工业机器人之舞：自主移动机器人改变未来

April 7, 2024

Fanny Hu

发布于2024-04-08

在数字化时代，机器人已经不再是科幻小说中的幻想，而是我们现实生活中随处可见的一部分。特别是AMR的发展引人瞩目。

在大型仓储中心，机器人们在货架之间穿梭，安静、精准地将货物送至指定地点；在医院走廊，机器人帮助报道、取药、指引方向；在家里，清洁机器人们勤勤恳恳地打扫每一个角落……自主移动机器人的身影随处可见，它们以前所未有的方式改变着我们的生活。

那么，AMR是如何发展起来的？又是如何实现自主导航和智能决策的呢？为了解答这些问题，笔者采访了机器人研发专家、UBTech的高级产品经理Sotirios Stasinopoulos，让他向我们介绍AMR的奇妙世界。

从 AGV 向 AMR 的演进

自主移动机器的发展可以追溯到20世纪中期，最早体现在无线电制导的巡航导弹和工厂中使用的自动化机械臂等设备上。1953年，美国Barrett Electric公司成功研发了第一个牵引式小车系统（AGV），用于工业生产线上的自动物料运输，被视为自主移动机器人的雏形。随着计算机视觉、传感器和机器学习等技术的不断进步，现代自主移动机器人在21世纪开始展现出强大的能力。相较于过去的自主移动机器，AMR最大的特点在于能够表现出类似人类的思考和反应能力，不再受限于固定路径，而是能够在动态环境中通过感知和决策来执行任务。这种自主性使得AMR在各个领域展现出巨大的应用潜力，并已成为智能化生产中不可或缺的重要组成部分。

AGV vs AMR

Sotirios 指出，AGV和AMR虽然在广义上都被认为是自动移动机器人，但在技术原理和应用范围上存在显著差异：

导航方式：AGV通常以磁带、线缆或激光等方式导航，行动受限于预置的路径和环境；而AMR则通过自主感知和定位技术实时导航，可以自由灵活地适应不同的环境和任务。
环境互动：AGV的适应性较低，一旦环境发生变化或路径被阻塞，就需要人工干预或重新规划路径；而AMR更具自适应性，能够跟环境进行更灵活和智能的互动，实时调整行动策略和操控以适应环境变化。
部署成本：AGV通常需要额外的设施改造和固定导轨的铺设，成本较高且部署周期长；而AMR无需额外基础设施投入，部署更加灵活和经济高效。

AMR和AGV的区别，图源：https://hy-tek.com/resources/whats-the-difference-between-amr-and-agv/

AMR的研发和应用对于人类的日常生产生活具有重要的意义。首先，AMR通过自主感知和应对环境变化，可以在工厂、仓储和物流等领域灵活执行各种任务，从而提高生产效率和灵活性。其次，相比传统的固定导轨系统，AMR能够更有效地降低投资成本和风险，其避障能力能够提升工作场所的安全性和可靠性。此外，随着消费者对个性化定制的需求不断增加，AMR可以灵活适应不同的生产需求和订单变化。因此，随着技术的进步和市场需求的增长，AMR正逐渐取代传统的AGV，成为自动化生产、物流和日常服务领域的主流选择。

相较于AGV， AMR也更符合未来多机器人协同调度/多机协同问题（既在调度协同层面要实现合理组合，同步控制等功能，既能独立执行任务，也能任意组合协同执行任务）的应用需求。

随着数字技术的深入发展以及AI技术与AMR技术的结合也将带来该领域新的进步，如智能算法调度技术、大数据挖掘技术、数字孪生技术等正在进一步为AMR赋能。

AMR的多领域应用

经过了几十年的技术迭代，如今AMR的定义和应用范围已经不再只局限于工厂中的轮式机器人，还包括可以在各种环境中移动并与环境互动的自主机器人。在生产方面，AMR被广泛应用于工业生产、仓储、和物流等领域，为企业提供了高效、灵活的自动化解决方案。在日常生活领域，AMR也在家居、医疗等方向为人们提供更便利的服务和更舒适的生活体验。

