CN111723981A - 一种基于多条件约束的叉车式agv最优路径规划方法 - Google Patents

一种基于多条件约束的叉车式agv最优路径规划方法 Download PDF

Info

Publication number
CN111723981A
CN111723981A CN202010515914.7A CN202010515914A CN111723981A CN 111723981 A CN111723981 A CN 111723981A CN 202010515914 A CN202010515914 A CN 202010515914A CN 111723981 A CN111723981 A CN 111723981A
Authority
CN
China
Prior art keywords
path
node number
condition
passable
current node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010515914.7A
Other languages
English (en)
Other versions
CN111723981B (zh
Inventor
姜跃君
徐伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ange Smart Technology Shanghai Co ltd
Original Assignee
Anhui Yiousi Logistics Robot Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui Yiousi Logistics Robot Co ltd filed Critical Anhui Yiousi Logistics Robot Co ltd
Priority to CN202010515914.7A priority Critical patent/CN111723981B/zh
Publication of CN111723981A publication Critical patent/CN111723981A/zh
Application granted granted Critical
Publication of CN111723981B publication Critical patent/CN111723981B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Forklifts And Lifting Vehicles (AREA)

Abstract

本发明涉及AGV路径规划，具体涉及一种基于多条件约束的叉车式AGV最优路径规划方法，输入起点s的位姿(xs,ys,as)、终端终点t的位姿(xt,yt,at)以及相关数据实体，遍历当前节点的下一个临点c，并判断临点c是否符合搜索路径判定条件，若符合搜索路径判定条件，则将临点c计入当前节点数，否则进入S2，判断计入当前节点数的临点c是否为终点t，若临点c不是终点t，则将起点s变更为临点c，并判断当前节点数是否小于最小节点数，若当前节点数小于最小节点数，则进入S2，否则返回上层搜索；本发明提供的技术方案能够有效克服现有技术所存在的无法有效帮助儿童养成良好行为习惯的缺陷。

