CN114715581A - 一种智慧仓储物流方法及系统 - Google Patents
一种智慧仓储物流方法及系统 Download PDFInfo
- Publication number
- CN114715581A CN114715581A CN202210352199.9A CN202210352199A CN114715581A CN 114715581 A CN114715581 A CN 114715581A CN 202210352199 A CN202210352199 A CN 202210352199A CN 114715581 A CN114715581 A CN 114715581A
- Authority
- CN
- China
- Prior art keywords
- information
- obtaining
- area
- potential field
- picking
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000003860 storage Methods 0.000 claims abstract description 76
- 230000004888 barrier function Effects 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims description 28
- 230000001133 acceleration Effects 0.000 claims description 14
- 230000033001 locomotion Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 5
- 230000001846 repelling effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004091 panning Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
- B65G1/0485—Check-in, check-out devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
- B65G1/137—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed
- B65G1/1373—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed for fulfilling orders in warehouses
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种智慧仓储物流方法及系统，其中，所述方法包括：获得第一订单信息；获得第一、第二需求产品；获得第一、第二存储位置；获得仓储机器人的实时位置信息；构建第一仓储物流信息的三维定点网络模型；对三维定点网络模型进行构形空间的划分，获得第一障碍区域和第一自由区域；对第一障碍区域进行排斥势场的标记，获得第一模拟排斥势场，对第一自由区域进行吸引势场的标记，获得第一模拟吸引势场；将第一模拟排斥势场和第一模拟吸引势场发送至第一传感装置，生成第一智能规划路径；对第一仓储物流信息的产品进行分拣。解决了现有技术中的仓储物流机器人无法对障碍物进行智能躲避，进而无法生成最优移动路径的技术问题。
Description
技术领域
本发明涉及物流仓储技术领域，尤其涉及一种智慧仓储物流方法及系统。
背景技术
智慧仓储是一种仓储管理理念，是通过信息化、物联网、云计算和机电一体化共同实现的智慧物流，从而降低仓储成本、提高运营效率、提升仓储管理能力。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
由于现有技术中的仓储物流机器人无法对障碍物进行智能躲避，进而无法生成最优移动路径，使得物流仓储无法进行高效有序运转。
发明内容
本申请实施例通过提供一种智慧仓储物流方法及系统，解决了现有技术中的仓储物流机器人无法对障碍物进行智能躲避，进而无法生成最优移动路径的技术问题，通过获得仓储机器人的实时位置以及订单中显示的需要分拣的货物的具体位置，进而构建多维定点网络模型，同时基于目标要求对模型进行一定的构形空间划分，进而对划分的构形空间进行排斥和吸引的相反势场的标记，使得引力和斥力的合力作为机器人的加速力来控制机器人的运动方向，进而为机器人规划最优路径选择，通过在机器人分拣货物过程中实现智能避障，达到了在智能避障的同时生成最优规划路径，节约分拣时间，提升货物的分拣效率，进而实现了物流仓储的高效有序运转的技术效果。
本申请实施例提供了一种智慧仓储物流方法，其中，所述方法应用于智慧仓储物流系统，且所述系统与仓储机器人通信连接，所述方法还包括：获得第一用户的第一订单信息；将所述第一订单信息发送至所述仓储机器人，获得所述第一用户的第一需求产品和第二需求产品；基于所述智慧仓储物流系统，获得所述第一需求产品的第一存储位置和所述第二需求产品的第二存储位置；获得所述仓储机器人的实时位置信息；基于所述实时位置信息、所述第一存储位置以及所述第二存储位置，构建第一仓储物流信息的三维定点网络模型；对所述三维定点网络模型进行构形空间的划分，获得第一障碍区域和第一自由区域；对所述第一障碍区域进行排斥势场的标记，获得第一模拟排斥势场，对所述第一自由区域进行吸引势场的标记，获得第一模拟吸引势场；将所述第一模拟排斥势场和所述第一模拟吸引势场发送至所述仓储机器人的第一传感装置，生成第一智能规划路径；根据所述第一智能规划路径，实现所述第一仓储物流信息。
