你在使用哪种编程语言?快来投票,亲手选出你心目中的编程语言之王 了解详情
写点什么

解读移动机器人的 2020:规模化集群作业成发展必然,深度学习将广泛应用

2021 年 1 月 02 日

解读移动机器人的2020:规模化集群作业成发展必然,深度学习将广泛应用

随着人工智能技术的发展,以及对传统行业的不断渗透,工业智能成为了不少企业关注的重点方向。这其中,工业机器人的发展与落地是一大重点。


2017 年,旷视进入供应链物联网领域,聚焦智慧物流及工业机器人业务。2020 年初,机器人产品部独立成为旷视的产品中台之一,专注于机器人产品和关键物流装备的研发。


为了探索 2020 年工业机器人行业及技术发展的更多详细情况,InfoQ 邀请到旷视高级副总裁兼机器人产品部总经理王宏玉、旷视机器人产品部研发总监陶涛两位技术专家,分享他们对于移动机器人的应用场景、发展历程、产业及市场态势、技术趋势的观点。


概念及分类


机器人是自动执行工作的机器装备。它既可以接受人类指挥,又可以运行预先编排的程序,也可以根据人工智能技术指定的原则纲领行动。它的任务是协助或取代人类工作,主要应用于生产业、建筑业或是危险的工作环境。


根据国际机器人联合会组织 IFR 的分类,机器人主要包括工业机器人、服务机器人、特种机器人这三大类。工业机器人又包括机械手臂、移动机器人、复合机器人。其中,所谓移动机器人就是可以移动的机器人。相比于固定工作的“手臂式机器人”,移动机器人具有更大的工作范围。


发展历程


(发展历程信息整理自:中国移动机器人产业联盟《1953-2020——AGV 全球发展综述》)


起步阶段(1950-1980 年代)


第一台 AGV(Automated Guided Vehicle,自动引导车)诞生于 1953 年的美国。它由一辆简易的 AGC(Automated Guided Cart)产品牵引式拖拉机改造而成,可以在仓库中沿着布置在空中的导线运输货物。


1970 年代中期,微处理器及计算机技术的普及,带动了伺服驱动技术的成熟,促成了更为灵活的 AGV。1984 年,美国通用汽车建立了第一个基于 AGV 的轿车柔性装配线,成为当时最大的 AGV 用户。30 余年的发展让欧美地区的 AGV 技术及应用日渐成熟,并呈现产业化发展趋势。


日本于 1963 年首次引进 AGV,并与欧美采取完全不同的技术路线。欧美追求 AGV 的自动化,无需人工干预路径构造,其功能齐全、技术先进,但价格居高不下。而日本追求简朴纯粹型 AGV 或称其为 AGC,适用于单一路径、固定流程,多采用磁带牵引方式,成本低。这种 AGC 在日本 1980 年代普遍利用,2000 年初达到顶峰。


发展阶段(1980-2010 年代)


在欧美和日本 AGV 技术及应用逐渐成熟之际,国内在 AGV 领域的探索也开始起步。1976 年,北京起重机械所研制出第一台移动机器人, 建成第一套 AGV 滚珠加工演示系统,随后又研制出单向、双向运行不同载重的移动机器人。1991 年,新松机器人为沈阳金杯汽车厂研制生产了 AGV 用于汽车装配线中,实现 AGV 从实验室样机到生产一线产品的跨越。


2000 年到 2012 年,是国内 AGV 行业的平稳发展阶段,制造、食品、轻工等行业引入 AGV,使 AGV 的应用开始深入到国民经济各个领域。国产的 AGV 及 AGVS 开始出口国外发达国家和地区。


蓬勃阶段(2010 年代至今)


2012 年,亚马逊收购 Kiva,获得机器人仓储服务。在某种程度上,仓储机器人的火爆带动了 AGV 在各行业的应用。尤其在国内,2014 年前后创业公司一波接一波涌现,市场活力不断增强。


