【技术实现步骤摘要】
本申请涉及智能控制领域，且更为具体地，涉及一种仓储机器人的自动化控制系统及方法。
技术介绍
1、在现代仓储物流行业蓬勃发展的大背景下，电商业务的爆炸式增长以及消费者对于配送时效的严苛要求，促使仓储管理向智能化、高效化方向飞速迈进。仓储机器人作为提升仓储作业效率的核心装备，其调度与控制的精准性和高效性至关重要。
2、专利cn111232590a提出了一种仓储机器人的自动化控制方法及装置，其系统接收物流系统的运输指令后，确定待运输货物的货架位置，并规划从出货口到目标货架的所有路径。接着，分析各路径上空闲及工作中机器人的位置，利用预训练的时间预测模型预测空闲机器人到达货架的时间。最终，通过比较预测时间，选择最快到达的空闲机器人执行搬运任务，优化仓储作业效率。
3、该专利中预测到达货架的时间是通过一个预训练的时间预测模型（卷积神经网络）来实现的。然而，传统cnn的感受野是局部的，对于长距离依赖关系的理解有限，尤其是在复杂多变的仓储环境中，这种局限性可能影响预测准确性。此外，专利中的方法侧重于利用仓储机器人的历史位置数据作为主要输入特征，却忽视了路径长度等其他关键因素的重要性，也未能有效地整合路径长度与机器人空间分布等多模态特征间的相互作用，这可能导致模型无法充分利用所有可用的信息来进行更精确的时间预测。
4、因此，期望一种优化的仓储机器人的自动化控制方案。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种仓储机器人的自动化控
2、根据本申请的一个方面，提供了一种仓储机器人的自动化控制方法，其包括：接收上游的物流系统发送的待运输货物的运输指令；基于所述运输指令，从仓库的多个货架中定位所述待运输货物所在的货架；计算所述仓库中所述待运输货物的出货口至所述货架的所有路径；识别每条路径上距离所述货架最近且空闲的仓储机器人；确定所述每条路径上距离所述货架最近且空闲的仓储机器人与所述货架之间运行的仓储机器人的位置；预测所述每条路径上距离所述货架最近且空闲的仓储机器人移动至所述货架的时间；选择预测时间最短的空闲的仓储机器人执行所述待运输货物的运输任务。
3、根据本申请的另一个方面，提供了一种仓储机器人的自动化控制系统，其包括：运输指令接收模块，用于接收上游的物流系统发送的待运输货物的运输指令；待运输货物定位模块，用于基于所述运输指令，从仓库的多个货架中定位所述待运输货物所在的货架；路径计算模块，用于计算所述仓库中所述待运输货物的出货口至所述货架的所有路径；机器人识别模块，用于识别每条路径上距离所述货架最近且空闲的仓储机器人；机器人位置确定模块，用于确定所述每条路径上距离所述货架最近且空闲的仓储机器人与所述货架之间运行的仓储机器人的位置；机器人移动时间预测模块，用于预测所述每条路径上距离所述货架最近且空闲的仓储机器人移动至所述货架的时间；机器人选择模块，用于选择预测时间最短的空闲的仓储机器人执行所述待运输货物的运输任务。
4、与现有技术相比，本申请提供的一种仓储机器人的自动化控制系统及方法，其通过使用基于深度学习的数据分析和分析算法来对路径长度进行独热编码，同时对仓储机器人空间分布矩阵进行空洞卷积编码，以此根据路径长度低维嵌入特征和仓储机器人空间分布拓扑特征之间的跨模态时空交互表示来智能地预测第一仓储机器人移动至所述货架的时间。这样，通过综合考虑仓储机器人的位置数据和路径长度，并捕捉两者间的复杂关系，从而全面地反映实际情况，提高时间预测的准确性。
本文档来自技高网...【技术保护点】
