Роботизация склада
Салют! Я Роберт, основатель компании YaCu Robotics. Мы занимаемся роботизацией складов и созданием программы "Водитель". Которая может автоматизировать любую колесную технику. Так, мы автоматизировали Toyota Prius и испытываем её на закрытых площадках. Мы разработали и сконструировали беспилотную поломоечную машину для коммерческих помещений. Мы сотрудничаем с компаниями, которые производят роботов, и интегрируем в них нашего "Водителя". При этом мы являемся системным интегратором складских роботов сторонних производителей. Глубокое понимание беспилотных технологий позволяет нам закрывать задачи по роботизации склада под ключ.
Я бы хотел поделиться своими знаниями в этой области с технической точки зрения и опытом нашей работы, который уже более 5 лет. Поэтому всё ниже сказанное будет исходить исключительно из личного опыта.
Небольшое предисловие. 5 лет назад, когда тема беспилотных технологий была не так на слуху, роботы и их вариации были чисто хайповой темой. Я всерьез уверовал, что будущее приходит быстрее, чем кажется, и что беспилотные автомобили — это вопрос ближайшего времени. Поделившись этими размышлениями с моим техническим другом, мы приняли решение осторожно начать изучать эту тему, с прицелом на то, что когда повсеместная роботизация придет, мы как минимум будем глубоко в материале. Так мы начали придумывать концепцию.
Для начала я приобрел автомобиль Toyota Prius и прибор, который может побайтно выводить все данные из CAN-шины. Нам нужно было извлекать оттуда углы поворота руля и данные по разгону и торможению. Prius был выбран как самый дешевый вариант автомобиля, к которому уже подключался человек и мог перехватывать управление, так как в нем все органы управления были электрическими.
Научившись получать с него данные, мы стали разрабатывать нейронную сеть и придумали концепцию сосредоточенного внимания, по аналогии с человеческим глазом. Когда мы едем за рулем, мы смотрим на все периферийным зрением и только переключаем фокус внимания на нужные нам события. Так, оснастив машину стереокамерой и подключив компьютер к машине, мы стали собирать датасеты для обучения. После того как мы научились полностью забирать управление автомобилем на себя, встал главный вопрос всей беспилотности: как организовать навигацию. Как машине или роботу понимать, где он сейчас находится и куда нужно прибыть. Напомню, тогда мы еще не знали, что будет нашим конечным продуктом.
Что тогда, что сейчас нет единственного правильного эталона навигации. Но это и есть самая интересная область для исследований. И только тут кроются прорывные технологии.
Как работает SLAM
Из мира робототехники родилась технология, которая называется SLAM. Она дает одновременную локализацию и построение карты. Простыми словами, лидар, который сканирует пространство вокруг себя, сопоставляет с картинками (читай кривыми) из памяти, и если они сопоставились, то робот здесь! Звучит просто, но на практике происходит множество усложнений, и роботу приходится сверять данные от лидара с одометрией колес, чтобы понимать, сколько он проехал и туда ли он пришел. И постоянно делать поправку.
У этой технологии есть ряд недостатков. Например, плохая ориентация на больших площадях. Нужно очень много картинок в памяти держать. Проблемы с быстро меняющейся обстановкой. Например, если на складе заставили все новыми паллетами, которых не было при первом создании карт, то для робота это новое помещение, и он в нем потеряется. SLAM не работает на открытых площадях, так как лидар имеет ограниченную дальность действия, поэтому просто не достанет до стены, чтобы считать её. Ну и последнее, принятие решений о том, как построить маршрут, остается на роботе, а не на человеке.
AGV роботы
Именно из-за сложности и неотработанности технологии первыми складскими роботами стали AGV. Это роботы-тележки, которые могут перемещаться в пространстве только по заранее созданному маршруту. Причем маршрут не виртуальный, а как правило физический: магнитные ленты, QR-коды на полу или лазерная навигация. Они практически не способны объезжать препятствия, а лишь останавливаться. Это тянет за собой ряд инфраструктурных проблем и ограничений. AGV лишены гибкости и сильно привязаны к инфраструктуре. Эта технология тяжело масштабируется, так как требуется большое количество человеко-часов для увеличения площади использования или изменения сценария. Поэтому AGV могут себе позволить только большие компании с очень понятными и, что главное, повторяющимися процессами. Например, Amazon довел скорость доставки стеллажей к подборщику до уровня рентабельности. Но им больше всех надо, и они купили компанию, которая делает таких роботов.