AGV 开始沿着更加自主化的方向发展,业内出现了 AMR(Automated Mobile Robot,自主移动机器人)这一新概念。相比于 AGV,AMR 可以利用软件提前导入工厂建筑物图纸实现导航,相当于装载了 GPS 以及一套预装地图,让搬运的柔性化大大提升。


从 AGV 到 AMR,导航技术的发展使设备从“车”逐渐过渡到“机器人”的重要因素之一。 传统 AGV 多采用磁条、电磁及二维码等导航方式,AMR 则更多采用 SLAM(Simultaneous Localization and Mapping,即时定位与地图构建)技术,搭载激光雷达或视觉传感器,实现自主导航。


发展驱动力


我们已经进入智能制造、智慧物流的新时代,移动机器人发展主要的驱动力有:


市场要素倒逼: 在消费者需求的驱动下,产品更新迭代速度加快,产品个性化和定制化趋势明显,企业需要以更加精益、高效、灵活的方式生产多样化的产品,避免产能过剩。这需要改变原来离散型生产方式,产线之间实现柔性化的连接,数字化、智能化成为必然趋势。


社会因素加速: 随着我国人口增速放缓,国内人口老龄化和劳动力成本不断增加;年轻一代不愿从事简单重复的体力劳动,导致制造业工人严重短缺。2020 年疫情期间,无人化、少人化的生产方式提供了面对突发情况更高的安全性和可靠性。这些要素都在推动着“机器换人”进程的加速,工业机器人替代低端劳动力的趋势日益显著。


技术因素支撑: 从机器人的发展历程中,可以看到,技术创新是移动机器人发展的主旋律。人工智能、大数据、物联网、云计算等技术正在成为推动移动机器人发展的核心技术,运动、交互、规划、定位导航、满足多样化需求及安全能力都将进一步提升,尤其是感知能力、自主决策能力进一步提升,机器人的智能程度大幅提升。


国家政策大力支持


机器人是智能制造的典型代表,其研发与应用已成为体现国家先进制造水平和创新能力的重要标志。近年来,国家出台的一系列产业政策为我国机器人领域的快速发展提供了充分的保障,推动我国机器人领域的技术进步和产业升级。


2016 年,工信部、发改委、财政部联合印发《机器人产业发展规划 (2016-2020 年)》,明确聚焦智能生产、智能物流,攻克工业机器人关键技术,提升可操作性和可维护性,重点发展弧焊机器人、真空(洁净)机器人、全自主编程智能工业机器人、人机协作机器人、双臂机器人、重载 AGV 等六种标志性工业机器人产品,引导我国工业机器人向中高端发展。


2016 年,工信部、财政部还联合组织相关单位和专家编制完成《智能制造发展规划(2016—2020 年)》,提出 10 个重点任务,即加快智能制造装备发展、加强关键共性技术创新、建设智能制造标准体系、构筑工业互联网基础、加大智能制造试点示范推广力度、推动重点领域智能转型、促进中小企业智能化改造、培育智能制造生态体系、推进区域智能制造协同发展、打造智能制造人才队伍;实现到 2025 年,智能制造支撑体系基本建立,重点产业初步实现智能转型。


2017 年,国务院印发《新一代人工智能发展规划》,针对培育高端高效的智能经济这一重点任务,提出大力发展智能机器人等人工智能新兴产业,加快推动智能制造、智能物流等产业智能化升级,大规模推动企业智能化升级,打造人工智能创新应用试点示范等举措。


各地方政府纷纷大力支持机器人发展,截至 2018 年,陕西、辽宁、黑龙江、福建、河北、江苏等多个省市均已出台支持机器人应用的相关政策。2020 年 5 月,全国两会再次强调在构建人工智能新型基础设施的同时,大力发展机器人产业。


2020 年,发改委会同工信部、公安部、财政部等 13 个部门和单位联合印发《推动物流业制造业深度融合创新发展实施方案》,以进一步推动物流业制造业深度融合、创新发展,推进物流降本增效,促进制造业转型升级。


