Starkov一直是基于BIM的数字双胞胎开发的先驱,与领先的设施所有者和建筑商合作,确保新建筑提供了适当质量的BIM,并将BIM与其他设施信息系统集成在一起以创建数字双胞胎。因此,斯塔尔科夫在成功部署数字双胞胎的方式上实现了两个重大障碍:现有设施的BIM可用性以及与现有人类驱动的工作流部署数字双胞胎的能力。
动态环境中的抽象运动计划是一项具有挑战性的机器人任务,需要避免碰撞和实时计算。最新的在线方法作为速度障碍(VO)保证安全的本地计划,而基于强化学习或图形离散化的全球计划方法在计算上效率低下或不可证明是碰撞的安全性。在本文中,我们将蒙特卡洛树搜索(MCT)与VO结合起来,以修剪不安全的动作(即相撞速度)。以这种方式,即使在非常大的动作空间(60个动作)中,我们可以进行极少的MCT模拟计划,比使用许多模拟的纯MCT获得更高的累积奖励和更低的计算时间。此外,由于与VO的动作修剪,我们的方法可以保证避免碰撞,而纯MCT则没有。在本文中铺平了在实际机器人和多代理分散运动计划上计划MCT计划的道路。
第二章 相关文献 9 2.1 机器人故障与定性评估研究 10 2.1.1 多数据源机器人机械手故障分析 11 2.1.2 单数据源移动机器人可靠性研究 13 2.1.3 用于 USAR 的移动机器人定性评估 14 2.2 故障分析方法 15 2.2.1 故障表征与分类 16 2.2.2 可靠性验证方法 18 2.3 容错系统 21 2.3.1 基于模型的容错系统 21 2.3.2 混合容错系统 23 2.3.3 基于专家系统的容错系统 24 2.3.4 以数据中心为中心容错系统 24 2.3.5 自主计算中的容错 25 2.4 总结 28
塔林技术大学机械与工业工程系,Ehitajate Tee 5,19086 Tallinn,Estonia,Estonia于2024年2月7日获得,于2024年3月8日接受,在线获得,2024年4月2日在线获得©2024年作者。这是根据创意共享归因的条款和条件分发的一份开放访问文章4.0国际许可CC(http://creativecommons.org/licenses/4.0)。摘要。数字解决方案对于制造公司在全球市场上提高其生产率,有效性和竞争力而变得越来越重要,这需要低价,高质量和快速交付时间。为了提高生产效率,还必须通过数字化和自动化这些过程来优化生产层中的运输活动。许多公司已经使用或计划使用自动移动机器人(AMR)更有效地管理生产物流。物联网(IoT)的快速开发以及AMR的高级硬件和软件使它们可以在动态环境中执行自主任务,在该环境中,它们可以与其他资源(例如机器和系统)进行交流并独立协调,从而分散了制造过程的决策步骤。分散的决策使制造系统能够动态适应系统状态和环境的变化。这种发展影响了传统的计划和控制方法以及决策过程,但它们还要求软件和嵌入式人工智能(AI)算法更有能力执行这些决策。在这项研究中,我们描述了如何使用3D虚拟工厂概念将具有AI功能的AMR系统整合到食品行业的生产后勤中。本文提出了一种方法,可以根据3D布局的创建和模拟,关键绩效指标(KPI)的监视以及AI在生产计划中主动决策中使用AMR在制造工厂地面运输中的性能。对食品行业的案例研究证明了拟议方法的相关性和可行性。关键字:自动移动机器人,生产物流,物联网,虚拟工厂,人工智能。
•从定义上讲,传感器是为感测物理现象而产生输出信号的设备。•通过使用传感器,机器人可以感知环境,不仅涵盖其外观,例如到物体的距离,还可以覆盖其自己的组件(即内部),例如电动机速度。•从使用的角度来看,机器人使用的传感器可以分为两类:本体感受和外部感受传感器。•当前的现成传感器可以根据其作用形式(类似于电气组件)将被动类型分为被动类型。
摘要自动移动机器人(AMR)之间的合作,包括无人驾驶汽车(UAV),无人接地车辆(UGV)和/或无人的地表车辆(USV),可以显着增强其功能,使它们能够解决超出个人机器人的更复杂的任务。但是,为了充分利用这种合作,对所交换信息的综合理解(以语义互操作性为止)至关重要。实现这些机器人之间的语义互操作性需要深入了解相关信息及其基本结构。为了应对这一挑战,本文介绍了专门为AMR开发的平台和与技术无关的信息模型。该模型旨在通过确保语义互操作能力的方式构建信息来促进协作。本文概述了模型的开发过程,从相关科学文献的信息结构化结构化开始,从而产生了代表AMR域内知识和语义的基础框架。通过涉及多个AMR的用例证明了信息模型的实际应用。此外,本文还提供了有关所采用方法论的见解,强调了系统文献评论的重要性,并与从业人员合作以完善和验证模型。它还讨论了理论和实际含义,解决了研究过程中遇到的潜在局限性。