2025-01-27 新品 0
在过去的两年里，我注意到越来越多的人谈论人工智能。物流和仓储行业也越来越多地提到了智能仓储和智慧物流。在网上的宣传视频中，各种高科技设备和系统被展示出来。在工厂中，也有许多自动化搬运设备在不同的工作站之间进行物料的转运，这些设备包括连续搬运设备，如输送带等，以及离散搬运设备，如柔性无轨搬运类设备、有轨道搬运设备。
首先，让我们不讨论高级的人工智能技术，而是总结一下这些视频中的各种搬运设备是如何实现自身行走到正确位置并完成存取货物的？这可以看作是搬运设备的第一个智能步骤。自动化搬运任务首先需要知道当前任务的起始地址和终点地址。计算机系统需要识别物理世界中的具体位置信息，那就需要将位置信息转换成计算机能理解的数字信息。这通常涉及到全球定位系统（GPS）这样的技术。
GPS系统可以将地球上的任何地点分解为唯一数据组合：经度、纬度、海拔高度。例如，东经45°，北纬32°，海拔1000米，这三个数据组合对应了地球上唯一的地理位置。如果输入这些数据给计算机，它们就能指引出这个实际位置，就像百度地图那样，我们看到的地图每个点背后都对应着一个精确的地理坐标，而我们更擅长使用名字而不是记忆这些数据组合。但每次查询时，我们输入的是名字，然后计算机仍然要将地名转换成经纬度数据，再去对应到地图上的实际地点。
GPS提供了连续且全面的定位能力，可以找到整个物理世界上任意一点。而在仓储物流中心，大部分情况下，移动装置只会在固定的几个地点之间运行，比如堆垛机只在前后方向上有固定的库端站台位置，只有前后每列货架的一个固定层面；堆垛机只能在上下方向上只有固定的每层货架的一个固定层面。不管堆垛机所对应的货架数量多少，每次运行时它只会停留于各个货格处作业，不会无效地停留或穿过没有货格或空白区域。
这样定义出的就是有限离散性的定位。通常是为所有工作站设置固定的编号，如果这些编号遵循一定规律，那么位置定义可以参考这些规律，比如根据排列方式确定某个特定栈区间。此外，对于AGV（自动导引车辆），它们可以通过编码器确定其行进距离，并结合预设路线与起始点，以确保准确了解当前所在地。
叉车作为最常见的人力操作工具，其“智慧”可能低于现代机械，但其实叉车依赖人类驾驶员执行复杂动作，从而实现精准运动与目标交付。这意味着驾驶员必须分析目的地址，与当前叉车位置进行比较，并调整驾驶方向直至达到目的地址。此过程中，不断更新叉车当前位置与目的地址之间关系直至达成目标，是由人的超级智能——大脑完成的一项艰巨任务。大脑接收视觉感知，将当前环境传递给大脑实时分析判断；手臂和腿部则成为执行机构，大脑控制以操控叉车前进、后退以及改变方向直至达到最终目的地。
AGV利用不同类型导航技术来保证其精准运动，其中包括：
磁导引
早期AGV主要基于磁导引技术，其功能依赖于沿着预设路径布置磁条或者在地面安装磁钉。一旦安装完毕，AGV只能按照预设路径行走。当AGV靠近磁条或磁钉时，它能够感知并调整自己以保持正途，因此解决了初步定位问题。而对于具体已达何处这一问题，一般通过装备编码器相联之轮子进行测量，即可得知AGV目前所处何方，因为一旦开始行走编码器便随之反映出距离变化，有了起始点，加上固定路线加以计数值，便能确定现存何方。
激光导航
传统式样质疑此种方法灵活性较低，因需重新安置新的路径即使需增添新岗位或修改某些路线亦须重新安置新路径。如果采用激光导航，则简单安装若干反射板即可完成部署工作。激光扫描仪旋转360度扫描回波信号表明距离反射板多少米远，在范围内只要保证至少3-4块反射板同时可见，就可通过复杂算法推算出本身位于哪个地方。
二维码定位
亚马逊配送中心Kiva Robot因其独特设计及卓越表现受到了广泛关注国内也有不少公司研发类似产品并投入应用场景主要集中电商行业订单拣选领域Kiva Robot采用惯性导航二维码标签与自主探索结合策略让Kiva Robot能够正确运行。在Kiva网络中，每块二维码代表整个矩阵网络中的坐标。
当Kiva Machine Camera拍摄读取二维代码内容发现自己的居住地点，同时由于边角特征用于校正角度从而保证精确向前的移动。
以上述几种非常普遍使用到的AGV定位方式为例，在仓库内很多成熟且传统型号都是基于轨道设计非柔性的，所以他们采用的原理不同
最后我想强调，无论是在工业生产还是日常生活中，都存在大量需求关于如何利用自动化处理事务提高效率减少错误。我相信未来随着科技不断发展这种趋势还会更加明显。在这个背景下，对待任何形式的自动化尤其是在关键领域内，要考虑它是否真正适用是否能够提供足够安全稳健服务，并且对于用户来说是否简易易用如果不能满足这三方面要求那么它可能无法获得成功应用
