmianie układu. Jako szef dostawcy systemu AMR cały czas spotykam się z tym pytaniem ze strony kierowników magazynów, operatorów wózków widłowych i każdego, kto próbuje dowiedzieć się, dlaczego te małe (lub duże) roboty nie uderzają w przypadkowe palety lub nowe regały. Omówmy, w jaki sposób AMR aktualizują swoje mapowania — bez żargonu, tylko prawdziwe rzeczy, które sprawdzają się w bałaganiarskim, ciągle zmieniającym się świecie działającego magazynu.
Po pierwsze, wyjaśnijmy sobie jedną rzecz: pojazdy AMR nie są starymi pojazdami AGV (zautomatyzowanymi pojazdami kierowanymi), które poruszają się po przymocowanych do podłoża przewodach lub taśmie. Stare pojazdy AGV, takie jak te, które można zobaczyć w miejscach podnoszenia ciężkich ładunków lub przenoszenia pełnych palet, potrzebują zupełnie nowej mapy, jeśli przesuniesz choćby jedną półkę. Ale AMR? Są zbudowane tak, aby radzić sobie ze zmianami, ponieważ ich system mapowania jest dwustronny: ma główną mapę całej przestrzeni, ale także stale skanuje i sprawdza drobne, codzienne zmiany. To podstawa ich toczenia.
Jaki jest więc pierwszy krok, gdy AMR „zobaczy” coś nowego? Wykorzystuje mieszankę czujników, które są znacznie bardziej szczegółowe niż aparat w telefonie. Większość AMR ma LiDAR (ten obracający się element na górze, który wystrzeliwuje miliony wiązek laserowych na sekundę), kamery i czujniki ultradźwiękowe, które wykrywają pobliskie obiekty. Kiedy AMR się porusza, nie tylko podąża zaprogramowaną ścieżką – robi ciągłe „migawki” otoczenia i porównuje je z główną mapą, którą otrzymano podczas pierwszej konfiguracji. Jeśli jest miejsce, w którym migawka nie pasuje do mapy głównej, nie panikuje — zaznacza to jako możliwą zmianę i decyduje, czy zaktualizować, czy po prostu dostosować.
Aby stworzyć ten beton, wykorzystajmy przykład prawdziwego magazynu. Załóżmy, że prowadzisz magazyn, w którym do przemieszczania ułożonych w stosy palet korzysta się z [automatycznego wózka widłowego], ale w zeszłym tygodniu przestawiłeś rząd półek, aby uzyskać więcej miejsca na towary masowe. Kiedy Twoje AMR-y rozpoczną swoje poranne trasy, ich LiDAR przeskanuje te nowe półki i zauważy, że na oryginalnej mapie było tam puste miejsce, ale teraz jest tam solidna ściana z metalu. Urządzenie AMR nie zatrzymuje się i nie czeka, aż ktoś to naprawi — wykorzystuje proces zwany SLAM (jednoczesna lokalizacja i mapowanie), aby dokładnie ustalić, gdzie się znajduje i jak nowy regał pasuje do mapy. SLAM jest tutaj najważniejszym narzędziem i dlatego nie trzeba uczyć AMR całej przestrzeni za każdym razem, gdy wprowadzasz małą zmianę.


Jednak nie wszystkie zmiany są takie same, dlatego AMR mają różne zasady aktualizowania map w zależności od tego, jak duża i ważna jest zmiana. Drobne, tymczasowe rzeczy — na przykład paleta stojąca przez godzinę na środku rampy załadunkowej — nie są dodawane do mapy głównej. Urządzenia AMR są zaprogramowane tak, aby traktować tymczasowe przeszkody (takie jak przypadkowy wózek lub kurtka pracownika pozostawiona na palecie) jako „dynamiczne” i po prostu omijać je, korzystając z wyszukiwania ścieżki w czasie rzeczywistym, zamiast aktualizować główną mapę. To ogromna różnica w porównaniu ze starymi pojazdami AGV, które zatrzymywałyby się, gdyby zobaczyły coś spoza ustalonej ścieżki.
