工業(yè)移動機器人未來五大發展趨(qū)勢(shì)
2022-2-23 來源:- 作者:-
移動機器人主要需要解決定位、規劃、控(kòng)製等問題,目前(qián)重點的研究領域包括環境感知與(yǔ)建模、定位與導航(háng)、環境(jìng)理解、多機器人協調等,未來移動機(jī)器人將朝著以下趨勢發展:
1、“自然導航+自主路徑規劃(huá)”成為主流
移動機器人(rén)發展經曆了有軌(guǐ)方式(如磁帶牽引方式)、信標方式(如二維碼)、無信標(biāo)方式(如SLAM,即時定位與地圖構建)的(de)不同階段。SLAM技術可以讓機器人在無信標的情況下也能實現定位導航,具有(yǒu)易部(bù)署、柔性等特點,更加適(shì)合在運行環境複(fù)雜、業(yè)務經常變動的場景(jǐng)下應用(yòng),因此受到越(yuè)來越多客戶青睞,正在(zài)成為業界主流趨勢。
行業發展顯(xiǎn)示,導航技術的發展使設備從“車”逐漸過渡到“機器人”。隨著新技術的發展,AGV自主(zhǔ)化、智能化的程度越來越高,AMR的演進更是廣泛擴大了行業的應用。
現階段,尚(shàng)沒有任何一種能夠(gòu)“包打天下”的導航方式,隻(zhī)能根據應用的特點來選取最適(shì)合的導(dǎo)航方式,不同應用(yòng)對導航的(de)要(yào)求(qiú)並不一樣。在各種導航方式中,目前最受歡迎的是(shì)激光、視覺等不依賴人工環境的自然導航方式。
應用的多樣性決定了技術發展(zhǎn)方向的多元化,衡量(liàng)技術優劣的(de)標準依應用需求不同而不同,很(hěn)難用統一的標準來衡(héng)量各種不同的技術。
2 、深度學(xué)習將廣泛應用,加強機器人對周圍環境的理解
AI中的深度學習技術在計算機(jī)視覺中的應用主要有物體識別、目標檢測與跟蹤、語義分割、實例分割等,語義SLAM能把物體識別與視覺(jiào)SLAM結(jié)合(hé)起來,將標簽信息引入優化過(guò)程中,構建帶物體標簽的地圖,實現機器人對周圍環境內容的理(lǐ)解(jiě)。
傳統的2D障礙物檢測存在許多局限性,通過人工智能語義分割,可以更有效地判斷人或障礙物的情況,提高繞行效率,機器人係統可以提升(shēng)應(yīng)用效(xiào)率和智能化水平。
新技術與機器人技術的加(jiā)速融合將進一步推動產(chǎn)品的(de)更新換代。移動機器人的自主性主(zhǔ)要體現在“狀態感知”、“實時決策”、“準(zhǔn)確執行”這三個方麵。物聯網、AI、5G等新一代信息技術與(yǔ)機(jī)器人技術相互結合,能夠讓設備高效交互,數據更加自由流動,並通過(guò)算法指揮硬件發揮最大效能(néng)。
3 、規模(mó)化集群(qún)作業成必(bì)然,更高效的多機協作方(fāng)式(shì)成(chéng)趨勢(shì)
機器人在實際(jì)應用中(zhōng),通常是以集群的方式協同完成(chéng)特定(dìng)的任務。如:月(yuè)台的(de)托(tuō)盤(pán)搬運集貨,原材料的(de)料箱存儲和揀選,產線之間(jiān)的物料搬運;托盤可以使用無人叉車(chē)搬運,原材料的存儲揀選(xuǎn)可以使用二維碼類KIVA機器人,產線之間物料搬運可以使用SLAM機器人。
一旦達到幾百(bǎi)台甚至上千台機器人時,簡單的邏輯(jí)思考已經不能解決問題,整個群體(tǐ)協作的效率無法得到有效保證。這時候就需要機器人能夠不斷學習、不斷修正自身策略,AI將在其中扮演重(chóng)要角色,讓整個係統不斷優化,群體智能化程度越來越高。