另一方面，本申请还提供了一种智慧仓储物流系统，其中，所述系统包括：第一获得单元：所述第一获得单元用于获得第一用户的第一订单信息；第一发送单元：所述第一发送单元用于将所述第一订单信息发送至仓储机器人，获得所述第一用户的第一需求产品和第二需求产品；第二获得单元：所述第二获得单元用于基于智慧仓储物流系统，获得所述第一需求产品的第一存储位置和所述第二需求产品的第二存储位置；第三获得单元：所述第三获得单元用于获得所述仓储机器人的实时位置信息；第一构件单元：所述第一构建单元用于基于所述实时位置信息、所述第一存储位置以及所述第二存储位置，构建第一仓储物流信息的三维定点网络模型；第一划分单元：所述第一划分单元用于对所述三维定点网络模型进行构形空间的划分，获得第一障碍区域和第一自由区域；第一标记单元：所述第一标记单元用于对所述第一障碍区域进行排斥势场的标记，获得第一模拟排斥势场，对所述第一自由区域进行吸引势场的标记，获得第一模拟吸引势场；第二发送单元：所述第二发送单元用于将所述第一模拟排斥势场和所述第一模拟吸引势场发送至所述仓储机器人的第一传感装置，生成第一智能规划路径；第一分拣单元：所述第一分拣单元用于根据所述第一智能规划路径，对所述第一仓储物流信息的产品进行分拣。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过获得仓储机器人的实时位置以及订单中显示的需要分拣的货物的具体位置，进而构建多维定点网络模型，同时基于目标要求对模型进行一定的构形空间划分，进而对划分的构形空间进行排斥和吸引的相反势场的标记，使得引力和斥力的合力作为机器人的加速力来控制机器人的运动方向，进而为机器人规划最优路径选择，通过在机器人分拣货物过程中实现智能避障，达到了在智能避障的同时生成最优规划路径，节约分拣时间，提升货物的分拣效率，进而实现了物流仓储的高效有序运转的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种智慧仓储物流方法的流程示意图；
图2为本申请实施例一种智慧仓储物流系统的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第一发送单元12，第二获得单元13，第三获得单元14，第一构建单元15，第一划分单元16，第一标记单元17，第二发送单元18，第一分拣单元19，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请实施例通过提供一种智慧仓储物流方法及系统，解决了现有技术中的仓储物流机器人无法对障碍物进行智能躲避，进而无法生成最优移动路径的技术问题，通过获得仓储机器人的实时位置以及订单中显示的需要分拣的货物的具体位置，进而构建多维定点网络模型，同时基于目标要求对模型进行一定的构形空间划分，进而对划分的构形空间进行排斥和吸引的相反势场的标记，使得引力和斥力的合力作为机器人的加速力来控制机器人的运动方向，进而为机器人规划最优路径选择，通过在机器人分拣货物过程中实现智能避障，达到了在智能避障的同时生成最优规划路径，节约分拣时间，提升货物的分拣效率，进而实现了物流仓储的高效有序运转的技术效果。
下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
智慧仓储是一种仓储管理理念，是通过信息化、物联网、云计算和机电一体化共同实现的智慧物流，从而降低仓储成本、提高运营效率、提升仓储管理能力。由于现有技术中的仓储物流机器人无法对障碍物进行智能躲避，进而无法生成最优移动路径，使得物流仓储无法进行高效有序运转。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种智慧仓储物流方法，其中，所述方法应用于智慧仓储物流系统，且所述系统与仓储机器人通信连接，所述方法还包括：获得第一用户的第一订单信息；将所述第一订单信息发送至所述仓储机器人，获得所述第一用户的第一需求产品和第二需求产品；基于所述智慧仓储物流系统，获得所述第一需求产品的第一存储位置和所述第二需求产品的第二存储位置；获得所述仓储机器人的实时位置信息；基于所述实时位置信息、所述第一存储位置以及所述第二存储位置，构建第一仓储物流信息的三维定点网络模型；对所述三维定点网络模型进行构形空间的划分，获得第一障碍区域和第一自由区域；对所述第一障碍区域进行排斥势场的标记，获得第一模拟排斥势场，对所述第一自由区域进行吸引势场的标记，获得第一模拟吸引势场；将所述第一模拟排斥势场和所述第一模拟吸引势场发送至所述仓储机器人的第一传感装置，生成第一智能规划路径；根据所述第一智能规划路径，实现所述第一仓储物流信息。
为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示，本申请实施例提供了一种智慧仓储物流方法，其中，所述方法应用于智慧仓储物流系统，且所述系统与仓储机器人通信连接，所述方法还包括：
步骤S100：获得第一用户的第一订单信息；
具体而言，智慧仓储是一种仓储管理理念，是通过信息化、物联网、云计算和机电一体化共同实现的智慧物流，从而降低仓储成本、提高运营效率、提升仓储管理能力。它的应用目的，是为了保证货物仓库管理各个环节数据输入的速度和准确性，确保企业及时准确地掌握库存的真实数据，合理保持和控制企业库存。通过将智慧仓储物流应用到物流仓库中，极大的节省了人力物力资源的浪费，提高了物流存储的精确高效性，在本申请实施例中，所述第一订单信息可以理解为所述第一用户在包括淘宝、京东等网购平台上的订单信息。
步骤S200：将所述第一订单信息发送至所述仓储机器人，获得所述第一用户的第一需求产品和第二需求产品；
步骤S300：基于所述智慧仓储物流系统，获得所述第一需求产品的第一存储位置和所述第二需求产品的第二存储位置；
具体而言，所述仓储机器人已经逐渐应用到物流仓库中，逐渐替代了人工的货物分拣，货物存储以及货物运输等功能，所述第一需求产品和所述第二需求产品为所述第一订单信息的具体货物类别，所述智慧仓储物流系统为物流仓库的“中心大脑”，是所有操作功能的基础，通过打造智能仓库，对货物实施网络化、信息化管理，优化货物资源结构，将仓库网络与交易网络、信息网络、物流网络相联，实现仓储智能化、监管网络化、管理信息化、服务一体化，形成完整的业务供应链体系，可基于所述智慧仓储物流系统，获得仓库中存储货物的具体位置，便于进行快速查找分拣目标货物，所述第一存储位置即为所述第一需求产品的存放位置，举例而言，位于哪个区域、哪个货架、哪一层、哪一排位等，同理，所述第二存储位置为所述第二需求产品的存放位置。