1.一种仓储机器人的自动化控制方法，包括：接收上游的物流系统发送的待运输货物的运输指令；基于所述运输指令，从仓库的多个货架中定位所述待运输货物所在的货架；计算所述仓库中所述待运输货物的出货口至所述货架的所有路径；识别每条路径上距离所述货架最近且空闲的仓储机器人；确定所述每条路径上距离所述货架最近且空闲的仓储机器人与所述货架之间运行的仓储机器人的位置；预测所述每条路径上距离所述货架最近且空闲的仓储机器人移动至所述货架的时间；选择预测时间最短的空闲的仓储机器人执行所述待运输货物的运输任务；其特征在于，预测所述每条路径上距离所述货架最近且空闲的仓储机器人移动至所述货架的时间，包括：将所述每条路径上距离所述货架最近且空闲的仓储机器人设定为第一仓储机器人，并获取所述第一仓储机器人至所述货架的路径长度；获取所述第一仓储机器人与所述货架之间所有的运行的仓储机器人的位置数据，并基于所有的所述运行的仓储机器人的位置数据构造仓储机器人空间分布矩阵；分别对所述路径长度和所述仓储机器人空间分布矩阵进行特征编码以得到路径长度低维嵌入特征和仓储机器人空间分布拓扑特征；对所述路径长度低维嵌入特征和所述仓储机器
2.根据权利要求1所述的仓储机器人的自动化控制方法，其特征在于，分别对所述路径长度和所述仓储机器人空间分布矩阵进行特征编码以得到路径长度低维嵌入特征和仓储机器人空间分布拓扑特征，包括：对所述路径长度进行独热编码以得到路径长度低维嵌入编码向量作为所述路径长度低维嵌入特征；对所述仓储机器人空间分布矩阵进行卷积编码以得到仓储机器人空间分布拓扑特征图作为所述仓储机器人空间分布拓扑特征。
3.根据权利要求2所述的仓储机器人的自动化控制方法，其特征在于，对所述仓储机器人空间分布矩阵进行卷积编码以得到仓储机器人空间分布拓扑特征图，包括：使用基于空洞卷积神经网络模型的空间拓扑特征提取器对所述仓储机器人空间分布矩阵进行卷积编码以得到所述仓储机器人空间分布拓扑特征图。
4.根据权利要求3所述的仓储机器人的自动化控制方法，其特征在于，对所述路径长度低维嵌入特征和所述仓储机器人空间分布拓扑特征进行跨模态时空动态分析以得到目标路径-空间分布跨模态细粒度交互特征，包括：对所述仓储机器人空间分布拓扑特征图进行特征解耦和特征展平化以得到仓储机器人空间分布拓扑局部特征向量的集合；计算所述路径长度低维嵌入编码向量和所述仓储机器人空间分布拓扑局部特征向量的集合之间的路径长度-空间分布先验聚类中心编码向量；对所述路径长度-空间分布先验聚类中心编码向量和所述仓储机器人空间分布拓扑局部特征向量的集合进行跨模态细粒度聚类聚合以得到目标路径-空间分布跨模态细粒度交互编码向量作为所述目标路径-空间分布跨模态细粒度交互特征。
5.根据权利要求4所述的仓储机器人的自动化控制方法，其特征在于，计算所述路径长度低维嵌入编码向量和所述仓储机器人空间分布拓扑局部特征向量的集合之间的路径长度-空间分布先验聚类中心编码向量，包括：对所述仓储机器人空间分布拓扑局部特征向量的集合进行空间分布模态内核特征提取以得到仓储机器人空间分布拓扑特征内核编码向量；对所述路径长度低维嵌入编码向量和所述仓储机器人空间分布拓扑特征内核编码向量进行级联处理和线性变换以得到所述路径长度-空间分布先验聚类中心编码向量。
6.根据权利要求5所述的仓储机器人的自动化控制方法，其特征在于，对所述路径长度-空间分布先验聚类中心编码向量和所述仓储机器人空间分布拓扑局部特征向量的集合进行跨模态细粒度聚类聚合以得到目标路径-空间分布跨模态细粒度交互编码向量，包括：使用基于反双曲余弦函数的语义度量器分别计算所述路径长度-空间分布先验聚类中心编码向量与所述仓储机器人空间分布拓扑局部特征向量的集合中各个仓储机器人空间分布拓扑局部特征向量的庞加莱距离以得到目标路径-空间分布语义度量值的集合；使用二值函数对所述目标路径-空间分布语义度量值的集合进行聚类判断以得到目标路径-空间分布聚类系数的集合；基于所述目标路径-空间分布聚类系数的集合，对所述路径长度-空间分布先验聚类中心编码向量与所述仓储机器人空间分布拓扑局部特征向量的集合进行跨域细粒度融合以得到所述目标路径-空间分布跨模态细粒度交互编码向量。
7.根据权利要求6所述的仓储机器人的自动化控制方法，其特征在于，基于所述目标路径-空间分布跨模态细粒度交互特征，得到所述第一仓储机器人移动至所述货架的时间，包括：将所述目标路径-空间分布跨模态细粒度交互编码向量输入到达时长...