當移動機器人(rén)係統規模擴大,傳統的管理調度係(xì)統(tǒng)正麵臨越來越苛刻的要(yào)求。移(yí)動機器人管理係統需要(yào)對具有(yǒu)避障繞行能力(lì)的AMR進行高效的交通管理和任務調度,異構移動機器人係統共存於同(tóng)一應用現場的情況將會越來越多(duō)地出現。
一部分(fèn)新型的移動機器人管理係統(tǒng)將走向分布式和雲端部署,並具有可靠冗餘(yú)能(néng)力;可以支持在線的地圖和策略更新,以適應變化的運(yùn)行路線和調(diào)度策略;能夠對具有SLAM繞行能力的移動機器人進行(háng)優化調度,高效、靈活地管理係統中的(de)任務分配和交(jiāo)通管控;通過一定的標準(zhǔn)化手段,管控好同一現場異構機器人係統之間的(de)協調運行。
4、 同構仿真、數字孿(luán)生,為客(kè)戶提供一站式服務
客戶在做智能化、自動化改造的過程中,從方案設想,到方案設計和實際投入,中間會經過漫長的決策鏈,通常這個決策過程依(yī)賴設計人員的經驗,這樣可(kě)能會導致規劃結果和實際需求(qiú)產生較大的(de)偏差,導致浪費或工期延誤。
一(yī)套功能完備的(de)同構仿真係統可以避免設計過程中的人為偏差,並且能夠極大提高評(píng)估效率(lǜ);可以提供規劃、仿真、實施、運營等一站式解(jiě)決方案,實現同(tóng)構仿真(zhēn)和數字孿生,極大減少機器人項(xiàng)目規劃風險,提高運維效率。
5、應用(yòng)場景將進一步擴大
在技術(shù)進一步(bù)發展(zhǎn)的基(jī)礎上,未來移動機器人(rén)的應用場景將進一步擴大,將逐漸深入到製造業的各(gè)個領域(yù)及環節。而(ér)伴隨著終端客戶對智(zhì)能化需求的進一步提高,未來單個以AGV為主的項目(mù)將會越來越(yuè)少,因此,不同類(lèi)型的移動機器人以及移動機器人與其他自動化設備如何實現協調運作將成為(wéi)考驗企(qǐ)業方案實施能力的關鍵。此外,從室內走向室外,園區物流等半封閉場景的戶外應用也將是移動機(jī)器人發展的方向之一。
除以上三個看法外,未來(lái)工業應用移動機器人技術還將與人工智能、移動(dòng)互聯網、大數據處理等技術(shù)加速融合,從而創造出新的技術、產品和應用(yòng)模(mó)式(shì)。
投稿箱:
如果您有機床行業、企業相關新聞稿件發表(biǎo),或進行資訊合作,歡(huān)迎(yíng)聯係本網編輯部, 郵箱:skjcsc@vip.sina.com
如果您有機床行業、企業相關新聞稿件發表(biǎo),或進行資訊合作,歡(huān)迎(yíng)聯係本網編輯部, 郵箱:skjcsc@vip.sina.com
更多相關信息
業界視點
| 更多
行業數據
| 更多
- 2024年11月 金屬切削機床產量數據
- 2024年(nián)11月(yuè) 分(fèn)地(dì)區金屬切(qiē)削機床產量數據
- 2024年11月 軸承出(chū)口情況
- 2024年11月 基本型乘用(yòng)車(轎車)產量數據
- 2024年11月 新能源汽車產量數據(jù)
- 2024年11月 新能源汽車銷量情況
- 2024年10月 新能(néng)源汽車產量數據
- 2024年10月 軸承出口情況
- 2024年10月(yuè) 分地(dì)區金屬切削機床產量數據
- 2024年10月 金(jīn)屬切削(xuē)機床產(chǎn)量數據
- 2024年(nián)9月 新能源汽車銷量情況
- 2024年8月 新能源(yuán)汽車產量數據
- 2028年8月 基本型乘(chéng)用車(轎車)產量(liàng)數據