步骤S400：获得所述仓储机器人的实时位置信息；
步骤S500：基于所述实时位置信息、所述第一存储位置以及所述第二存储位置，构建第一仓储物流信息的三维定点网络模型；
具体而言，所述实时位置信息为所述仓库机器人的实时位置显示，可以是在仓库中的任意位置，进一步，基于仓储机器人的位置以及两个需求产品的存放位置，可构建一个三维定点网络模型，通俗来讲，三维不仅指的是三维的立体空间，也指的是构成模型的三个要素点，所述三维定点网络模型包括了这三点空间内所有的区域，包括物品存储货架以及用于货物挑拣的专用通道等，基于所述三维定点网络模型，可实时对仓储机器人的路径进行调整，确保节约时间，提高分拣效率，需要注意的是，此处不仅局限于三维定点网络模型，若是订单中存在n个货物，则需要构建n+1维定点网络模型，其中1代表所述仓储机器人的一个定点位置。
步骤S600：对所述三维定点网络模型进行构形空间的划分，获得第一障碍区域和第一自由区域；
步骤S700：对所述第一障碍区域进行排斥势场的标记，获得第一模拟排斥势场，对所述第一自由区域进行吸引势场的标记，获得第一模拟吸引势场；
具体而言，所述构形空间就是与机器人构形相关的空间，即根据机器人的出发原始位置到目的地的路径进行相关空间的构形分布，所述第一障碍区域可理解为所述仓储机器人的行驶路径中的阻碍区域，反之，所述第一自由区域可理解为所述仓储机器人的行驶路径中的自由行驶区域，进而基于人工势场法，对所述三维定点网络模型进行势场标记，进一步，所述第一模拟排斥势场即为对所述第一障碍区域进行排斥势场的标记，所述第一模拟吸引势场即为对所述第一自由区域进行吸引势场的标记。进一步，人工势场法是由Khatib提出的一种虚拟力法，其基本思想是将机器人在环境中的运动视为一种虚拟的人工受力场中的运动。障碍物被排斥势场包围，对机器人产生斥力，排斥力随机器人与障碍物的距离的减少而迅速增大；目标被引力势场包围对机器人产生引力，吸引力随机器人与目标的接近而减小。引力和斥力的合力作为机器人的加速力来控制机器人的运动方向，然后在机器人上选取一些测试点，实时求解这些测试点与各个障碍的排斥势以及与目标的吸引势，并求取势的总和，这样，无碰路径规划通过搜索势函数梯度下降的方向来实现。
步骤S800：将所述第一模拟排斥势场和所述第一模拟吸引势场发送至所述仓储机器人的第一传感装置，生成第一智能规划路径；
步骤S900：根据所述第一智能规划路径，实现所述第一仓储物流信息。
具体而言，所述仓储机器人具有所述第一传感装置，所述第一传感装置可对机器人周围的势场快速识别，并做出迅速反应，举例而言，当所述第一传感装置感应到较强的排斥作用力，说明所述仓储机器人逐渐向着障碍物的区域行驶，基于较强的排斥作用力，使得所述仓储机器人改变行驶方向，当所述第一传感器装置感应到一定的吸引作用力时，说明所述仓储机器人逐渐向着自由区域行驶，进而在斥力和引力的综合作用下生成前进合力，在前进合力的作用下，所述仓储机器人产生前进的加速度，进而控制前进的路径以及速度，所述第一智能规划路径即为所述仓储机器人的最优路径选择。通过获得仓储机器人的实时位置以及订单中显示的需要分拣的货物的具体位置，进而构建多维定点网络模型，同时基于目标要求对模型进行一定的构形空间划分，进而对划分的构形空间进行排斥和吸引的相反势场的标记，使得引力和斥力的合力作为机器人的加速力来控制机器人的运动方向，进而为机器人规划最优路径选择，通过在机器人分拣货物过程中实现智能避障，达到了在智能避障的同时生成最优规划路径，节约分拣时间，提升货物的分拣效率，进而实现了物流仓储的高效有序运转的技术效果。
进一步，本申请实施例还包括：
步骤S1010：获得所述第一需求产品的第一产品特征信息和所述第二需求产品的第二产品特征信息；
步骤S1020：根据所述第一产品特征信息和所述第二产品特征信息，获得所述第一订单信息的第一挑拣顺序；
步骤S1030：基于所述第一智能规划路径，获得第一距离信息和第二距离信息，其中，所述第一距离信息为所述实时位置信息与所述第一存储位置之间的距离，所述第二距离信息为所述实时位置信息与所述第二存储位置之间的距离；
步骤S1040：根据所述第一距离信息和所述第二距离信息，获得所述第一订单信息的第二挑拣顺序；
步骤S1050：将所述第一挑拣顺序和所述第二挑拣顺序输入至货物挑拣模型进行训练，获得所述第一订单信息的实际挑拣顺序；
步骤S1060：根据所述实际挑拣顺序，对所述第一需求产品和所述第二需求产品进行挑拣。
具体而言，确定好仓储机器人的行驶路径之后，还应确定货物的挑拣顺序，进一步，所述第一产品特征信息为所述第一需求产品的固有特征，举例而言，若所述第一需求产品为手机等电子产品，则需要精细包装，避免在物流过程中遭到损坏，同理，所述第二产品特征信息为所述第二需求产品的固有特征，在此可举例为家庭清洁品等，所述第一挑拣顺序即为根据货物的固有特征获得的分拣顺序，则应把较为贵重、精密的电子产品放到家庭清洁品之后进行分拣，以确保电子产品的包装完整，同时还可基于三者之间的距离进行判断，所述第一距离信息即为仓储机器人与电子产品存储位置之间的距离，所述第二距离信息即为仓储机器人与家庭清洁品存储位置之间的距离，所述第二挑拣顺序即为基于距离进行判断，进而基于所述货物挑拣模型对所述第一挑拣顺序和所述第二挑拣顺序进行训练，所述实际挑拣顺序即为训练得到的结果，举例而言，若仓储机器人与家庭清洁品存储位置之间的距离恰好小于仓储机器人与电子产品存储位置之间的距离，则所述实际挑拣顺序可以是先对家庭清洁品进行分拣，再分拣电子产品，基于实际的货物分拣顺序，确保了货物分拣过程的保存完整性以及不被损坏。
进一步，本申请实施例还包括：
步骤S1110：根据所述实际挑拣顺序，获得第一挑拣产品，其中，所述第一挑拣产品为所述第一需求产品或所述第二需求产品；
步骤S1120：获得所述第一挑拣产品的第一尺寸信息；
步骤S1130：基于所述第一尺寸信息，对所述第一自由区域进行网格划分，获得第一自由网格区域；
步骤S1140：根据所述第一障碍区域，获得第一障碍物尺寸信息；
步骤S1150：基于所述第一障碍物尺寸信息，对所述第一障碍区域进行网格划分，获得第一障碍网格区域；
