【Edge AI】 智慧工廠再進化:從AGV到AMR

作者:謝涵如

近年隨著科技日新月異,世界各國紛紛大力投入發展「工業4.0」,積極地提出相關策略,而台灣製造產業在這股浪潮中也不落人後,在AI、物聯網、機器人、大數據分析等智慧製造關鍵技術上努力布局,爭取在全球智慧製造的產業競爭中保持優勢。

本次Edge AI社聚,邀請兩位專家以智慧工廠在物料運輸方面的新科技 — 具有強大的計算能力、能自主決策的AMR自主移動機器人為主題,帶領觀眾探討如何加速AMR的實務開發,滿足智慧工廠再進化的需求。

更智慧的移動機器人:AMR

「所謂的工業4.0就是一種從需求到製造、物流的全流程整合,並且利用科技盡可能減少浪費和延遲。」台科大工業4.0實作中心梁書豪助理教授,以自己投身實務及學術界多年的經驗,開宗明義指出,在追求自動化的智慧工廠中,從AGV到AMR,都在工業4.0的推展中扮演著重要的角色。

台科大工業4.0實作中心助理教授梁書豪解說AGV與AMR的差異(攝影:劉庭芸)

目前工廠中廣泛用於物料搬運的工具是AGV自動導引車,全稱為Automated Guided Vehicle,是一類輪式移動機器人。依照定位及導航方式,可分為靈活度較差的「磁條導航」、較常用於無人智慧倉儲系統的「二維條碼導航」,以及可執行多變形式路徑、適應多種現場環境的「雷射導航 (SLAM)」等類型。

在應用方面,AGV設備經常用於跨樓層跨區搬運,以減少錯誤及污染的問題。用於電商倉儲則能有效提升物流效率;此外尚有產線、物流自動化及自動化立庫的取件等方面之應用。

至於AMR自主移動機器人,全稱為Autonomous Mobile Robot,除了具備AGV的功能,從名稱中就能看出AMR更強調自主性,也就是自己做出判斷的能力。從定義上來看,AMR其實比傳統的工廠的運輸載具涵蓋更廣,甚至是無人機(UAV)、無人潛艇(UUV)也屬於AMR。

AMR的困難與挑戰

至於AMR應用上遭遇的挑戰,其中之一是當必須指派大量機器人同時作業時,如何解決路徑相遇時互相干擾的問題,也就是所謂的MAPF(多個智慧型代理人路徑查找)問題。目前Amazon Robotics與南加大已合力研究出可行的解決方案。

AMR要能多機同時應用,如何克服MAPF問題是一大挑戰。(圖片來源:arxiv

此外,當系統大到無法進行管理的時候,就需要考慮如何讓機器人自己管理自己以增進效率。例如機器人沒電時,要能發布無法完成工作的訊息,呼叫其他同伴(AMR)接手工作並自行回到充電樁。或者半途故障時,發出SOS訊息並等待維修救援等等。

「機器人不是問題,背後的腦袋才是關鍵。」梁書豪表示,要想讓工業無人化,打造出真正的智慧工廠,就必須讓機器人達到完全的智慧化,遭遇困難時能夠像人類一樣解決。

ROS/ROS 2平台支援 快速打造AMR原型

「自主式移動機器人市場正在爆炸性的成長。」ADLINK(凌華科技)市場開發經理王健豪博士,在機器人開發平台方面有極為豐富的經驗。他提到,由於人口高齡化隨之衍生出的缺工問題,帶動機器人市場需求蓬勃發展,前景相當不錯。

能夠打造AMR的平台很多,凌華目前主推的為ROS及ROS2。ROS直譯即為機器人作業系統,是已有十年歷史的開源平台,而顧名思義,它扮演著機器人的控制中心,不同的機器人、不同的感測器,在ROS裡可以用相同的方式來開發與管理,供上層應用程序調用。

許多人也將自己開發好的功能包開放提供出來,讓有志於研發機器人的企業或個人能省下開發的力氣,專注在整合上,大幅縮短研發新機器人的時間。預估在2024年,市場上少則一百萬台、多則可達總銷售量55%機器人將會使用ROS系統。

ADLINK市場開發經理王健豪,向來賓介紹能夠快速打造AMR的ROS平台。(攝影:劉庭芸)

至於ROS和ROS2的有什麼差別?又該如何選擇?王健豪表示,要使用ROS2其實有一定門檻,必須要先有操作ROS的基礎才行,因此上手過程會較為漫長。

至於該如何選擇,王健豪建議,假如今天只想做一台機器人在單一工廠中使用,ROS就已足夠。但如果想要做出數台機器人,在同一場域裡作業,就建議使用ROS2,因為ROS2加入了DDS技術,以達成機器人間點對點的傳輸為技術核心,能夠加速傳輸效率,減少機器人間因為傳輸不夠通順而干擾作業的情形。

小結

隨著少子化、高齡化、缺工等社會問題日漸嚴重,「工業4.0」的推進刻不容緩,而AMR自主移動機器人的投入及ROS/ROS2平台的加速,都是讓工廠更有智慧的重要推手,讓製造業能更近一步落實「工業4.0」的願景。

如果您想更進一步學習本文的內容,可連到【Edge AI教學】智慧工廠再進化:從AGV到AMR 數位學習課程,收聽兩位專家的分享喔。

謝涵如

Author: 謝涵如

喜歡窩在自己的一方世界裡寫作閱讀,也喜歡四處旅遊找驚喜,希望能多接觸學習各種知識,從中拼湊出世界的全貌。

Share This Post On

發表

跳至工具列