Duże, trwałe zmiany? Wtedy właśnie AMR faktycznie zaktualizuje mapę główną. Na przykład, jeśli zainwestowałeś w [zautomatyzowany pojazd prowadzony do ciężkich ładunków] do transportu maszyn o masie 10 000 funtów, możesz zwolnić zupełnie nową sekcję magazynu na ten sprzęt. Kiedy AMR obsługujący nowe, ciężkie ładunki zaczną poruszać się po tej sekcji, dane z ich czujników wskażą obszar, który był używany do przechowywania mniejszych pudeł, więc system oznaczy ten obszar jako wymagający aktualizacji. Następnie urządzenia AMR przeprowadzą proces „scalania map”: pobiorą dane z nowych czujników z oczyszczonej sekcji i połączą je ze starą mapą główną, dostosowując się do wszelkich drobnych błędów pozycjonowania (np. w przypadku lekkiego poślizgu kół odbiornika AMR podczas skanowania), aby nowa mapa była dokładna.
Inny przykład: jeśli używasz [zautomatyzowanego pojazdu prowadzonego typu Unit Load] do przenoszenia pojedynczych palet i przenosisz cały stojak z mrożonkami do innej części zamrażarki, aby trzymać się bliżej drzwi załadunkowych. Roboty AMR obsługujące zamrażarkę będą skanować pozycje nowych regałów w ciągu kilku przebiegów, porównają te dane ze starą mapą, a gdy potwierdzą, że nowe pozycje są spójne (brak dziwnych przesunięć spowodowanych niskimi temperaturami wypaczającymi podłogę), zaktualizują mapę główną. W ten sposób wszystkie produkty AMR – nawet te, które nie trafiają codziennie do zamrażarki – wiedzą, gdzie znajdują się regały z mrożonkami, więc nie próbują wyciągać palety z miejsca, którego już nie ma.
Czekaj, a co z przestrzeniami wspólnymi? W wielu magazynach jednocześnie pracują robotnicy AMR, pracownicy i wózki widłowe. I tu pojawia się kolejna warstwa aktualizacji map: percepcja oparta na współpracy. Osoby AMR mogą rozmawiać ze sobą (przez Wi-Fi lub sieć lokalną), aby dzielić się tym, co widzą. Jeśli jeden AMR natknie się na nowy stos palet przy drzwiach wysyłkowych, którego wczoraj tam nie było, wyśle te dane do wszystkich pozostałych AMR we flocie, aby nie wszyscy musieli ponownie skanować to samo miejsce. To rewolucja dla zapracowanych magazynów, ponieważ skraca czas, jaki każdy AMR spędza na przetwarzaniu nowych danych, dzięki czemu mogą pracować bez spowalniania.
Porozmawiajmy o tym, jak to działa w przypadku [zautomatyzowanych pojazdów transportowych], które są często używane do przenoszenia części między linią produkcyjną a magazynem. Załóżmy, że linia produkcyjna dodaje nową stację, więc [System automatycznego holowania pojazdów kierowanych], który przenosi części na linię, musi obrać nową ścieżkę wokół obszaru załadunku stacji. Za pierwszym razem, gdy holujący AMR podąża nową trasą, rejestruje wszystkie nowe punkty orientacyjne (przenośniki taśmowe, nowe słupy, krawędź nowej stacji) i porównuje je z mapą główną. Jeśli dane się zgadzają, system doda tę ścieżkę do mapy floty, a wszystkie inne holownicze pojazdy AMR również zaczną z niej korzystać – nie ma potrzeby programowania każdego z osobna.