步骤S1160：判断所述第一障碍网格区域是否大于所述第一自由网格区域；
步骤S1170：若所述第一障碍网格区域不大于所述第一自由网格区域，获得第一调整指令；
步骤S1180：根据所述第一调整指令，对所述第一智能规划路径进行调整，获得第二智能规划路径。
具体而言，为了更加细致的规划机器人的行驶路径，进一步，可根据所述实际挑拣顺序，获得第一挑拣产品，所述第一挑拣产品即为第一个进行分拣的产品，在此以电子产品为例进行说明，所述第一尺寸信息即为电子产品的尺寸大小，进而根据电子产品的尺寸大小对所述第一自由区域进行网格划分，所述第一自由网格区域即为与电子产品一般大小尺寸的网格构成的区域，所述第一障碍物尺寸即为所述仓储机器人行驶过程中遇到的障碍物大小，再次以路面上的碎渣为例进行说明，所述第一障碍网格区域即为与碎渣一般大小尺寸的网格构成的区域，通过判断所述第一障碍网格区域是否大于所述第一自由网格区域，若碎渣构成的障碍网格区域远远小于电子产品构成的自由网格区域，则说明路面上即使有碎渣存在，但不会对机器人的通行造成影响，则根据所述第一调整指令，将原本绕过路面存在碎渣的路段路径改为从此路径通过，达到了基于实际障碍物大小来调整规划路径，进一步缩短了分拣时间，实现了更加细致的规划机器人的行驶路径。
进一步，所述获得第一调整指令之前，步骤S1170还包括：
步骤S1171：根据所述三维定点网络模型，获得预设避障网格尺寸阈值；
步骤S1172：判断所述第一自由网格区域、所述第一障碍网格区域以及所述预设避障网格尺寸阈值是否具备第一关系；
步骤S1173：若所述第一自由网格区域、所述第一障碍网格区域以及所述预设避障网格尺寸阈值不具备所述第一关系，对所述第二智能规划路径进行调整。
进一步，所述第一关系，步骤S1172还包括：
步骤S11721：将所述第一自由网格区域设定为S1，将所述第一障碍网格区域设定为S2，将所述预设避障网格尺寸阈值设定为Sk，则所述第一关系为：
S1>[a×S2-Sk，a×S2+Sk]
其中，a为设定的所述第一自由网格区域与所述第一障碍网格区域之间的预设尺寸系数。
具体而言，如果所述第一障碍网格区域略微小于所述第一自由网格区域，则也会对机器人的通行造成影响，所述预设避障网格尺寸阈值Sk可理解为预设的机器人避开障碍物需要达到的空间网格，即在所述预设避障网格尺寸阈值的上下一定范围内，机器人可以自由通过路段，所述第一关系可理解为：机器人通过的自由网格区域S1必须以一定倍数a大于障碍网格区域S2，且在所述预设避障网格尺寸阈值Sk内自由通过，即所述第一关系为：S1>[a×S2-Sk，a×S2+Sk]，如果所述第一自由网格区域、所述第一障碍网格区域以及所述预设避障网格尺寸阈值不具备所述第一关系，则需要对机器人的移动路径重新规划，举例而言，若第一个分拣的产品为笔记本电脑，则自由网格区域必须以足够倍数大于通道障碍物的网格尺寸，方可保证机器人自由通过，实现了对机器人行驶路径进行更为科学细致的计算规划。
进一步，所述生成第一智能规划路径，步骤S800还包括：
步骤S810：根据所述第一模拟排斥势场，获得对所述仓储机器人的第一排斥作用力；
步骤S820：根据所述第一模拟吸引势场，获得对所述仓储机器人的第二吸引作用力；
步骤S830：根据所述第一排斥作用力和所述第二吸引作用力，获得所述仓储机器人的实时运动加速度信息；
步骤S840：根据所述实时运动加速度信息，生成所述仓储机器人的第一智能规划路径。
具体而言，所述第一排斥作用力为所述第一模拟排斥势场对机器人的排斥力，同理，所述第二吸引作用力为所述第一模拟吸引势场对机器人的吸引力，在所述第一排斥作用力和所述第二吸引作用力的合力作用下，可获得所述仓储机器人的移动驱动力，所述实时运动加速度信息为在移动驱动力的作用下，仓储机器人的前进加速度，进而基于实时的运动加速度，生成所述仓储机器人的第一智能规划路径，即在机器人上选取一些测试点，实时求解这些测试点与各个障碍的排斥势以及与目标的吸引势，并求取势的总和，需要注意的是，从避障角度考虑，引力场作用的范围较大，而排斥势场只是作用在局部范围内，距障碍较远的区域不受障碍排斥势场的影响，因而这种方法也称为局部方法，因为它只解决局部空间内的避障问题，从局部范围出发，使得机器人的路径规划更加细致精确。
进一步，所述获得所述第一订单信息的实际挑拣顺序，步骤S1050还包括：
步骤S1051：将所述第一挑拣顺序和所述第二挑拣顺序输入货物挑拣模型进行训练，所述货物挑拣模型通过多组训练数据训练所得，其中，所述多组训练数据中的每一组训练数据均包括：所述第一挑拣顺序、所述第二挑拣顺序以及用来标识实际挑拣顺序的标识信息；
步骤S1052：获得所述货物挑拣模型的训练结果，所述训练结果为所述第一订单信息的实际挑拣顺序。
具体而言，为了获得更加准确的所述第一订单信息的实际挑拣顺序，可将所述第一挑拣顺序和所述第二挑拣顺序输入货物挑拣模型进行训练。所述货物挑拣模型是一个神经网络模型，即机器学习中的神经网络模型，它是以神经元的数学模型为基础来描述的。简单地讲，它是一个数学模型。在本申请实施例中，将所述第一挑拣顺序和所述第二挑拣顺序输入货物挑拣模型进行训练，用标识的实际挑拣顺序对神经网络模型进行训练。
进一步来说，所述货物挑拣模型的过程实质为监督学习的过程。所述多组训练数据具体为：所述第一挑拣顺序、所述第二挑拣顺序以及用来标识实际挑拣顺序的标识信息。通过输入所述第一挑拣顺序和所述第二挑拣顺序，货物挑拣模型会输出训练结果。通过将所述输出信息与所述起标识作用的实际挑拣顺序进行校验，如果所述输出信息与所述起标识作用的实际挑拣顺序要求相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果所述输出信息与所述起标识作用的实际挑拣顺序要求不一致，则神经网络学习模型自身进行调整，直到神经网络学习模型输出结果与所述起标识作用的实际挑拣顺序要求相一致，进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化，通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性，进而达到使得所述第一订单信息的实际挑拣顺序更加准确的技术效果。