物流仓储

AMR在物流领域的应用日益普及，常用于货物分拣、打包和配送。例如，DHL等物流公司已经开始在其配送中心使用AMR进行包裹的自动分类和装载，以提高运输效率和减少人力成本。

早在2012年，电商巨头亚马逊就开始在仓储业务中部署AMR，当年它以7.75亿美元的高价收购了Kiva机器人，此后亚马逊基于Kiva陆续开发出第一个“完全自主”的移动机器人Proteus，以及重型包裹移动机器人Cardinal、Hercules、Titan等。截至目前，在美国的仓储工厂中，亚马逊已部署超过75万台仓库机器人与员工协同工作，大大提高了仓储管理效率。

图源：亚马逊官方

工业生产

在汽车制造厂，AMR则可用于生产线的无人化装配和生产。2021年，特斯拉的创始人埃隆·马斯克在特斯拉AI日上首次提出了“特斯拉人形机器人”（Tesla Bot）的概念，该机器拥有人类般的身高和体型，并配备视觉、听觉、语音识别等多种传感器和人工智能技术，被认为是AMR的一种未来形态。特斯拉的人形机器人将首先用于特斯拉汽车制造工厂，代替人类工人执行如搬运重物、组装部件和检测质量等一些繁重、危险或单调的任务。通过与特斯拉的自动化生产线集成，实现与机器人车辆、机械臂和其他自动化设备的协同工作。在特斯拉的远期规划中这种人形机器人还可用于协助人类生活和提供服务等。

图片来自特斯拉官方Youtube

日常生活

在家居环境中，AMR被用于各种清洁和家务之中。例如，近年来家用清洁机器人快速普及，iRobot、小米、石头等品牌的相关产品已经进入了千家万户。这些机器人通过激光雷达、摄像头和传感器等感知周围环境，自主规划清洁路径，并具备避障和自动充电等功能，能够灵活适应不同的家庭布局和地面情况。

在医疗领域，AMR正在重构医院和护理机构的运营方式。例如，一些医院引入了自动运送药品、医疗器械和样本的AMR，减少了人工搬运，提高了药品分发的准确性和速度。此外，AMR还可用于医院内部的清洁和消毒工作，比如自动消毒机器人可以在医院定期消毒，保障患者和医护人员的安全。

在商务场所，AMR也被广泛应用于办公楼、商场和酒店等场景，提供了更智能化、高效的服务。例如，在商场和办公楼中，AMR可以用于物品搬运和快递送达等任务，提高了服务效率。一些酒店引入AMR用于客房服务、客户接待、送餐、行李搬运和问询导航等。

关键技术及挑战

AMR的自动和智能运转依赖于多个技术环节的整合，包括感知融合与多模态、控制与路径规划、智能决策与学习、通信与联网、安全与可靠性验证等。Sotirios认为，AMR目前最关键的技术在于实现对环境的智能感知和决策。目前有三类技术对进一步提升AMR该能力至关重要：

传感器：传感器是AMR实现自主感知和理解环境的关键工具，也是自主导航的基础。常见传感器包括激光雷达、摄像头、超声波传感器、惯性测量单元（IMU）等，它们采集周围环境信息，实现对环境的数字化解析，为AMR提供实时数据用于决策和路径规划，以及适应和灵活应对不同环境和任务。
计算机视觉：基于计算机视觉算法，RPU分析、识别和分类传感器返回的图像数据，帮助AMR感知和理解周围环境中的物体、结构和场景。视觉信息帮助机器人确定位置并规划最优路径，实现高效移动、导航和避障。
SLAM：SLAM（Simultaneous Localization and Mapping）技术是AMR实现自主定位和地图构建的核心难点，解决机器人在未知环境中自主导航问题。SLAM技术最早用于军事领域，让机器人实时更新坐标和地图，在动态环境和快速变化场景下适用。机器人无需外部引导即可构建地图，通过融合多种传感器数据提高定位和地图构建精度，减少误差累积。SLAM的技术具有以下特性：