Panuje błędne przekonanie: ludzie myślą, że AMR po prostu aktualizują swoje mapy automatycznie w czasie rzeczywistym, bez żadnej pomocy człowieka. Ale to nieprawda. Podczas gdy większością drobnych, rutynowych zmian zajmuje się flota, większe zmiany — takie jak rozbudowa magazynu lub przeniesienie całych rzędów regałów — wymagają szybkiej kontroli człowieka. Na przykład nasz system ma prosty internetowy panel kontrolny, który umożliwia kierownikom magazynów przeglądanie proponowanych aktualizacji map, zanim zostaną zablokowani. Dlaczego? Ponieważ jeśli AMR uzna, że przypadkowy stos pustych pudeł to nowy stały stojak, nie chcemy aktualizować mapy i zmuszać robota, aby jutro wjechał na stos pudeł. Ten krok z udziałem człowieka w pętli to krytyczna kontrola, która zapewnia niezawodność całego systemu.
Ponadto w pewnym sensie pracownicy AMR uczą się na własnych błędach. Jeśli robot AMR będzie nadal próbował przejechać przez miejsce, w którym pracownik rozbił tymczasowy namiot do inwentaryzacji, zauważy, że otrzymuje sygnał zakazu od innych pojazdów AMR lub z serwera floty, więc zaktualizuje swoje własne ustawienia wyszukiwania ścieżki, aby ominąć to miejsce bez konieczności aktualizacji pełnej mapy. Dlatego przez dzień lub dwa może się zdarzyć, że jeden moduł AMR obierze nieco inną ścieżkę niż inny, dopóki system nie potwierdzi, że tymczasowa przeszkoda zniknęła lub jest trwała.
Przejdźmy do szczegółów technicznych, ale trzymajmy się prawdy — żadnych wymyślnych akronimów bez ich wyjaśnienia. Podstawowa technologia, która sprawia, że to wszystko działa, nazywa się jednoczesną lokalizacją i mapowaniem (SLAM), jak wspomniałem wcześniej. Kiedy AMR zaczyna się poruszać, SLAM wykorzystuje swój LiDAR, kamery i liczniki kilometrów (urządzenia, które śledzą, ile razy koła się obracają), aby dokładnie ustalić, gdzie się znajduje w magazynie, i jednocześnie buduje (lub aktualizuje) mapę przestrzeni. To jak budowanie układanki, wciąż składając elementy w całość, a jeśli brakuje jakiegoś elementu lub jest on przesunięty, dopasowuje się tak, aby cała układanka miała sens.
Ale SLAM sam w sobie nie jest doskonały, szczególnie w naprawdę dynamicznych przestrzeniach. Dlatego dodajemy tak zwaną „odometrię wizualną” za pomocą kamer. Jeśli LiDAR zostanie zdezorientowany przez nową, błyszczącą podłogę lub lustro odbijające promienie lasera, kamery mogą wychwycić drobne sygnały wizualne – takie jak zadrapanie na ścianie, określone logo na palecie, a nawet plama na podłodze – których LiDAR nie zauważa. Ta dodatkowa warstwa pomaga AMR skorygować swoją pozycję i zaktualizować mapę bez zgubienia się.
Kolejna rzecz, która pomaga: nasz system pozwala AMR przechowywać „punkty kontrolne” na mapie. Punkty kotwiczące to wyjątkowe, niezmienne elementy, takie jak filary wsporcze, stałe przenośniki taśmowe lub krawędź rampy załadunkowej. Kiedy AMR skanuje nowy obiekt, porównuje go z tymi punktami kontrolnymi, aby upewnić się, że nie aktualizuje mapy o coś, czego w rzeczywistości nie ma. Na przykład, jeśli nowy regał znajduje się 2 stopy od filaru wsporczego będącego punktem zakotwiczenia, AMR potwierdzi tę odległość przed dodaniem regału do mapy głównej. Brak punktów kontrolnych, a AMR może pomyśleć, że nowa paleta to zupełnie nowa sekcja regałów.