Description

一种基于多条件约束的叉车式AGV最优路径规划方法
技术领域
本发明涉及AGV路径规划，具体涉及一种基于多条件约束的叉车式AGV最优路径规划方法。
背景技术
在各种类型的AGV中，叉车式AGV最为特殊：一是在行程较长且全程无障碍的长直路线上要求正向行驶，并逐渐提至最高速度；二是取、放货时必须逆向行驶低速行驶；三是车体本身不能原地打转，而是以慢速且不低于0.5米的半径弧线行驶；四是为完成取、放货任务必须倒车至特殊站点完成车身转向。因此，要为叉车式AGV规划最优路径相当困难，主要难点在于：
1、需要一种便于进行高效搜索的数据存储模型。由于不是普通AGV棋盘式的运动空间，所以不能采用简单的点阵式站点集合作为数据存储模型；
2、所有具备连通性的站点组成有向网络，但在有向网络中利用深度优先搜索(DFS)或广度优先搜索(BFS)得到的结果，即使是最优路径，但是由于没考虑车身转向所需的站点，因此不适合叉车式AGV按此路径执行任务；
3、由于深度优先搜索(DFS)或广度优先搜索(BFS)得到的路径有多条，但仍不能以行程最短的作为最优路径，因为还要考虑车体转弯、倒车需降速带来的总体效能损失。
上述三方面问题，严重影响了叉车式AGV调度算法的设计、实现与优化，迫使绝大部分叉车式AGV在实际工业应用时，采取极其保守的方案：人工预先设定“死”路径，执行“死”任务，完全摒弃了叉车式AGV的灵活性和调度算法的智能性。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了一种基于多条件约束的叉车式AGV最优路径规划方法，能够有效克服现有技术所存在的叉车式AGV无法机动灵活行驶的缺陷。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于多条件约束的叉车式AGV最优路径规划方法，包括以下步骤：
S1、输入起点s的位姿(xs,ys,as)、终端终点t的位姿(xt,yt,at)以及相关数据实体；
S2、遍历当前节点的下一个临点c，并判断临点c是否符合搜索路径判定条件；
S3、若符合搜索路径判定条件，则将临点c计入当前节点数，否则进入S2；
S4、判断计入当前节点数的临点c是否为终点t，若临点c不是终点t，则将起点s变更为临点c，并判断当前节点数是否小于最小节点数，若当前节点数小于最小节点数，则进入S2，否则返回上层搜索；
S5、若临点c为终点t，则搜索到一条路径，并判断当前节点数是否大于最小节点数，若当前节点数大于最小节点数，则进入S2，否则将当前节点数的值赋予最小节点数，并将该路径加入可通行路径表；
S6、当搜索不到路径时，评价函数对可通行路径表中的可通行路径进行评价，并输出最优路径。
优选地，所述相关数据实体包括按照有向图理论抽象的数据存储模型。
优选地，所述搜索路径判定条件包括空节点判断条件、硬锁定判断条件、存在性判断条件、相邻关系判断条件、线路宽度判断条件以及方位角判断条件。
优选地，所述评价函数依据以下评价规则输出最优路径：弧线行驶最少、后退次数最少、尽量规避关键路径、行驶距离短。
优选地，S5中将该路径加入可通行路径表的同时，可通行路径增数自增1。
优选地，S6中输出最优路径的同时，输出可通行路径表和可通行路径增数。
优选地，所述可通行路径增数为负值时表示错误，非负时表示可通行路径数量；
所述可通行路径表在可通行路径不小于1时有效，包含多组节点及对应前进方位的集合；
所述最优路径在可通行路径不小于1时有效，由评价函数计算得出。
优选地，S2中所述遍历当前节点的下一个临点c，其中隐含遍历结束自然返回上层搜索的结束条件。
优选地，S4中所述若临点c不是终点t，则将起点s变更为临点c，并判断当前节点数是否小于最小节点数，采用约束条件限制使得搜索多分支收敛。
优选地，S5中所述将当前节点数的值赋予最小节点数，采用约束条件限制使得搜索多分支收敛。
(三)有益效果
与现有技术相比，本发明所提供的一种基于多条件约束的叉车式AGV最优路径规划方法，具有以下有益效果：
1、应用场景自由度较大，通过对应用场景的电子地图中的节点数据进行增、删、改操作，即可实现任何地点的通行、禁行和路线扩展；
2、由于叉车式AGV执行取、放货任务均需要考虑方向性，因此进行最优路径规划时复杂度较高，但是经过不同层次的简化，即可为双向型AGV或无向型AGV最优路径规划方法；
3、路径搜索算法易于集成，本发明提供的搜索路径(Search_Path)的本质是在有向图理论中融入多条件约束的深度优先算法(DFS)，易于集成到各型AGV的车载控制系统和厂区级AGV任务控制系统中。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法流程示意图；
图2为本发明图1中搜索路径具体流程示意图；
图3为本发明中基于概念数据模型和实体关系转化成的物理数据模型示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种基于多条件约束的叉车式AGV最优路径规划方法，如图1和图2所示，包括以下步骤：
S1、输入起点s的位姿(xs,ys,as)、终端终点t的位姿(xt,yt,at)以及相关数据实体；
S2、遍历当前节点的下一个临点c，并判断临点c是否符合搜索路径判定条件；
S3、若符合搜索路径判定条件，则将临点c计入当前节点数，否则进入S2；
S4、判断计入当前节点数的临点c是否为终点t，若临点c不是终点t，则将起点s变更为临点c，并判断当前节点数是否小于最小节点数，若当前节点数小于最小节点数，则进入S2，否则返回上层搜索；
S5、若临点c为终点t，则搜索到一条路径，并判断当前节点数是否大于最小节点数，若当前节点数大于最小节点数，则进入S2，否则将当前节点数的值赋予最小节点数，并将该路径加入可通行路径表；
S6、当搜索不到路径时，评价函数对可通行路径表中的可通行路径进行评价，并输出最优路径。
将该路径加入可通行路径表的同时，可通行路径增数自增1，输出最优路径的同时，输出可通行路径表和可通行路径增数。
可通行路径增数为负值时表示错误，非负时表示可通行路径数量；可通行路径表在可通行路径不小于1时有效，包含多组节点及对应前进方位的集合；最优路径在可通行路径不小于1时有效，由评价函数计算得出。
S2中遍历当前节点的下一个临点c，其中隐含遍历结束自然返回上层搜索的结束条件。
S4中若临点c不是终点t，则将起点s变更为临点c，并判断当前节点数是否小于最小节点数，采用约束条件限制使得搜索多分支收敛；S5中将当前节点数的值赋予最小节点数，采用约束条件限制使得搜索多分支收敛。