市场稳步增长


根据中国移动机器人产业联盟、新战略机器人产业研究所数据统计,2019 年度,中国移动机器人 (AGV/AMR) 市场规模达到 61.75 亿元,较之于 2018 年增长幅度为 45.2%,其中营收超亿元的企业有包括旷视科技在内的 18 家企业。2019 年移动机器人所有品类产品新增量 33400 台,较之于 2018 年增长约 12.8%。


来源:中国移动机器人产业联盟《2019-2020 中国移动机器人(AGV)产业发展研究报告》


来源:中国移动机器人产业联盟《2019-2020 中国移动机器人(AGV)产业发展研究报告》


未来,随着行业需求的增多、技术成熟及成本的降低,机器人的应用范围还会进一步扩大,届时市场将进一步成倍增长。


机器人技术发展趋势


移动机器人主要需要解决定位、规划、控制等问题。目前重点的研究领域是环境感知与建模、定位与导航、环境理解、多机器人协调,主要发展趋势如下:


  1. 基于 SLAM 技术的 AMR 是未来的发展趋势。


SLAM(Simultaneous Localization and Mapping,即时定位与地图构建)被很多学者认为是实现真正自主移动机器人的关键。SLAM 问题可以描述为:机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计和地图进行自身定位,同时在自身定位的基础上建造增量式地图,实现机器人的自主定位和导航。在 SLAM 技术即时定位和与地图构建的基础上,配合智能路径规划算法,机器人的自主导航得以实现。(出处:中国移动机器人(AGV/AMR)产业联盟《2020-2021 工业制造领域自然导航 AGV/AMR 产业发展研究报告》)


移动机器人发展经历了有轨方式(如磁带牵引方式)、信标方式(如二维码)、无信标方式(如 SLAM)的不同阶段。二维码导航机器人需要在现场张贴二维码,对二维码粘贴精度要求高,且易损坏。SLAM 技术可以让机器人在无信标的情况下也能实现定位导航,具有易部署、柔性等特点,更加适合在运行环境复杂、业务经常变动的场景下应用,因此受到越来越多客户青睐,正在成为业界主流趋势。


AGV(自动牵引小车)最早是传统企业自动导引车的模式,智能化程度不高。随着新技术的发展,AGV 智能化程度越来越高,企业纷纷朝着 AMR(自主移动机器人)的方向发展,越多越多人开始用 AMR 来取代 AGV 的说法。


2、视觉 SLAM 是未来方向,同时需要多传感器融合的导航方式。


目前,在工业物流领域,基于 SLAM 技术实现的机器人自主导航,根据传感器不同主要分为两个类别:激光 SLAM 和视觉 SLAM。激光 SLAM 技术相对而言更加成熟,是当前市场应用的主流。但随着机器人单体主处理器的处理能力提升,特别是一些带 GPU(Graphics Processing Unit,图形处理器)、NPU(Neural-network Processing Unit,嵌入式神经网络处理器)的处理器的应用,机器人的视觉处理能力得到了极大提升,以深度学习技术为核心的视觉处理可以在机器人上实现。


目前,视觉技术已经被广泛地应用到机器人立体视觉避障(人 / 物区分识别),以及视觉导航和末端高精定位上。旷视认为,视觉传感器成本低,感知信息量大,随着视觉算法技术的成熟,视觉 SLAM 导航机器人在不远的将来会替代激光 SLAM 导航机器人。


与此同时,不管是基于激光还是视觉实现的机器人自主导航,都不是单一应用,还需要融合诸如惯导(IMU)、GPS 等其他导航方式,以应对鲁棒性要求非常高的现实应用场景,让机器人能够更加稳定有效地运行。(出处:中国移动机器人(AGV/AMR)产业联盟《2020-2021 工业制造领域自然导航 AGV/AMR 产业发展研究报告》)例如视觉和 IMU 的融合,IMU 为快速运动提供了较好的解决方式,而相机又能在慢速运动下解决 IMU 的漂移问题,二者实现了优势互补。