综上所述，本申请实施例所提供的一种智慧仓储物流方法及系统具有如下技术效果：
1、通过获得仓储机器人的实时位置以及订单中显示的需要分拣的货物的具体位置，进而构建多维定点网络模型，同时基于目标要求对模型进行一定的构形空间划分，进而对划分的构形空间进行排斥和吸引的相反势场的标记，使得引力和斥力的合力作为机器人的加速力来控制机器人的运动方向，进而为机器人规划最优路径选择，通过在机器人分拣货物过程中实现智能避障，达到了在智能避障的同时生成最优规划路径，节约分拣时间，提升货物的分拣效率，进而实现了物流仓储的高效有序运转的技术效果。
实施例二
基于与前述实施例中一种智慧仓储物流方法同样发明构思，本发明还提供了一种智慧仓储物流系统，如图2所示，所述系统包括：
第一获得单元11：所述第一获得单元11用于获得第一用户的第一订单信息；
第一发送单元12：所述第一发送单元12用于将所述第一订单信息发送至仓储机器人，获得所述第一用户的第一需求产品和第二需求产品；
第二获得单元13：所述第二获得单元13用于基于智慧仓储物流系统，获得所述第一需求产品的第一存储位置和所述第二需求产品的第二存储位置；
第三获得单元14：所述第三获得单元14用于获得所述仓储机器人的实时位置信息；
第一构件单元15：所述第一构建单元15用于基于所述实时位置信息、所述第一存储位置以及所述第二存储位置，构建第一仓储物流信息的三维定点网络模型；
第一划分单元16：所述第一划分单元16用于对所述三维定点网络模型进行构形空间的划分，获得第一障碍区域和第一自由区域；
第一标记单元17：所述第一标记单元17用于对所述第一障碍区域进行排斥势场的标记，获得第一模拟排斥势场，对所述第一自由区域进行吸引势场的标记，获得第一模拟吸引势场；
第二发送单元18：所述第二发送单元18用于将所述第一模拟排斥势场和所述第一模拟吸引势场发送至所述仓储机器人的第一传感装置，生成第一智能规划路径；
第一分拣单元19：所述第一分拣单元19用于根据所述第一智能规划路径，对所述第一仓储物流信息的产品进行分拣。
进一步的，所述系统还包括：
第四获得单元：所述第四获得单元用于获得所述第一需求产品的第一产品特征信息和所述第二需求产品的第二产品特征信息；
第五获得单元：所述第五获得单元用于根据所述第一产品特征信息和所述第二产品特征信息，获得所述第一订单信息的第一挑拣顺序；
第六获得单元：所述第六获得单元用于基于所述第一智能规划路径，获得第一距离信息和第二距离信息，其中，所述第一距离信息为所述实时位置信息与所述第一存储位置之间的距离，所述第二距离信息为所述实时位置信息与所述第二存储位置之间的距离；
第七获得单元：所述第七获得单元用于根据所述第一距离信息和所述第二距离信息，获得所述第一订单信息的第二挑拣顺序；
第一输入单元：所述第一输入单元用于将所述第一挑拣顺序和所述第二挑拣顺序输入至货物挑拣模型进行训练，获得所述第一订单信息的实际挑拣顺序；
第一挑拣单元：所述第一挑拣单元用于根据所述实际挑拣顺序，对所述第一需求产品和所述第二需求产品进行挑拣。
进一步的，所述系统还包括：
第八获得单元：所述第八获得单元用于根据所述实际挑拣顺序，获得第一挑拣产品，其中，所述第一挑拣产品为所述第一需求产品或所述第二需求产品；
第九获得单元：所述第九获得单元用于获得所述第一挑拣产品的第一尺寸信息；
第二划分单元：所述第二划分单元用于基于所述第一尺寸信息，对所述第一自由区域进行网格划分，获得第一自由网格区域；
第十获得单元：所述第十获得单元用于根据所述第一障碍区域，获得第一障碍物尺寸信息；
第三划分单元：所述第三划分单元用于基于所述第一障碍物尺寸信息，对所述第一障碍区域进行网格划分，获得第一障碍网格区域；
第一判断单元：所述第一判断单元用于判断所述第一障碍网格区域是否大于所述第一自由网格区域；
第十一获得单元：所述第十一获得单元用于若所述第一障碍网格区域不大于所述第一自由网格区域，获得第一调整指令；
第一调整单元：所述第一调整单元用于根据所述第一调整指令，对所述第一智能规划路径进行调整，获得第二智能规划路径。
进一步的，所述系统还包括：
第十二获得单元：所述第十二获得单元用于根据所述三维定点网络模型，获得预设避障网格尺寸阈值；
第二判断单元：所述第二判断单元用于判断所述第一自由网格区域、所述第一障碍网格区域以及所述预设避障网格尺寸阈值是否具备第一关系；
第二调整单元：所述第二调整单元用于若所述第一自由网格区域、所述第一障碍网格区域以及所述预设避障网格尺寸阈值不具备所述第一关系，对所述第二智能规划路径进行调整。
进一步的，所述系统还包括：
第一设定单元：所述第一设定单元用于将所述第一自由网格区域设定为S1，将所述第一障碍网格区域设定为S2，将所述预设避障网格尺寸阈值设定为Sk，则所述第一关系为：
S1>[a×S2-Sk，a×S2+Sk]
其中，a为设定的所述第一自由网格区域与所述第一障碍网格区域之间的预设尺寸系数。
进一步的，所述系统还包括：
第十三获得单元：所述第十三获得单元用于根据所述第一模拟排斥势场，获得对所述仓储机器人的第一排斥作用力；
第十四获得单元：所述第十四获得单元用于根据所述第一模拟吸引势场，获得对所述仓储机器人的第二吸引作用力；
第十五获得单元：所述第十五获得单元用于根据所述第一排斥作用力和所述第二吸引作用力，获得所述仓储机器人的实时运动加速度信息；
第一生成单元：所述第一生成单元用于根据所述实时运动加速度信息，生成所述仓储机器人的第一智能规划路径。
进一步的，所述系统还包括：
第二输入单元：所述第二输入单元用于将所述第一挑拣顺序和所述第二挑拣顺序输入货物挑拣模型进行训练，所述货物挑拣模型通过多组训练数据训练所得，其中，所述多组训练数据中的每一组训练数据均包括：所述第一挑拣顺序、所述第二挑拣顺序以及用来标识实际挑拣顺序的标识信息；
第十六获得单元：所述第十六获得单元用于获得所述货物挑拣模型的训练结果，所述训练结果为所述第一订单信息的实际挑拣顺序。
前述图1实施例一中的一种智慧仓储物流方法的各种变化方式和具体实例同样适用于本实施例的一种智慧仓储物流系统，通过前述对一种智慧仓储物流方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种智慧仓储物流系统的实施方法，所以为了说明书的简洁，再次不再详述。
