第 1 章

关于自主移动机器人技术

智能工厂的概念涉及部署自主移动机器人 (AMR) 来执行重复任务，例如在大型仓储设施内寻找、分类和移动包裹。这些机器人可以减少员工在仓储设施内来回不停走动的需要，同时可以增加单位小时内的拣货订单数量。

在 AMR 开发出来之前，自动导引车 (AGV) 通过白线和磁带等引导方法，在有条件限制的有限空间内使用。得益于感知、运动规划和控制领域的发展，AMR 能够感知环境、检测障碍并作出两个位置之间的移动决策。这些发展大大拓宽了 AMR 解决方案的应用范围。

本电子书将探讨 AMR 技术及其面临的发展挑战，以及如何使用 MATLAB^® 和 Simulink^® 来设计、仿真和部署 AMR 算法。

自主移动机器人应用示例

AMR 目前主要用于汽车、工业自动化和消费电子等行业。用于开发 AMR 的技术也适用于许多其他无人地面交通工具 (UGV) 和自动驾驶车辆。AMR 和 AGV 应用包括：

• 高级驾驶辅助系统/自动驾驶
• 扫地机器人
• 割草机器人
• 工厂和生产线上的自主作业
• 使用火星车进行空间探索
• 使用服务机器人进行患者护理
• 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(AMR) 的运行依托于一系列复杂算法，涉及目标检测、态势感知、决策和车辆控制等功能。这些算法紧密耦合在一个可约束系统行为的闭环反馈系统中。

传统移动机器人

引入自主功能之前，移动机器人需要视觉监控，因为它们只具备有限的自我引导作业能力。这类传统移动机器人目前仍在某些应用场景中使用，通常具有以下特点：

• 单回路同步处理
• 实时作业
• 传感器基于一维时间序列信号做出响应
• 作动器数量有限，有时只有一个

自主移动机器人面临的挑战

AMR 技术必须有能力进行复杂的认知判断，起到人类在传统系统中发挥的作用。例如，AMR 所需的高级障碍检测和规避功能需要结合多学科技术，包括通过深度学习进行目标识别、激光雷达点云处理、通过传感器融合进行障碍跟踪、通过同步定位与地图构建 (SLAM) 生成地图、路径规划和路径跟踪控制。

由于这些复杂性，AMR 开发面临以下诸多技术挑战：

• 多领域技术集成，如图像处理、运动规划和控制
• 多传感器和作动器组合，要求坐标变换
• 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作动器速率

使用 MATLAB 和 Simulink 开发自主移动机器人

MATLAB 和 Simulink 提供了设计、仿真和部署 AMR 系统的开发和验证平台。借助 MATLAB 和 Simulink，您可以：

• 在同一平台上处理多领域技术
• 灵活描述复杂的传感器和作动器处理
• 在多核 CPU 或 GPU 上进行高分辨率、多维传感器并行处理

在后面的章节中，您将了解如何使用 MATLAB、Simulink 以及相关工具箱开发 AMR。