3、深度学习将广泛应用,加强机器人对周围环境的理解。


AI 中的深度学习技术在计算机视觉中的应用主要有物体识别、目标检测与跟踪,语义分割、实例分割等,语义 SLAM 能把物体识别与视觉 SLAM 结合起来,将标签信息引入优化过程中,构建带物体标签的地图,实现机器人对周围环境内容的理解。


新技术与机器人技术的加速融合将进一步推动产品的更新换代。移动机器人的自主性主要体现在“状态感知”、“实时决策”、“准确执行”这三个方面。物联网、AI、5G 等新一代信息技术与机器人技术相互结合,能够让设备高效交互,数据更加自由流动,并通过算法指挥硬件发挥最大效能。(出处:中国移动机器人(AGV/AMR)产业联盟《2020-2021 工业制造领域自然导航 AGV/AMR 产业发展研究报告》)


4、机器人规模化集群作业成为发展必然,需要更高效的多机协作方式。


机器人在实际应用中,通常是以集群的方式协同完成特定的任务。如:月台的托盘搬运集货,原材料的料箱存储和拣选,产线之间的物料搬运;托盘可以使用无人叉车搬运,原材料的存储拣选可以使用二维码类 KIVA 机器人,产线之间物料搬运可以使用 SLAM 机器人。


在旷视看来,多台甚至是成百上千台机器人规模化集群作业成为发展必然。 这不仅需要调度系统需要能够接入各种类型的机器人,在统一的环境下完成作业调度;还需要多机器人调度算法,找到全局最优方案,使多机器人共同工作时的总效率最高。目前调度算法主要分为三类:数学方法、仿真方法和人工智能算法。其中,人工智能算法前景最为远大。


例如,当系统只需要调度几十台机器人时,传统系统依靠简单的逻辑策略就能支持。然而,一旦达到几百台甚至上千台机器人时,简单的逻辑思考已经不能解决问题,整个群体协作的效率无法得到有效保证。这时候就需要机器人能够不断学习、不断修正自身策略,AI 将在其中扮演重要角色,让整个系统不断优化,群体智能化程度越来越高。


5、同构仿真、数字孪生,为客户提供一站式服务。


客户在做智能化、自动化改造的过程中,从方案设想,到方案设计和实际投入,中间会经过漫长的决策链,通常这个决策过程依赖设计人员的经验,这样可能会导致规划结果和实际需求产生较大的偏差,导致浪费或工期延误。


一套功能完备的同构仿真系统可以避免设计过程中的人为偏差,并且能够极大提高评估效率。例如旷视河图,可以提供规划、仿真、实施、运营等一站式解决方案,实现同构仿真和数字孪生,极大减少机器人项目规划风险,提高运维效率。


数字孪生中最关键在于仿真,而仿真里关键的是同构仿真。目前物流行业中,大多数仿真系统和执行系统是分开的。而旷视河图采用同构仿真的方式,仿真和执行在同一套系统和软件里,仿得更好、更加体系化,随着软件的更新迭代可以无限逼近现实场景,带来更大的价值。


王宏玉认为,移动机器人未来的主要技术发展趋势可以概括为单体智能和群体智能。单体智能是单个机器人的智能化程度,未来会包含更多 AI 的元素;群体智能是系统的智能化,通过 AI 的算法使系统最优化,为客户降本增效。他展望道:“移动机器人的市场很快就会突破 100 亿的规模,未来的市场是 1000 亿的体量,国内的很多同仁在为这个市场而努力拼搏,我们的产品也会走出海外,在海外这个蓝海市场争得一席之地。”


专家简介


王宏玉,在机器人领域拥有超过 30 年的行业经验,是中国机器人领域顶级专家和主要开创者之一,也是中国移动机器人产业联盟名誉主席。


陶涛,曾任艾瑞思机器人创始人兼 CTO,现任旷视机器人产品部研发总监,负责旷视机器人产品总体架构。


2021 年 1 月 02 日 14:032089
用户头像
陈思 InfoQ编辑

发布了 576 篇内容, 共 209.6 次阅读, 收获喜欢 1205 次。

关注

评论

发布
暂无评论
发现更多内容

毫秒级的竞技PK | 电信行业需要的5G速度

VoltDB

大数据 数据分析 5G 实时计算

【签约计划】试用期名单公布

InfoQ写作平台官方

活动专区 签约计划

阿里内部百亿级高并发系统(全彩版小册开源):基础篇、数据库篇、缓存篇、消息队列篇、分布式服务篇、维护篇、实战篇;带你从基础到实战

云流

Java 程序员 架构 高并发

准备两个月,面试五分钟,Java中高级岗面试为何越来越难?