实施例三
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实例施中一种智慧仓储物流方法的发明构思，本发明还提供一种智慧仓储物流系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种智慧仓储物流系统的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供了一种智慧仓储物流方法，其中，所述方法应用于智慧仓储物流系统，且所述系统与仓储机器人通信连接，所述方法还包括：获得第一用户的第一订单信息；将所述第一订单信息发送至所述仓储机器人，获得所述第一用户的第一需求产品和第二需求产品；基于所述智慧仓储物流系统，获得所述第一需求产品的第一存储位置和所述第二需求产品的第二存储位置；获得所述仓储机器人的实时位置信息；基于所述实时位置信息、所述第一存储位置以及所述第二存储位置，构建第一仓储物流信息的三维定点网络模型；对所述三维定点网络模型进行构形空间的划分，获得第一障碍区域和第一自由区域；对所述第一障碍区域进行排斥势场的标记，获得第一模拟排斥势场，对所述第一自由区域进行吸引势场的标记，获得第一模拟吸引势场；将所述第一模拟排斥势场和所述第一模拟吸引势场发送至所述仓储机器人的第一传感装置，生成第一智能规划路径；根据所述第一智能规划路径，实现所述第一仓储物流信息。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种智慧仓储物流方法，其中，所述方法应用于智慧仓储物流系统，且所述系统与仓储机器人通信连接，所述方法还包括：
获得第一用户的第一订单信息；
将所述第一订单信息发送至所述仓储机器人，获得所述第一用户的第一需求产品和第二需求产品；
基于所述智慧仓储物流系统，获得所述第一需求产品的第一存储位置和所述第二需求产品的第二存储位置；
获得所述仓储机器人的实时位置信息；
基于所述实时位置信息、所述第一存储位置以及所述第二存储位置，构建第一仓储物流信息的三维定点网络模型；
对所述三维定点网络模型进行构形空间的划分，获得第一障碍区域和第一自由区域；
对所述第一障碍区域进行排斥势场的标记，获得第一模拟排斥势场，对所述第一自由区域进行吸引势场的标记，获得第一模拟吸引势场；
将所述第一模拟排斥势场和所述第一模拟吸引势场发送至所述仓储机器人的第一传感装置，生成第一智能规划路径；
根据所述第一智能规划路径，对所述第一仓储物流信息的产品进行分拣。
2.如权利要求1所述的方法，其中，所述方法还包括：
获得所述第一需求产品的第一产品特征信息和所述第二需求产品的第二产品特征信息；
根据所述第一产品特征信息和所述第二产品特征信息，获得所述第一订单信息的第一挑拣顺序；
基于所述第一智能规划路径，获得第一距离信息和第二距离信息，其中，所述第一距离信息为所述实时位置信息与所述第一存储位置之间的距离，所述第二距离信息为所述实时位置信息与所述第二存储位置之间的距离；
根据所述第一距离信息和所述第二距离信息，获得所述第一订单信息的第二挑拣顺序；
将所述第一挑拣顺序和所述第二挑拣顺序输入至货物挑拣模型进行训练，获得所述第一订单信息的实际挑拣顺序；
根据所述实际挑拣顺序，对所述第一需求产品和所述第二需求产品进行挑拣。
3.如权利要求2所述的方法，其中，所述方法还包括：
根据所述实际挑拣顺序，获得第一挑拣产品，其中，所述第一挑拣产品为所述第一需求产品或所述第二需求产品；
获得所述第一挑拣产品的第一尺寸信息；
基于所述第一尺寸信息，对所述第一自由区域进行网格划分，获得第一自由网格区域；
根据所述第一障碍区域，获得第一障碍物尺寸信息；
基于所述第一障碍物尺寸信息，对所述第一障碍区域进行网格划分，获得第一障碍网格区域；
判断所述第一障碍网格区域是否大于所述第一自由网格区域；
若所述第一障碍网格区域不大于所述第一自由网格区域，获得第一调整指令；
根据所述第一调整指令，对所述第一智能规划路径进行调整，获得第二智能规划路径。
4.如权利要求3所述的方法，其中，所述获得第一调整指令之前，还包括：
根据所述三维定点网络模型，获得预设避障网格尺寸阈值；
判断所述第一自由网格区域、所述第一障碍网格区域以及所述预设避障网格尺寸阈值是否具备第一关系；
若所述第一自由网格区域、所述第一障碍网格区域以及所述预设避障网格尺寸阈值不具备所述第一关系，对所述第二智能规划路径进行调整。
5.如权利要求4所述的方法，其中，所述第一关系，还包括：
将所述第一自由网格区域设定为S1，将所述第一障碍网格区域设定为S2，将所述预设避障网格尺寸阈值设定为Sk，则所述第一关系为：
S1>[a×S2-Sk，a×S2+Sk]
其中，a为设定的所述第一自由网格区域与所述第一障碍网格区域之间的预设尺寸系数。
6.如权利要求1所述的方法，其中，所述生成第一智能规划路径，还包括：
根据所述第一模拟排斥势场，获得对所述仓储机器人的第一排斥作用力；
根据所述第一模拟吸引势场，获得对所述仓储机器人的第二吸引作用力；
根据所述第一排斥作用力和所述第二吸引作用力，获得所述仓储机器人的实时运动加速度信息；
根据所述实时运动加速度信息，生成所述仓储机器人的第一智能规划路径。
7.如权利要求2所述的方法，其中，所述获得所述第一订单信息的实际挑拣顺序，还包括：
将所述第一挑拣顺序和所述第二挑拣顺序输入货物挑拣模型进行训练，所述货物挑拣模型通过多组训练数据训练所得，其中，所述多组训练数据中的每一组训练数据均包括：所述第一挑拣顺序、所述第二挑拣顺序以及用来标识实际挑拣顺序的标识信息；
获得所述货物挑拣模型的训练结果，所述训练结果为所述第一订单信息的实际挑拣顺序。
8.一种智慧仓储物流系统，其中，所述系统包括：
第一获得单元：所述第一获得单元用于获得第一用户的第一订单信息；
第一发送单元：所述第一发送单元用于将所述第一订单信息发送至仓储机器人，获得所述第一用户的第一需求产品和第二需求产品；
第二获得单元：所述第二获得单元用于基于智慧仓储物流系统，获得所述第一需求产品的第一存储位置和所述第二需求产品的第二存储位置；
第三获得单元：所述第三获得单元用于获得所述仓储机器人的实时位置信息；