Porozmawiajmy teraz o tym, co się dzieje, gdy aktualizacja mapy się nie powiedzie. To rzadkie, ale się zdarza. Zwykle dzieje się tak dlatego, że przestrzeń zmieniała się tak szybko, że AMR nie miał szansy zeskanować starej wersji. Na przykład, jeśli załoga przeniesie całą szafę w ciągu 10 minut, a skaner AMR był w trakcie skanowania, kiedy to nastąpiło, mógł mieć połowę starych i połowę nowych danych. Dlatego nasz system oferuje „ponowne próby skanowania” — jeśli AMR zauważy rozbieżność między swoim skanem a zbyt dużą mapą główną, zatrzyma się, ponownie przeskanuje obszar pod nowym kątem i poprosi serwer floty o pomoc w ustaleniu, czy zmiana jest prawdziwa, czy usterka. Widzieliśmy, że zapobiega to kilku niezręcznym awariom w magazynach, w których załogi przenoszą towary w ostatniej chwili przed dużą wysyłką.
Podsumowując, w jaki sposób AMR aktualizują swoje mapowanie, gdy zmienia się środowisko? Jest to proces składający się z czterech etapów: najpierw skanują otoczenie w czasie rzeczywistym, używając LiDAR, kamer i całego zestawu czujników. Po drugie, porównują ten skan z mapą główną, zaznaczając wszelkie miejsca, w których coś nie pasuje. Po trzecie, decydują, czy zmiana jest tymczasowa (więc po prostu ją obejdzie), czy trwała (więc aktualizuje mapę samodzielnie lub z flotą). Po czwarte, jeśli jest to duża i trwała zmiana, przed zablokowaniem sprawdzają w panelu kontrolnym użytkownika, czy aktualizacja jest poprawna. Jako dostawca systemu AMR spędziliśmy lata na ulepszaniu tego procesu, ponieważ wiemy, że magazyny nie są statyczne — to miejsca, w których przenoszone są palety, przestawiane są półki i każdego dnia dodawane są nowe towary.
Jeśli prowadzisz magazyn i masz dość pojazdów AGV, które ulegają awarii podczas przenoszenia palety lub konieczności ponownego programowania każdej trasy za każdym razem, gdy wprowadzasz niewielką zmianę, nasze systemy AMR są stworzone, aby sobie z tym poradzić. Współpracowaliśmy z wszelkiego rodzaju magazynami — od małych obiektów przewożących pojedyncze palety po duże centra dystrybucyjne przewożące ciężki sprzęt — a nasza technologia aktualizacji map sprawia, że wszystko działa płynnie, nawet gdy zmienia się przestrzeń wokół Ciebie. Jeśli chcesz zrezygnować ze sztywnych, starych, automatycznie prowadzonych pojazdów i przejść na system, który rozwija się wraz z Twoim magazynem, możemy przeprowadzić Cię przez proces dostosowywania go do Twoich konkretnych potrzeb.
Referencje
- Thrun, S. (2002). Mapowanie robotyczne: ankieta.Sztuczna inteligencja i roboty mobilne, 1-35.
- Cadena, C., Carlone, L., Carrillo, H., Latif, Y., Scaramuzza, D., Neira, J., Reid, I. i Leonard, JJ (2016). Przeszłość, teraźniejszość i przyszłość jednoczesnej lokalizacji i mapowania: w stronę ery solidnej percepcji.Transakcje IEEE dotyczące robotyki, 32(6), 1309-1332.
- Borenstein, J., Everett, HR i Feng, L. (1996).Nawigowanie robotami mobilnymi: systemy i techniki. AK Peters spółka z ograniczoną odpowiedzialnością
- Kim, A. i Sukhatme, GS (2013). Udoskonalanie map obłożenia opartych na siatce za pomocą wizualnego SLAM w dynamicznych środowiskach.Materiały z Międzynarodowej Konferencji IEEE na temat Robotyki i Automatyki, 5351-5358.
