Chia sẻ bài báo qua Email MỘT TIẾP CẬN TRÁNH VẬT CẢN CHO ROBOT AMR TRONG TỰ ĐỘNG HÓA NHÀ KHO
Thông tin bài báo
Ngày nhận bài: 05/12/22 Ngày hoàn thiện: 26/12/22 Ngày đăng: 26/12/22Các tác giả
1. Nông Minh Ngọc
, Đại học Thái Nguyên2. Đỗ Năng Toàn, Viện Công nghệ thông tin - Viện Hàn lâm KH và CN Việt Nam
3. Vũ Vinh Quang, Trường Đại học Công nghệ thông tin và Truyền thông - ĐH Thái Nguyên
4. Ngô Ngọc Vũ, Trường Đại học Kỹ thuật Công nghiệp - ĐH Thái Nguyên
Tóm tắt
Hiện nay, các mô hình tự động được ra đời để khắc phục tất cả những rủi ro không đáng có của những mô hình truyền thống và trong chuỗi cung ứng, tự động hóa kho hàng ra đời đã đem lại hiệu quả rất lớn trong công tác quản lý kho. Bài báo này tiếp cận phương pháp tránh vật cản cho robot tự hành AMR ứng dụng trong tự động hóa nhà kho (warehous automation) được đề xuất dựa trên tính toán xác suất va chạm có thể xảy ra giữa robot và các đối tượng khi robot di chuyển trong quỹ đạo cho trước cũng như quỹ đạo điều chỉnh theo thời gian thực. Việc tính toán xác suất là cơ sở cho robot ra quyết định cho robot lựa chọn vùng an toàn để di chuyển xuyên qua và tránh chướng ngại vật. Phương pháp tránh vật cản dựa trên phân bổ phần bù xác suất được đề xuất, kết quả tính toán xác suất và thuật toán tìm đường cho robot được thử nghiệm và mô phỏng.
Từ khóa
Toàn văn:
PDFTài liệu tham khảo
[1] A. Jenkins, “Warehouse Automation Explained: Types, Benefits & Best Practices,” December 10, 2020. [Online]. Available: https://www.netsuite.com/portal/resource/articles/inventory-management/warehouse-automation.shtml. [Accessed November 30, 2022].
[2] W. Sven and H. G. Eric, “Chapter 3 - Smart warehouses- a sociotechnical perspective,” in The Digital Supply Chain, Elsevier, 2022, pp. 47-60, doi: 10.1016/B978-0-323-91614-1.00003-4.
[3] F. Giuseppe, R. D. Kosterb, S. Fabio, and O. S. Jan, “Planning and control of autonomous mobile robots for intralogistics: Literature review and research agenda,” European Journal of Operational Research, vol. 294, no. 2, pp. 405-426, 2021.
[4] L. Guo, Q. Yang, and W. Yan, “Intelligent pathplanning for automated guided vehicles system based on topological map,” in IEEE Conference on Control, Systems Industrial Informatics, 2012, pp. 69–74.
[5] M. Liu, H. Ma, J. Li, and S. Koenig, “Task and path planning for multi-agent pickup and delivery,” in Proceedings of the International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS), 2019, pp. 1152-1160.
[6] Y. Chen, Y. Wu, and H. Xing, “A complete solution for agv slam integrated with navigation in modern warehouse environment,” in Chinese Automation Congress (CAC), 2017, pp. 6418–6423.
[7] J. Li, M. Ran, H. Wang, and L. Xie, “Mpcbased unified trajectory planning and tracking control approach for automated guided vehicles,” in IEEE 15th International Conference on Control and Automation (ICCA), 2019, pp. 374–380.
[8] H. Xu, Z. Yu, X. Lu, S. Wang, S. Li, and S. Wang, “Model predictive control-based path tracking control for automatic guided vehicles,” in 4th CAA International Conference on Vehicular Control and Intelligence (CVCI), 2020, pp. 627–632.
[9] S. Ishihara, M. Kanai, R. Narikawa, and T. Ohtsuka, “A Proposal of Path Planning for Robots in Warehouses by Model Predictive Control without Using Global Paths,” IFAC Papers OnLine, vol. 55, no. 37, pp. 573–578, 2022.
[10] S. Kockara, T. Halic, and K. Iqbal. “Collision Detection: A Survey,” in IEEE International Conference on Systems, Man and Cybernetics, 2007, doi: 10.1109/ICSMC.2007.4414258
[11] D. Eberly, “Dynamic Collision Detection using Oriented Bounding Boxes,” 1999. [Online]. Available: http://www.geometrictools.com. [Accessed November 30, 2022].
[12] Y. Hu, A. Zhang, W. Tian, J. Zhang, and Z. Hou, “Multi-ship collision avoidance decision-making based on collision risk index,” in MSC 101/5/5, Interim Guidelines for MASS Trials, International Maritime Organization (IMO), London, U.K, 2020.
[13] D.-H. Kim, S.-U. Lee, J.-H. Nam, and Y. Furukawa, “Determination of ship collision avoidance path using deep deterministic policy gradient algorithm,” J. Soc. Naval Arch.Kor., vol. 56, no. 1, pp. 58-65, 2019.
[14] S. Armin, “Predictive Probability Based Collision Avoidance for Unmanned Aerial Vehicles,” Technical Report, 2019, doi: 10.13140/RG.2.2.15632.97283.
[15] D. Chen, C. Dai, X. Wan, and J. Mou, “A research on AIS-based embedded system for ship collision avoidance,” in International Conference on Transportation Information and Safety (ICTIS), 2015, pp. 512-517.
[16] N. Son, I. Gong, S. Kim, and C. Lee, “Study on the estimation of collision risk of ship in ship handling simulator using fuzzy algorithm and environmental stress model,” J. Kor. Inst. Navig. Port Res. Kor. Inst. Navig. Port Res., vol. 33, no. 1, pp. 43-50, 2009.
[17] H. Namgung, “Inference rule of collision risk index based on ship near collision via adaptive neuro fuzzy inference system,” Adv. Sci. Technol. Eng. Syst. J., vol. 4, no. 4, pp. 152-160, 2019.
[18] C. Fulgenzi, A. Spalanzani, and C. Laugier, “Combining probabilistic velocity obstacles and occupancy grid for safe navigation in dynamic environments,” in Workshop on safe Navigation, IEEE ICRA, Rome, Italy, 2007.
[19] J. H. Kim, S. W. Lee, and E. S. Jin, “Collision avoidance based on predictive probability using Kalman filter,” InternationalJournalofNavalArchitectureandOceanEngineering,vol. 14, 2022, Art. no.100438.
DOI: https://doi.org/10.34238/tnu-jst.7049
Các bài báo tham chiếu
- Hiện tại không có bài báo tham chiếu