【技术特征摘要】
1.一种仓储机器人的自动化控制方法，包括：接收上游的物流系统发送的待运输货物的运输指令；基于所述运输指令，从仓库的多个货架中定位所述待运输货物所在的货架；计算所述仓库中所述待运输货物的出货口至所述货架的所有路径；识别每条路径上距离所述货架最近且空闲的仓储机器人；确定所述每条路径上距离所述货架最近且空闲的仓储机器人与所述货架之间运行的仓储机器人的位置；预测所述每条路径上距离所述货架最近且空闲的仓储机器人移动至所述货架的时间；选择预测时间最短的空闲的仓储机器人执行所述待运输货物的运输任务；其特征在于，预测所述每条路径上距离所述货架最近且空闲的仓储机器人移动至所述货架的时间，包括：将所述每条路径上距离所述货架最近且空闲的仓储机器人设定为第一仓储机器人，并获取所述第一仓储机器人至所述货架的路径长度；获取所述第一仓储机器人与所述货架之间所有的运行的仓储机器人的位置数据，并基于所有的所述运行的仓储机器人的位置数据构造仓储机器人空间分布矩阵；分别对所述路径长度和所述仓储机器人空间分布矩阵进行特征编码以得到路径长度低维嵌入特征和仓储机器人空间分布拓扑特征；对所述路径长度低维嵌入特征和所述仓储机器人空间分布拓扑特征进行跨模态时空动态分析以得到目标路径-空间分布跨模态细粒度交互特征；基于所述目标路径-空间分布跨模态细粒度交互特征，得到所述第一仓储机器人移动至所述货架的时间。
2.根据权利要求1所述的仓储机器人的自动化控制方法，其特征在于，分别对所述路径长度和所述仓储机器人空间分布矩阵进行特征编码以得到路径长度低维嵌入特征和仓储机器人空间分布拓扑特征，包括：对所述路径长度进行独热编码以得到路径长度低维嵌入编码向量作为所述路径长度低维嵌入特征；对所述仓储机器人空间分布矩阵进行卷积编码以得到仓储机器人空间分布拓扑特征图作为所述仓储机器人空间分布拓扑特征。
3.根据权利要求2所述的仓储机器人的自动化控制方法，其特征在于，对所述仓储机器人空间分布矩阵进行卷积编码以得到仓储机器人空间分布拓扑特征图，包括：使用基于空洞卷积神经网络模型的空间拓扑特征提取器对所述仓储机器人空间分布矩阵进行卷积编码以得到所述仓储机器人空间分布拓扑特征图。
4.根据权利要求3所述的仓储机器人的自动化控制方法，其特征在于，对所述路径长度低维嵌入特征和所述仓储机器人空间分布拓扑特征进行跨模态时空动态分析以得到目标路径-空间分布跨模态细粒度交互特征，包括：对所述仓储机器人空间分布拓扑特征图进行特征解耦和特征展平化以得到仓储机器人空间分布拓扑局部特征向量的集合；计算所述路径长度低维嵌入编码向量和所述仓储机器人空间分布拓扑局部特征向量的集合之间的路径长度-空间分布先验聚类中心编码向量；对所述路径长度-空间分布先验聚类中心编码向量和所述仓储机器人空间分布拓扑局部特征向量的集合进行跨模态细粒度聚类聚合以得到目标路径...
【专利技术属性】
技术研发人员：陈新安，陈丽丽，谢道鸿，肖佳东，汪巍蔷，胡小龙，黄庆光，王开胜，王开伟，陆晓涛，
申请(专利权)人：浙江中扬立库技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。