相关数据实体包括按照有向图理论抽象的数据存储模型，具体包含节点信息、相邻信息、关键路径、站点信息。其中，节点(NODE)是有向图中的基本单元，用于物理存储和逻辑计算，具体如下：
Figure BDA0002530093270000051
Figure BDA0002530093270000061
有需要特别指定的相邻信息，详细说明如下表所示：
Figure BDA0002530093270000062
Figure BDA0002530093270000071
关键路径是为扩展锁定而设，主要包含一组有两两有相邻关系的节点表，具体如下：
Figure BDA0002530093270000072
Figure BDA0002530093270000081
扩展锁定就是车辆所在路径必须设定出口或/和入口，不能被其他车辆占用，这样的线路一般是单通道，如巷道、廊道等，一旦出口站点或入口站点被其他车辆占用，则该车不能出入。
关键路径的扩展锁定规则是：对于关键路径，仅锁定所需部分站点。例如，一条关键路径包含了1001，1002，……1020共20个站点，但AGV需要从该路径上的1004，1005，……1008经过，则仅可锁定这5个站点，不能锁定全部20个站点。
站点信息，对于有些特殊的有向图节点，必须根据实际用途，对某些节点分类并设置属性，具体如下：
Figure BDA0002530093270000082
Figure BDA0002530093270000091
概念数据模型(CDM)对实体关系(E-R)以图文形式进行了概要描述，结合前述，使之便于转化为物理数据模型(PDM)，如图3所示，基于概念数据模型，按关系型数据库设计基本规则，即可定义物理数据模型(PDM)。
搜索路径判定条件包括空节点判断条件、硬锁定判断条件、存在性判断条件、相邻关系判断条件、线路宽度判断条件以及方位角判断条件，具体如下表：
Figure BDA0002530093270000092
Figure BDA0002530093270000101
此外，可以根据实际场景添加或减少某些搜索路径判定条件，如某些路径穿过高度限制的门，则可加入“安全高度判断”这个判定条件；场地中所有节点无需考虑安全宽度，则可删除线路宽度判断条件。方位角判断条件，具体可根据AGV舵轮机械和电气特性进行测试，选定一个更合理的角度范围。
评价函数依据以下评价规则输出最优路径：弧线行驶最少、后退次数最少、尽量规避关键路径、行驶距离短。在搜索路径结束后，如果可通行路径表中的可通行路径多于1个，则必须考虑使用评价函数来选择最优路径。搜索出的路径由一系列的位姿和行驶方向(前进、后退)组成，而两个节点之间的线路可分为直线和弧线，因此总结评价规则如下：
Figure BDA0002530093270000102
Figure BDA0002530093270000111
以上4个评价项目按顺序优先级递减，并且可以根据实际需求，调整评价项目的优先顺序，甚至取消某个评价项目，以期对某型AGV更合理化。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于多条件约束的叉车式AGV最优路径规划方法，其特征在于：包括以下步骤：
S1、输入起点s的位姿(xs,ys,as)、终端终点t的位姿(xt,yt,at)以及相关数据实体；
S2、遍历当前节点的下一个临点c，并判断临点c是否符合搜索路径判定条件；
S3、若符合搜索路径判定条件，则将临点c计入当前节点数，否则进入S2；
S4、判断计入当前节点数的临点c是否为终点t，若临点c不是终点t，则将起点s变更为临点c，并判断当前节点数是否小于最小节点数，若当前节点数小于最小节点数，则进入S2，否则返回上层搜索；
S5、若临点c为终点t，则搜索到一条路径，并判断当前节点数是否大于最小节点数，若当前节点数大于最小节点数，则进入S2，否则将当前节点数的值赋予最小节点数，并将该路径加入可通行路径表；
S6、当搜索不到路径时，评价函数对可通行路径表中的可通行路径进行评价，并输出最优路径。
2.根据权利要求1所述的基于多条件约束的叉车式AGV最优路径规划方法，其特征在于：所述相关数据实体包括按照有向图理论抽象的数据存储模型。
3.根据权利要求1所述的基于多条件约束的叉车式AGV最优路径规划方法，其特征在于：所述搜索路径判定条件包括空节点判断条件、硬锁定判断条件、存在性判断条件、相邻关系判断条件、线路宽度判断条件以及方位角判断条件。
4.根据权利要求1所述的基于多条件约束的叉车式AGV最优路径规划方法，其特征在于：所述评价函数依据以下评价规则输出最优路径：弧线行驶最少、后退次数最少、尽量规避关键路径、行驶距离短。
5.根据权利要求1所述的基于多条件约束的叉车式AGV最优路径规划方法，其特征在于：S5中将该路径加入可通行路径表的同时，可通行路径增数自增1。
6.根据权利要求5所述的基于多条件约束的叉车式AGV最优路径规划方法，其特征在于：S6中输出最优路径的同时，输出可通行路径表和可通行路径增数。
7.根据权利要求6所述的基于多条件约束的叉车式AGV最优路径规划方法，其特征在于：所述可通行路径增数为负值时表示错误，非负时表示可通行路径数量；
所述可通行路径表在可通行路径不小于1时有效，包含多组节点及对应前进方位的集合；
所述最优路径在可通行路径不小于1时有效，由评价函数计算得出。
8.根据权利要求1所述的基于多条件约束的叉车式AGV最优路径规划方法，其特征在于：S2中所述遍历当前节点的下一个临点c，其中隐含遍历结束自然返回上层搜索的结束条件。
9.根据权利要求1所述的基于多条件约束的叉车式AGV最优路径规划方法，其特征在于：S4中所述若临点c不是终点t，则将起点s变更为临点c，并判断当前节点数是否小于最小节点数，采用约束条件限制使得搜索多分支收敛。
10.根据权利要求1所述的基于多条件约束的叉车式AGV最优路径规划方法，其特征在于：S5中所述将当前节点数的值赋予最小节点数，采用约束条件限制使得搜索多分支收敛。
CN202010515914.7A 2020-06-09 2020-06-09 一种基于多条件约束的叉车式agv最优路径规划方法 Active CN111723981B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010515914.7A CN111723981B (zh) 2020-06-09 2020-06-09 一种基于多条件约束的叉车式agv最优路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010515914.7A CN111723981B (zh) 2020-06-09 2020-06-09 一种基于多条件约束的叉车式agv最优路径规划方法

