第一章

关于自主移动机器人技术

智能工厂的概念包括自主移动机器人(AMRs)，用于执行重复任务，如在大型仓库设施中查找、分类和移动包裹。这些机器人减少了员工在仓库内走动的需要，增加了一小时内挑选的订单数量。

在AMRs开发之前，自动地面车辆(agv)使用白线和磁带等引导方法在受限空间中使用。在感知、运动规划和控制方面的进步使AMRs能够感知环境、检测障碍并做出从一个地方移动到另一个地方的决定。这些发展显著地扩大了AMR解决方案的应用范围。

这本电子书讨论了AMR技术和开发挑战，以及如何使用MATLAB^®和仿真软件^®设计、模拟和部署AMR算法。

自主移动机器人应用实例

amr用于汽车、工业自动化和消费电子等行业。用于开发AMRs的技术也适用于许多其他无人地面车辆(ugv)，以及自动驾驶车辆。AMR和AGV的应用包括:

• 先进的驾驶辅助系统/自动驾驶
• 清洁机器人
• 草坪修剪的机器人
• 工厂和生产线的自主操作
• 使用漫游车进行太空探索
• 使用服务机器人的护理
• 使用服务机器人进行安全巡逻

自主移动机器人系统如何工作

自主移动机器人(AMRs)使用复杂算法的组合进行操作，包括目标检测、态势感知、决策和车辆控制。这些算法在闭环反馈系统中紧密耦合，约束系统行为。

传统的移动机器人

在引入自主能力之前，移动机器人需要视觉监控，因为它们的自我引导操作能力有限。这些传统的移动机器人仍然在某些应用中使用，通常具有以下特点:

• 单回路同步处理
• 实时操作
• 基于一维时间序列信号的传感器响应
• 有限数量的执行器，有时只有一个

自主移动机器人的挑战

AMR技术必须能够管理人类在传统系统中执行的认知判断的复杂性。例如，AMR所需的高级障碍检测和规避能力需要多学科技术的结合，如目标识别的深度学习、激光雷达点云处理、传感器融合的障碍跟踪、同步定位和测绘(SLAM)的地图生成、路径规划和路径跟踪控制。

由于这些复杂性，AMR开发面临以下技术挑战:

• 跨多个领域的技术集成，如图像处理、运动规划和控制
• 多个传感器和执行器组合需要坐标转换
• 高分辨率和多维传感器处理(分布式和并行)
• 时间同步和传感器融合，包括混合同步和异步处理，以适应不同的传感器和执行器速率

基于MATLAB和Simulink的自主移动机器人开发

MATLAB和Simulink是可用于设计、模拟和部署AMR系统的开发和验证平台。使用MATLAB和Simulink的好处包括:

• 多域技术可以在单个平台上处理
• 复杂的传感器和执行器处理可以灵活描述
• 高分辨率、多维的传感器处理可以通过多核CPU或GPU并行化

在接下来的章节中，您将学习如何使用MATLAB、Simulink和相关工具箱来开发amr。