异构仓储物流机器人集群自主作业研究

In order to solve the problems of inferior environment adaptability, poor accuracy of localization and navigation, low scheduling efficiency and uncoordinated of multi-robots cooperation in complex warehousing logistics environment, a heterogeneous hybrid environmental cognitive architecture is constructed in this project. The method uses the distributed semantic map characterization that is combined with multi-source heterogeneous data fusion technique as a theoretical basis. On the basis of this construction, this project aims to explore an end-to-end visual localization and navigation technology for warehouse logistics environment by using the abstract features of high-dimensional environment extracted from deep residual learning and merging with decision-making ability of the reinforcement learning. Subsequently, based on the dynamic job information, a multi-agent system model is built to achieve the dynamic scheduling for small orders with multiple batches, and the optimal path planning in unstructured environment. Finally, the flexible cooperation and the control scheme of safety operation for heterogeneous warehouse logistics robots cluster are discussed. This project is expected to solve the problems of environmental cognition, localization and navigation, safe collaboration in warehousing and logistics domain by crossing and integrating multiple subjects. In the end, this project is anticipated to provide a technical support for improving the autonomy of warehousing logistics robots, and thus is of great significance to the national economy development.

针对复杂仓储物流环境下机器人环境适应能力差、定位导航精度不足、调度效率不高、多机协作不自然等问题，项目以分布式语义地图表征为理论依据，结合多源异构传感器数据融合方法，构建异构混合式环境认知体系结构。在此基础上，依据深度残差学习提取的高维环境抽象特征，融合强化学习的决策能力，探索一种面向仓储物流环境的端到端视觉定位导航技术；其次，依据动态任务信息，构建多智能体系统模型，实现小订单多批次的动态调度及非结构环境下的最优路径规划。最后，探讨面向异构仓储物流机器人集群的柔顺协作与安全作业控制方案。本项目将多学科技术交叉融合，预期成果有望解决仓储物流环境认知、定位导航、协同安全作业等问题，为提高仓储物流机器人工作的自主性提供技术支撑，对国民经济的发展具有重大意义。

本项目紧密围绕异构仓储物流机器人自主作业需求，针对复杂仓储物流环境下机器人多机路径规划问题求解难、实时性差、调度效率不高、多机协作不自然等问题开展研究，主要研究内容包括：.① 多机器人路径规划：针对仓储环境下多机路径规划问题求解难、实时性差等问题，给出了一系列解决方案，包括提出了一种基于机器人运动学、动力学模型的快速轨迹生成方法；设计了一种基于网络流的多物流机器人路径规划求解算法，并开发了一种基于拍卖算法和动态窗口法的任务分配和实时路径规划算法；提出了一种结合了机器人密度预测、拍卖算法和Floyd算法的高效的任务分配和路径规划方案；设计了基于概率运动模型的多异构机器人路径规划算法；设计了一种基于概率运动模型的时间最优运动控制器；提出了基于改进动态窗口法的多机器人自适应编队避障算法。这些方案保障了机器人在各种仓储环境下的高效运行。.② 可自主搬运小型不规则货物的AGV机器人机械结构设计：设计了一种可自主搬运小型不规则货物的AGV，底盘搭载有双电机带动的驱动轮与前后一对万向轮，环抱式抓手可以根据货物大小灵活调节抓手大小，通过压力传感器反馈控制抓力大小，适应不同的载货要求，解决目了前小车现有的AGV小车无法灵活自主搬运小型不规则货物的问题。.③ 货物高精度识别技术：针对现有机器人抓取算法不能同时满足识别物体和检测精度低等缺陷，利用一个多任务抓取检测网络实现物体识别和抓取检测的融合，采用区域候选网络对图像中的多个物体进行分离并单独执行检测，使用通道注意力机制增强网络的特征提取能力，针对抓取旋转框的解码方式进行优化，并对回归损失函数进行改进以加强网络在多物体环境下的检测能力。.本项目预期成果有望解决仓储物流环境认知、定位导航、协同安全作业等问题，为提高仓储物流机器人工作的自主性提供技术支撑，对国民经济的发展具有重大意义。