实时性，即SLAM算法能够在机器人移动过程中实时更新坐标和地图，适用于动态环境和快速变化的场景。
自主性，即机器人不需要外部引导或先验知识即可实现地图构建。
精度与鲁棒性，通过融合如激光雷达、视觉、惯性传感器等多种传感器数据，提高定位和地图构建精度和减少误差累积的影响。

SLAM的处理流程，图源：https://www.mathworks.com/discovery/slam.html

AMR面临的技术挑战

硬件：制造成本、计算成本与续航

AMR的制造成本直接影响了其大规模应用。目前，传感器、处理器、电池等硬件组件成本仍然较高，降低硬件成本是当务之急，需要有更加经济高效的硬件解决方案，以提高AMR的性价比和竞争力。

AMR需要进行复杂的环境感知、路径规划和智能决策，特别是在大规模环境和实时应用中，这要求AMR具备强大的算力、更大的模型，也意味着更高的计算成本以及硬件（如CPU和GPU）成本，为了解决计算资源不足的问题，可能的解决方案包括采用更高效的算法和优化技术、设计专用硬件加速器、以及利用云计算等方式来分担计算负载等。

此外，AMR的续航能力直接影响了其在实际应用中的工作表现。然而，目前的电池技术仍然存在能量密度低、充放电速度慢、寿命短等问题，导致AMR的续航能力有限。因此，提高电池技术、优化能量管理和降低能耗是提高AMR续航能力的关键。

软件：环境识别精度、智能化和实时响应

AMR需要准确感知环境，以确保安全导航、避障和任务执行。然而，当前环境识别算法可能存在精度问题，影响机器人在复杂环境中的感知能力。传感器数据可能受到光线变化和遮挡等干扰，影响准确性。提高环境识别算法精度是软件面临的重要挑战之一。

随着AI技术发展，AMR需要不断演进，实现在复杂环境中自主决策和行动。例如，执行任务时，机器人需理解任务、规划路径并完成动作。现有智能算法和决策模型存在局限性，仍需人工干预。AMR的自主决策能力有待提升，需要更智能、灵活的算法和控制策略。

在动态环境中，AMR需要做到实时感知和响应，确保安全高效地执行任务。然而，当前的软件系统可能存在计算延迟和响应速度不足的问题。不同领域和应用场景对AMR需求不同，有些需要高精度定位和环境感知，有些需要高灵活性和适应性。因此，设计通用性强、可定制度高的AMR系统成为重要研究方向，以满足多样化需求、实现协作和集群智能。

代表公司与发展趋势

经过了20多年的发展，AMR领域已经涌现了许多代表性公司，它们在不同领域展示了各种用例和技术。比如在人型机器人领域，美国的特斯拉、1X Technologies、Boston Dynamics、Agility Robotics；中国的智元机器人、优必选、傅利叶智能、小米等。在服务类移动机器人领域，iRobot、科沃斯、石头科技、云鲸等公司的产品目前也已经走入了千家万户。

图源：Nextmsc

Nextmsc的最新研究报告显示，2023年全球AMR的市场规模约为12.4亿美元，预计2030年将达到31.3亿美元，年复合增长率高达13.4%。随着AI、SLAM等技术的突破，未来的AMR将更加智能、灵活，并更广泛地应用在农业、零售和家庭服务等领域。AMR也将变得更加高效和可靠，为人类带来更多的便利和福祉。

参考文献

作者简介

Daisy Zhang 是一名资深科技记者和编辑。曾在硅谷多家媒体但任科技记者职务，长期追踪中国以及北美地区的科技动态，曾独立采访大量斯坦福大学、伯克利大学教授，创业公司CEO、风险投资人等，撰写多篇影响力超过百万级别的科技类文章。同时创立华谷君一管理咨询公司，持续为包括成都、北京等地的中国地方政府提供产业研究咨询服务。