熊蓉：物流机器人实现六大技术突破

近年来，自动化、智能化的物流系统越来越多地被应用于仓储、配送、运输等生产制造环节中，机器人在其中扮演重要角色。在2023“机器人+”大会上，浙江大学控制科学与工程学院教授熊蓉系统阐述了现代制造业中物流系统的总体特征和发展方向，并就物流技术的六大核心突破展开介绍。

▲浙江大学控制科学与工程学院教授 熊蓉

物流，不仅包括航运、船运、车运等主干物流，还有日常生活中的快递、储物柜等。就物流机器人而言，生产制造是其应用最多，也是最广的领域之一。在现代化生产制造中，全流程都涉及到物流，包括货物装卸、仓库出入、车间之间流转、作业单元之间流转、中间仓流转等各个方面。整个流程中，物流占生产成本的40%。

现代制造中物流模式的痛点

物流自动化一直是生产制造领域重点关注的问题之一。从人工搬运到车辆装卸，虽然灵活性高，但管理繁琐，且存在较大的不确定性。第二次工业革命出现的流水线作业也是物流的一种形式，其工作效率高，一定程度上促了进制造业的发展，但生产线固定，且需要解决上下料的问题。

现代生产制造主要的物流模式，是以RGV（Rail Guided Vehicle，有轨制导车辆）或AGV（Automated Guided Vehicle，自动导引运输车）机器人作为运输工具，同时配以调度平台实现。这种物流模式大幅降低了人力成本，同时实现了自动化作业，但具有较大的局限性。就AGV而言，机器人需要依靠人工部署的特定标识实现定位导航。虽然这种导航方式易于实现且成本较低，在限定条件下具有较高的可靠性，但其缺点也十分明显——在实际应用中，地面标识容易被磨损或破坏，从而出现定位错误，影响机器人运行和自动化流程。同时，标识一旦确定，路径也即固定，不适应柔性化生产的趋势，也难以适应多车混杂的物流需求和人机共融的发展要求。

现代制造特点与需求

现代制造业呈现两个特征：个性化和高端化。个性化的需求，使得现代制造业出现了小批量、多品种、短周期的行业特点，同时也对制造系统指出了柔性化、敏捷化的发展方向。高端化的生产，带来了高精细度、绿色化以及高质量的生产要求，制造系统由从前的流水线方式转化为更加专业的加工单元，具备了柔性作业的能力。

在自动化的基础上，生产制造全流程管理要提升其信息化和智能化水平，保证生产的高精度和高效率。物流机器人和系统融合IOT（Internet of things，物联网）等新技术，使作业单元和辅助设备能够进行信息交互和自动化控制。在物流机器人方面，摆脱标识实现自然导航，能够直接和作业单元对接，实现端到端的无人化；在调度系统方面，当单线运输扩展为车间或整厂时，智能决策可以实现多种物料车并行，保障大规模、异构车型的调度。

自然导航技术实现应用的难点

自20世纪80年代起，科学家们就开始研究自然导航技术。自然导航技术在制造业中的主要挑战，来自外部环境的变化和生产要求。

环境的挑战在于范围大、场景多、动态高。在应用场景中，一些车间面积达5万-6万平方米，室外面积达10万平方米，场景涉及连廊、通道内、主干线等。其中，有的场景通道狭窄，有的易受到季节和气候变化的影响。同时，运行道路的两旁可能出现临时堆料，导致构建的地图处于动态变化的状态，变化率甚至会超过50%。

生产的要求在于高精度、高效率、高安全、高可靠、低成本。在设备自主对接的过程中，要实现端到端、多规格对接，就需要寻找提高对接精度的途径。随着技术推动产业发展，企业面临空间资源紧、节拍要求高、车辆类型众多且规模庞大等难题，需要一种安全可靠的智能调度解决方案，为生产制造降本增效。