Publications (2)

Publication Number Publication Date
CN111723981A true CN111723981A (zh) 2020-09-29
CN111723981B CN111723981B (zh) 2024-06-07

Family

ID=72566242

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010515914.7A Active CN111723981B (zh) 2020-06-09 2020-06-09 一种基于多条件约束的叉车式agv最优路径规划方法

Country Status (1)

Country Link
CN (1) CN111723981B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114148959A (zh) * 2021-12-13 2022-03-08 哈尔滨工业大学芜湖机器人产业技术研究院 一种激光叉车路径搜索方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09257503A (ja) * 1996-03-19 1997-10-03 Japan Radio Co Ltd 経路探索方法
JP2000136939A (ja) * 1998-11-02 2000-05-16 Fumio Mizoguchi 時間制限付き経路探索方法
JP2007257200A (ja) * 2006-03-22 2007-10-04 Toyota Motor Corp 移動体及びその制御方法
CN105955280A (zh) * 2016-07-19 2016-09-21 Tcl集团股份有限公司 移动机器人路径规划和避障方法及系统
CN110967015A (zh) * 2019-11-20 2020-04-07 中国人民解放军国防科技大学 一种路径规划方法及系统
CN111024088A (zh) * 2019-12-27 2020-04-17 芜湖哈特机器人产业技术研究院有限公司 一种激光叉车路径规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09257503A (ja) * 1996-03-19 1997-10-03 Japan Radio Co Ltd 経路探索方法
JP2000136939A (ja) * 1998-11-02 2000-05-16 Fumio Mizoguchi 時間制限付き経路探索方法
JP2007257200A (ja) * 2006-03-22 2007-10-04 Toyota Motor Corp 移動体及びその制御方法
CN105955280A (zh) * 2016-07-19 2016-09-21 Tcl集团股份有限公司 移动机器人路径规划和避障方法及系统
CN110967015A (zh) * 2019-11-20 2020-04-07 中国人民解放军国防科技大学 一种路径规划方法及系统
CN111024088A (zh) * 2019-12-27 2020-04-17 芜湖哈特机器人产业技术研究院有限公司 一种激光叉车路径规划方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHUNBAO WANG 等: "Path Planning of Automated Guided Vehicles Based on Improved A-Star Algorithm *", 《PROCEEDING OF THE 2015 IEEE INTERNATIONAL CONFERENCE ON INFORMATION AND AUTOMATION》, pages 2071 - 2076 *
卫珊 等: "A*算法的改进及其在AGV 路径规划中的应用", 《自动化仪表》, vol. 38, no. 11, pages 51 - 54 *
李擎 等: "两种改进的最优路径规划算法", 北京科技大学学报, vol. 27, no. 3, pages 367 - 370 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114148959A (zh) * 2021-12-13 2022-03-08 哈尔滨工业大学芜湖机器人产业技术研究院 一种激光叉车路径搜索方法

