[論文レビュー] From Simulation to Real-World Robotic Mobile Fulfillment Systems

Lin Xie, Hanyi Li+1 more|Multilingual Matters (Channel View Publications)|Oct 8, 2018

Advanced Manufacturing and Logistics Optimization被引用数 11

ひとこと要約

本論文は、ロボット移動型受発送システム（RMFS）におけるシミュレーションと実世界の導入を橋渡しする4段階のフレームワークを提示する。オープンソースのRAWSim-Oシミュレータを、Odoo ERPおよびリモートテストプラットフォームであるXOR-benchと統合されたコアソフトウェアに変換した。XOR-benchにより、教育用および産業用ロボットを対象に、地理的に分散した環境でロボットアルゴリズムの検証が可能となり、運動学的制約やリアルタイム制御を伴う実世界環境でも、シミュレーションで検証された経路計画および運用戦略が有効であることが保証される。

ABSTRACT

In a new type of automated parts-to-picker warehouse system - a Robotic Mobile Fulfillment System (RMFS) - robots are sent to transport pods (movable shelves) to human operators at stations to pick/put items from/to pods. There are many operational decision problems in such a system, and some of them are interdependent and influence each other. In order to analyze the decision problems and the relationships between them, there are two open-source simulation frameworks in the literature, Alphabet Soup and RAWSim-O. However, the steps between simulation and real-world RMFS are not clear in the literature. Therefore, this paper aims to bridge this gap. The simulator is firstly transferred as core software. The core software is connected with an open-source ERP system, called Odoo, while it is also connected with real robots and stations through an XOR-bench. The XOR-bench enables the RMFS to be integrated with several mini-robots and mobile industrial robots in (removed) experiments for the purpose of research and education.

研究の動機と目的

• ワーケーハウジング自動化分野における、シミュレーションベース最適化と実世界ロボット受発送システムの間のギャップを埋めること。
• シミュレーションで検証されたアルゴリズムが、実世界のロボット運用においても適用可能かつ効果的であることを保証すること。
• 研究および教育を対象とした、シミュレーション、ERPシステム、物理的ロボットを接続するスケーラブルかつ相互運用可能なソフトウェアスタックの開発。
• 標準化されたテストプラットフォーム（XOR-bench）を通じて、実ロボット上でRMFSアルゴリズムのリモートで分散化されたテストを可能とすること。

提案手法

• オープンソースのRAWSim-Oシミュレータを、リアルタイムシステム制御に適した生産環境向けRMFSコアソフトウェアレイヤーに変換した。
• コアソフトウェアをオープンソースのOdoo ERPシステムと統合し、注文フロー、在庫、ステーション運用を管理した。
• 物理的ロボット、IPベースのカメラ、PLC制御ステーションを備えた、リモート制御可能なテストプラットフォームXOR-benchを設計・実装した。
• 標準化されたAPIおよびメッセージキューを介して、コアソフトウェア、Odoo、ステーションアプリ、実ロボット間の双方向通信を実現した。
• 実世界のロボット制約（速度、加速度、旋回時間）を考慮した運動学的認識型マルチエージェント経路計画（MAPF）ソルバをコアソフトウェアに実装した。
• ドイツと中国に分散配置されたコンポーネントを有する分散アーキテクチャを採用し、リモートアクセスおよびロボット実験のリアルタイム監視を可能にした。

(a) Amazon robots (Source: Amazon Robotics)

実験結果

リサーチクエスチョン

• RQ1 RMFSのシミュレーションベースアルゴリズムを、実世界のロボットシステムに効果的に移行する方法は何か？
• RQ2 シミュレーションフレームワークを実ロボットおよびERPシステムと接続するために必要なアーキテクチャ的および統合的コンポーネントは何か？
• RQ3 リモートで地理的に分散したテストプラットフォームは、産業用ロボット上でRMFSアルゴリズムの信頼性のある検証を可能にするか？
• RQ4 実世界のロボットの運動学的制約（最大速度、加速度、旋回時間など）を経路計画アルゴリズムに統合しながら、パフォーマンスやスケーラビリティを損なわない方法は何か？
• RQ5 標準化されたテストベンチ（XOR-bench）は、ロボット倉庫システム分野における研究および教育の加速に果たす役割は何か？

主な発見

• RAWSim-Oからの実世界RMFSへの移行が、4段階のプロセスを通じて成功裏に達成され、エンドツーエンドのシステム検証が可能になった。
• XOR-benchプラットフォームにより、国際的な場所に分散した複数の国で、実際の移動型産業用ロボット上でRMFSアルゴリズムのリモートでリアルタイムのテストが可能となり、準備および調整の負荷が軽減された。
• Odoo ERPとの統合により、補充およびピッキング注文のシームレスな管理が可能となり、シミュレーション論理と実世界ビジネスシステムとの相互運用性が実証された。
• 独自開発の運動学的認識型MAPFソルバは、最大速度、加速度、旋回時間といった実世界のロボット制約を適切に処理し、実世界への適用可能性が向上した。
• 本システムアーキテクチャは、教育用ロボット（例：iRobot、LEGO）および産業用ロボットの両方をサポートしており、研究および教育分野への広範な適用可能性を示した。
• ライブ映像配信およびRMFSコアソフトウェア内でのリアルタイム可視化を通じて、リモート実験の検証が行われ、システムの安定性および応答性が確認された。

(b) CarryPick TM (Source: Swisslog, KUKA)