Вам подойдет такой вид автоматизации склада, если ваши процессы схожи с амазоновскими. На площадь 6-10 тыс. м² потребуется около 100 роботов. Цена за одного российского робота или за китайского в России будет около 1,3 млн руб. Прибавьте стоимость за специальные стеллажи, а их понадобится очень много. Плюс нужно учитывать, что у вас упадет плотность хранения, так как вы не растете вверх, как со стеллажами. Значит, нужен подходящий склад невысокий, но с несколькими этажами. А таких не много. На российском рынке есть отечественный производитель таких роботов — компания Ronavi. Она сопоставима с лидерами из Китая, компанией Geek+. Наша же компания YaCu Robotics является системным интегратором складских роботов Seer, крупнейшей компании с более чем 20 видами роботов.
Про навигацию робота
Понимая проблемы SLAM, мы задумались, как можно организовать устойчивую технологию автономности. В беспилотных автомобилях за локализацию отвечает технология GNSS, её как правило предоставляет государство для геодезистов. По сути, работает как GPS, только не от спутников, а от вышек и дает сантиметровую точность в отличие от метровой в GPS. Но такая технология может работать только на улице, а не в помещении. И мы решили создать некий аналог GPS, но in-house. Так мы нашли систему радиомаяков на базе RTLS, написали десятки тысяч строк кода и получили технологию, где мы можем по периметру помещения разместить маяки (выглядят как обычный Wi-Fi модем), на роботе установить метку и получать не только знание о местоположении робота, но и его направление движения. Это называется глобальная навигация. Без ложной скромности скажу, что это максимально надежная система, которая не имеет аналогов. Имея предустановленную карту, робот может перемещаться в любом направлении, в любую точку на любое расстояние. Такая свобода действий стала предпосылкой к появлению AMR роботов.
Это роботы следующего поколения после AGV. У них больше датчиков, и самый главный — это лидар. Лидар — это по сути лазерный дальномер, который крутится по кругу, чтобы создавать карту и объезжать препятствия. На роботах лидар, как правило, одно лучевой, он стоит около 10 тыс. руб. И картинку он дает только в одной плоскости. На беспилотных машинах применяют лидары за 800 тыс. руб., там лучей 36. Это дает трехмерную картинку. Вкупе с полученными геоданными от GNSS можно создавать точнейшие 3D карты городов с привязкой по координатам, чем и занимается Яндекс. Есть дублирующие сенсоры, например стереокамера, она также выполняет одну или несколько функций: строит карту или детектирует препятствия. Ну и стандартные парктроники по кругу.
Усложнение нужно именно для технологии SLAM, чтобы строить карты всего помещения и свободно в нем перемещаться. Это дает возможность на любом складе поставить робота, который будет выполнять доставку чего угодно в потоке людей и техники. У него не будет такой скорости, как у AGV, но и нет ограничений в перемещении. Поэтому AMR роботы имеют столько форм-факторов. Перевозка стеллажей, робот с платформой, который перемещает комплектующие от одного станка до другого. Они могут выполнять роль сопровождающего, который двигается с корзинами за подборщиком и в любой момент может отбыть в зону комплектовки, а на замену приедет новый, не давая подборщику уходить из зоны хранения. Этот вариант мне кажется интересным, тем более свежие новости гласят, что DHL массово внедряет таких роботов у себя на складах.
На нем применяется та же технология беспилотности, но появляется ряд усложнений. Во-первых, под паллеты нужно заезжать, а значит, они должны быть идеальными с точки зрения кривизны, а это сложновато в российских реалиях. Во-вторых, паллеты нужно поднимать на стеллажи и очень точно ставить, нужна филигранность, чего пока нет у таких роботов. В-третьих, сам груз на паллете должен быть очень правильно и ровно расставлен. В такой сценарий я верю слабо, но беспилотные погрузчики остаются моим фаворитом. Их можно применять для перемещения паллет между зонами, например, с приемки до зоны хранения. Очевидно, это сократит время сотрудника на доставке. Цена такого робота приближается к 5 млн руб. Но мы уже конструируем промежуточный вариант, в котором долгий и ненадежный процесс калибровки при захвате паллеты будет на стороне человека. То есть человек будет иметь возможность сам поднять паллету, нажать место, куда нужно доставить, а сам продолжит выгрузку машины. Еще один плюс такого промежуточного сценария в том, что не нужно интегрировать робота с WMS системой.
В следующей статье расскажу как раз об этом: что такое RCS (robot control system) и как роботы получают задания из WMS.