第一构件单元：所述第一构建单元用于基于所述实时位置信息、所述第一存储位置以及所述第二存储位置，构建第一仓储物流信息的三维定点网络模型；
第一划分单元：所述第一划分单元用于对所述三维定点网络模型进行构形空间的划分，获得第一障碍区域和第一自由区域；
第一标记单元：所述第一标记单元用于对所述第一障碍区域进行排斥势场的标记，获得第一模拟排斥势场，对所述第一自由区域进行吸引势场的标记，获得第一模拟吸引势场；
第二发送单元：所述第二发送单元用于将所述第一模拟排斥势场和所述第一模拟吸引势场发送至所述仓储机器人的第一传感装置，生成第一智能规划路径；
第一分拣单元：所述第一分拣单元用于根据所述第一智能规划路径，对所述第一仓储物流信息的产品进行分拣。
9.一种智慧仓储物流系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210352199.9A CN114715581A (zh) | 2022-04-05 | 2022-04-05 | 一种智慧仓储物流方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210352199.9A CN114715581A (zh) | 2022-04-05 | 2022-04-05 | 一种智慧仓储物流方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114715581A true CN114715581A (zh) | 2022-07-08 |
Family
ID=82241784
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210352199.9A Pending CN114715581A (zh) | 2022-04-05 | 2022-04-05 | 一种智慧仓储物流方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114715581A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116468351A (zh) * | 2023-06-16 | 2023-07-21 | 深圳市磅旗科技智能发展有限公司 | 一种基于大数据的智慧物流管理方法 |
| CN117670198A (zh) * | 2023-12-13 | 2024-03-08 | 江苏菲达宝开电气股份有限公司 | 一种智慧仓储运维方法和系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108202965A (zh) * | 2016-12-16 | 2018-06-26 | 东莞市海柔智能科技有限公司 | 自动化仓储管理方法、装置和系统 |
| WO2020151724A1 (zh) * | 2019-01-21 | 2020-07-30 | 深圳市海柔创新科技有限公司 | 一种智能仓储系统、货物取放方法及其后台处理终端 |
| CN111977245A (zh) * | 2019-05-23 | 2020-11-24 | 浙江吉利控股集团有限公司 | 一种储物架、储物架的使用方法及储物系统 |
| CN112577491A (zh) * | 2020-12-14 | 2021-03-30 | 上海应用技术大学 | 一种基于改进人工势场法的机器人路径规划方法 |
| CN113646789A (zh) * | 2019-01-30 | 2021-11-12 | 轨迹机器人公司 | 仓库订单执行操作中机器人停留时间最小化 |
| CN113888070A (zh) * | 2021-08-10 | 2022-01-04 | 深圳爱乐信科技有限公司 | 一种基于医疗健康码的大数据医疗产品配送方法 |
-
2022
- 2022-04-05 CN CN202210352199.9A patent/CN114715581A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108202965A (zh) * | 2016-12-16 | 2018-06-26 | 东莞市海柔智能科技有限公司 | 自动化仓储管理方法、装置和系统 |
| WO2020151724A1 (zh) * | 2019-01-21 | 2020-07-30 | 深圳市海柔创新科技有限公司 | 一种智能仓储系统、货物取放方法及其后台处理终端 |
| CN113646789A (zh) * | 2019-01-30 | 2021-11-12 | 轨迹机器人公司 | 仓库订单执行操作中机器人停留时间最小化 |
| CN111977245A (zh) * | 2019-05-23 | 2020-11-24 | 浙江吉利控股集团有限公司 | 一种储物架、储物架的使用方法及储物系统 |
| CN112577491A (zh) * | 2020-12-14 | 2021-03-30 | 上海应用技术大学 | 一种基于改进人工势场法的机器人路径规划方法 |
| CN113888070A (zh) * | 2021-08-10 | 2022-01-04 | 深圳爱乐信科技有限公司 | 一种基于医疗健康码的大数据医疗产品配送方法 |
Non-Patent Citations (2)
| Title |
|---|
| 丁华: "第三方合同物流企业的转型与升级", 《中国物流与采购》, no. 11, pages 34 - 35 * |
| 埃弗雷姆特班等: ""电子商务：管理与社交网络视角"", vol. 1, 31 August 2020, 机械工业出版社, pages: 456 - 457 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116468351A (zh) * | 2023-06-16 | 2023-07-21 | 深圳市磅旗科技智能发展有限公司 | 一种基于大数据的智慧物流管理方法 |
