2022-07-26 10:17
[导读]
罗切斯特理工学院 (RIT) 的研究人员正致力于开发更智能的工业机器人，这些机器人旨在了解自己在繁忙的过道中是否拥有通行权，并能智能地避开障碍物、人员和其他机器人。该系统集成了激光雷达传感器等智能技术，并利用人工智能和神经网络来实现更清晰的个人空间视图，从而使机器人能够以分散的方式安全地行动。
随着大流行带来的供应链挑战以及对电子商务的需求增加，技术可以为企业提供所需的支持，以提高仓库环境中的生产力、效率和安全性。
“这是机器人技术和自主材料处理可以提供帮助的一个领域，”RIT 凯特格里森工程学院工业和系统工程教授 Michael Kuhl 说。“机器人可以工作更长的时间——不一定是为了取代工作，而是在一些手动的、非增值的任务上。这意味着工作重心的改变，需要人们来设计和维护车队和机器人。”
Kuhl 和项目团队获得了“物料搬运的有效和高效驾驶”的资助，这是一个为期一年、耗资 300,000 美元的项目，由 The Raymond Corp 赞助。它推进了与该公司的早期工作，该公司建立了个人自主移动设备的任务选择和路径规划机器人（AMR）。
新工作侧重于仓库环境中多个机器人和人类的高级回避和通信策略。
在仓储操作中，通常会混合使用自主和人工操作的设备。回避策略需要与任务选项、路径规划和识别能够相互实时通信的多个机器人相结合，并识别也将在仓库空间进行交互的人类。
“我们有关于本地化的信息，我们在仓库中使用不同类型的传感器来尝试识别机器人的位置以及机器人的实际移动，”库尔说。“他们能否计划安全高效地从当前位置到达目的地？他们可以有一条很短的路，但他们仍然需要避开其他机器人和人。”
使用深度神经网络策略（机器学习技术的类型），系统组件经过训练，可以根据常见任务以及仓库环境中可能发生的不经常或不寻常的动作做出特定的、有序的决策。
该团队还在研究仓库内的通信网络——Wi-Fi 和蜂窝网络技术功能——作为可行的解决方案。Kuhl 解释说，蜂窝技术的新标准允许增加单个设备之间的单个蜂窝通信。
“在人车交互方面，我们能否利用多辆在仓库周围移动的车辆的传感器？” 他说。“如果一辆车沿着一条小路行驶，它看到一个人或另一辆车从过道里出来，他们是否可以沟通并决定下一步该做什么？谁有通行权？”
该团队发现机器人将能够在 Simcona Electronics Corp. 的现场实验中做出反应。
“我们需要真实的环境来完成这项工作并推动它向前发展。它们为我们提供了极其宝贵的资源，”库尔说。