Also Published As

Publication number Publication date
CN111723981B (zh) 2024-06-07

Similar Documents

Publication Publication Date Title
CN112833905B (zh) 基于改进a*算法的分布式多agv无碰撞路径规划方法
CN108958285B (zh) 一种基于分解思想的高效多无人机协同航迹规划方法
CN112378408A (zh) 一种实现轮式移动机器人实时避障的路径规划方法
CN111532641B (zh) 仓储分拣中自动引导车的并行路径规划方法
CN111007862B (zh) 一种多agv协同工作的路径规划方法
CN111811514A (zh) 一种基于正六边形栅格跳点搜索算法的路径规划方法
CN108827311B (zh) 一种制造车间无人搬运系统路径规划方法
CN113515129B (zh) 一种基于边界查找的双向跳点搜索无人车路径规划方法
CN111289005A (zh) 一种基于a星优化算法的寻路方法
CN111024088B (zh) 一种激光叉车路径规划方法
Yi et al. Smooth path planning for autonomous parking system
CN113899383A (zh) 基于短路径的多车防死锁方法、系统、设备及存储介质
CN111723981A (zh) 一种基于多条件约束的叉车式agv最优路径规划方法
Wang et al. Research on AGV task path planning based on improved A* algorithm
Qi et al. Hierarchical motion planning for autonomous vehicles in unstructured dynamic environments
CN116414139B (zh) 基于A-Star算法的移动机器人复杂路径规划方法
Yang et al. A Smooth Jump Point Search Algorithm for Mobile Robots Path Planning Based on a Two‐Dimensional Grid Model
Fan et al. Research and implementation of multi-robot path planning based on genetic algorithm
Tang et al. A reference path guided rrt* method for the local path planning of UGVS
Zhang et al. An improved dynamic step size RRT algorithm in complex environments
Hu et al. Research on AGV path based on optimal planning
CN112764413B (zh) 一种机器人路径规划方法
CN113805592A (zh) 路径规划方法及系统
Sakcak et al. Using motion primitives to enforce vehicle motion constraints in sampling-based optimal planners
Arslan et al. The role of vertex consistency in sampling-based algorithms for optimal motion planning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Floor 15, building F4, phase II, innovation industrial park, 2800 innovation Avenue, high tech Zone, Hefei City, Anhui Province 230000

Applicant after: Anhui Ango robot Co.,Ltd.

Address before: Floor 15, building F4, phase II, innovation industrial park, 2800 innovation Avenue, high tech Zone, Hefei City, Anhui Province 230000

Applicant before: Anhui Yiousi Logistics Robot Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230714

Address after: 201100 Unit D, 8th Floor, Building 9, No. 2337, Gudai Road, Minhang District, Shanghai

Applicant after: Ange Smart Technology (Shanghai) Co.,Ltd.

Address before: Floor 15, building F4, phase II, innovation industrial park, 2800 innovation Avenue, high tech Zone, Hefei City, Anhui Province 230000

Applicant before: Anhui Ango robot Co.,Ltd.

GR01 Patent grant