| CN116468351B (zh) * | 2023-06-16 | 2023-11-07 | 深圳市磅旗科技智能发展有限公司 | 一种基于大数据的智慧物流管理方法、系统以及存储介质 |
| CN117670198A (zh) * | 2023-12-13 | 2024-03-08 | 江苏菲达宝开电气股份有限公司 | 一种智慧仓储运维方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114715581A (zh) | 一种智慧仓储物流方法及系统 | |
| US20210174209A1 (en) | Neural network obtaining method and related device | |
| Hamer et al. | Fast generation of collision-free trajectories for robot swarms using GPU acceleration | |
| Ojstersek et al. | Use of simulation software environments for the purpose of production optimization | |
| Zhang et al. | Dynamic fleet management with rewriting deep reinforcement learning | |
| Cavalcante et al. | Planning and evaluation of UAV mission planner for intralogistics problems | |
| Novoth et al. | Distributed formation control for multi-vehicle systems with splitting and merging capability | |
| Suriyarachchi et al. | Gameopt: Optimal real-time multi-agent planning and control for dynamic intersections | |
| Greasley | Architectures for Combining Discrete-event Simulation and Machine Learning. | |
| Liu et al. | A new knowledge-guided multi-objective optimisation for the multi-AGV dispatching problem in dynamic production environments | |
| CN113687651A (zh) | 一种按需派送车辆的路径规划方法及装置 | |
| CN117234214A (zh) | 一种用于工业货物码垛的自动化穿梭车 | |
| Bayona et al. | Optimization of trajectory generation for automatic guided vehicles by genetic algorithms | |
| Christiand et al. | A novel optimal assembly algorithm for haptic interface applications of a virtual maintenance system | |
| Gorodetskiy et al. | Situational control of the group interaction of mobile robots | |
| Li et al. | Congestion-aware path coordination game with markov decision process dynamics | |
| WO2019142499A1 (ja) | シミュレーションシステム、およびシミュレート方法 | |
| Cody et al. | Applying learning systems theory to model cognitive unmanned aerial vehicles | |
| Yu et al. | Methodology and decentralised control of modularised changeable conveyor logistics system | |
| WO2021252683A1 (en) | Systems and methods for controlling automated systems using integer programming and column generation techniques | |
| Abd et al. | A fuzzy decision support system for selecting the optimal scheduling rule in robotic flexible assembly cells | |
| Hou et al. | Hybrid residual multiexpert reinforcement learning for spatial scheduling of high-density parking lots | |
| Cui et al. | Predicted-velocity particle swarm optimization using game-theoretic approach | |
| CN112748729A (zh) | 一种agv路线优化及实时调度方法 | |
| Guo et al. | A decentralized path planning model based on deep reinforcement learning |
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 |