与AGV相比，AMR（Autonomous Mobile Robot，自主移动机器人）摆脱了人工标识，减少部署物流的人力，运输过程中的振动或者是地面打滑走偏等问题也都得到了解决。除此之外，AMR还实现了连续定位，可以提供全时空的信息；支持任意到点作业，提供柔性调度能力；能够感知环境、灵活避障，为人机协作和柔性作业提供可能。

物流机器人技术的六大突破

近几年，物流机器人技术主要取得了以下六大技术突破。

一是面向大范围环境的、高精度低成本运行的地图压缩。在高精地图中，每公里的地图数据内容所占容量可达到1GB，同时单帧信息非常丰富，这对机载资源提出了很高的要求，如何兼顾高精度和低成本，成为领域内一大难题。为解决这些问题，研发人员提出了基于知识蒸馏的激光点云地图压缩方法。该方法首次实现下沉到数据点级别进行数据滤除操作，压缩至3.5%时，依旧可以达到同等定位精度，压缩至1.23%时，仍然保持定位不失败。依靠这项技术，科研人员研发出基于有限算力的ARM嵌入式系统，实现大范围地图的构建与定位。

二是面向大范围环境的无初值快速收敛全局定位。在地图构建的过程中，会涉及到全局定位，而在建图和运行中，会出现环境变化以及视角差异等问题，因此现有定位方法非常依赖初值和稠密的地图节点。为解决该问题，研发人员提出了旋转平移不变表征理论，可以同时实现地点的识别和朝向平移的估计，与现有的方法相比，可以使构建地图的节点从1米扩展到20米，大幅降低地图节点的密度。运行时，在没有初值的情况下，只需30毫秒就可以实现准确定位。

三是面向多动态环境的高可靠长期鲁棒状态估计。环境的动态变化，包括室内物体的变化、室外季节的变化以及视觉变化，都会导致定位存在可匹配少和大量误匹配的情况，难以鲁棒估计。科研人员提出仅需2个特征的求解最小模型和确定性全局最优位姿估计方法，在跨季节视觉感知存在90%异常匹配的情况下，其定位成功率依旧能够达到90%以上，求解速度提升32倍。

四是面向室外全天候的高可靠异构匹配。在室外厂区场景中，需要进行全天候的运行，但是在大雨、雪天、雾天等情况下，激光视觉难以应用，而毫米雷达波精度差、鬼影多，异构感知难匹配。科研人员提出首个RADAR-LIDAR（毫米波雷达——激光雷达）数据关联可微分卡尔曼滤波法，具有可解释性和泛化性。该方法可实现90公里真实路段上的连续定位，里程漂移误差小于1.09%，旋转误差小于3°，并能适应动态变化。

五是面向端到端无人化的移动操作和高效协同。针对与作业单元的高精度对接，目前主要有两个技术方向。一是设计专用的侧插式移动送料机器人，单车型可以与生产车间内30多种机台、近千个工位进行对接上下料，且对接精度优于1毫米。二是构建视力伺服下的移动作业整体协同建模与控制方法，该方法可以实现在悬浮木板上画出准确轨迹，为后续的力控作业奠定了基础。

六是面向窄空间多类型混杂运行的高效调度。在工业场景的调度中，车辆类型多、数量多，环境密度高、联通差、易死锁，因此求解复杂度高。科研人员提出了全状态拓扑的异构车型多机规划和快速实时求解算法，不仅适用于窄小环境，同时使节拍效率得到大幅提升。

智能制造的发展为物流机器人新技术的落地提供了良好平台，国家和社会的支持也为 打造中国品牌的机器人和控制系统 提供了良好条件。同时，对于企业而言，需要在发展中不断去挖掘应用端的痛点， 持续开展技术创新 ，推动物流机器人发展。

本文根据浙江大学控制科学与工程学院教授熊蓉，在2023“机器人+”大会上的演讲整理而成，经编辑。

点赞关注不迷路

关注“雷克智能”公众号后不要忘记星标