周老师

Java 编程 架构 面试 程序猿

UCloud一站式智能大数据平台USDP免费版正式发布!

UCloud技术

hadoop CDH

arXiv | 如何更好地理解自然语言?自训练+预训练

Machine Gun

网络安全 信息安全 渗透测试 语言

GitHub标星235k!这份阿里P9纯手写的Java并发核心手册堪称无敌了

Java架构之路

Java 程序员 架构 面试 编程语言

淘宝网能抗住“千亿级”并发量的奥秘是什么?

Java架构师迁哥

2021金三银四Java岗大厂面试经验总结(附面试真题)

北游学Java

Java 面试题 面试经验

BSC Daily首页报道Rabbit Finance:一款让传统金融行业关注的DeFi项目

区块链小八歌

区块链 defi BSC

ipfs质押币和gas费降低?ipfs挖矿的最新消息?

v:IPFS456

ipfs质押币和gas费降低? ipfs挖矿的最新消息?

NFT赛道科普,NFTB作为黑马或弯道超车

区块链小八歌

比特币 区块链 NFT

Gartner预测全球芯片供应短缺将持续到2022年第二季度

Geek_bacee5

Gartner Gartner预测 全球芯片供给 数据分析预测 gartner信息技术研究

520 表白,因一个分号被拒

悟空聊架构

520单身福利

官方出手,一针见血!Spring Boot官方手册来袭:从入门到实战

Java架构之路

Java 程序员 架构 面试 编程语言

分库分表 springboot+dubbo+mybatisPlus+shardingSphere

try catch

dubbo 分库分表 springboot ShardingSphere MyBatisPlus

大话Java异常

若尘

Java 异常 异常处理 520单身福利

采用DevOps的7个主要障碍,你一定不知道!

禅道项目管理

DevOps

【干货分享】开放原子超级链动态内核XuperCore核心技术揭秘

百度开发者中心

区块链 超级链

包容的回答者

王辉

个人成长 沟通 团队文化 批判性思维 正念

NULS + NerveNetwork,让公链生态全面实现跨链互通

区块链小八歌

区块链 跨链 NULS

作业二:分析微信朋友圈高性能复杂度

刘丽

架构训练营

致我的青春我的感情故事

Changing Lin

520单身福利

全网疯传!堪称最强!4000页计算机、网络、算法知识教程总结

周老师

Java 编程 程序员 架构 面试

iOS 面试策略之系统框架-并发编程

iOSer

ios 并发编程 系统框架

牛掰!腾讯强推Netty速成笔记(2021最新版)限时开源,从头到尾全是精华!

程序员小毕

Java 程序员 架构 面试 Netty

3、深潜KafkaProducer核心架构

杨四正

kafka 消息队列 kafka架构 kafka源码分析

CompusBulider (模模搭)学习笔记7:3D场景中第一人称行走

森友小锘

3D可视化 数字孪生

配置、使用、监控、部署一键搞定!阿里新产SpringBoot速成小册太香了!

Java王路飞

Java 程序员 架构 面试 springboot

高可用 Keycloak,K8s

Zhang

MySQL k8s keycloak

Gartner在线研讨会:后疫情时代金融服务企业技术领导者的成功之路

Geek_bacee5

Gartner Gartner在线研讨会 金融服务行业 gartner洞察见解 后疫情时代企业应对策略

围绕“三个问题”开展的网易云音乐数据基础建设

围绕“三个问题”开展的网易云音乐数据基础建设

解读移动机器人的2020:规模化集群作业成发展必然,深度学习将广泛应用-InfoQ