乘著創新的浪潮:協同運輸機器人編隊的基於模型的開發實施方案
作為由德國聯邦教育和研究部( BMBF )資助的研究專案,協同嵌入式系統( CrESt )專注於複雜的嵌入式系統的開發,這些系統須在不同背景下與不同成員有效合作以完成給定任務。該專案的目標是使用基於模型的系統和系統上下文描述,為動態和可擴充套件的應用定義方法和架構。協同嵌入式系統( CES )和適應性系統架構將在不久的將來對技術發展產生重大影響。透過這些系統及其架構,目前的工廠流程可以重新規劃並從高度自動化中獲益。它們還可以幫助工廠以更靈活的方式對不斷變化的生產條件做出反應。例如,學習型機器可以接管以前由人類完成的重複性任務,以目標導向的方式最佳化這些流程。此外,協同嵌入式系統可以透過控制中央管理系統,自主協調和組織運輸訂單。以基於模型的系統設計為中心,以安全協作為重點,此係統可以執行分析,記錄系統將會需要的所有功能。這種技術可應用於自主機器人、學習控制系統和適應性工廠等。
基於模型的協同嵌入式系統開發
InSystems Automatio公司和MES模賽思是22個來自工業和科學背景的國際合作者的其中兩個,兩個公司在聯合研究專案中合作探尋新技術和新方法,共同開發CES以及協同系統組(CSG),如自主機器人編隊 。協同系統重點關注系統中的有效合作,避免相互競爭。CrESt專案分為六個"工程挑戰 "和六個跨學科的主題。前三個工程挑戰涉及的首要問題是如何最好地設計靈活、動態和具有適應性的系統架構 。在動態架構專案方面,InSystems Automation和MES模賽思的主要任務是研究各種利用即插即用等機制將機器人整合到已有隊伍中的可能性,而無需暫停整個生產過程。此外,InSystems的目標是改進他們的proAnt運輸機器人,這些機器人自2012年以來投入至生產中。總的來說,專案重點在於技術的改進和創造和評估新方法來實現其整體概念。更確切地說,關鍵議題包括分散的車隊管理、各個系統之間的通訊和環境資料分析。
由於所涉及的情景高度複雜,導致了許多困難,開發自適應系統需要有良好基礎的方法。機器人隊伍必須對製造執行系統的要求還有其成員的數量和性質的動態變化作出反應,以確保CSG的整體功能和效率得到保障。基於模型的自動化系統開發過程的一致應用提供了各種有益的特性。最重要的是,CSG可執行模型形式的規範和協同AGV控制器(cac)允許機器人編隊成員及其協同自適應行為的完全虛擬呈現(數字孿生)。這種虛擬呈現為有效開發、維護和擴充套件實際系統及其硬體、軟體和機械元件提供了良好的基礎。為充分挖掘其潛力,基於模型的方法首先依賴於模型和測試平臺在不同開發階段的可重用性,包括功能、系統和系統元件的開發。其次,基於模型的開發過程建立在一個完全整合的工具鏈上,相關的開發活動高度自動化,包括需求管理、建模和模擬,以及整合的質量保證任務,特別是基於模型的靜態分析和基於需求的測試工具。
運輸機器人編隊的自適應系統架構
在自適應嵌入式系統的設計和維護中,對系統環境的考量幾乎 是所有建模和分析方法的一個關鍵方面。在協同運輸機器人的用例中,工作分配程式是協同的最關鍵部分。因此,為了能夠在工作任務出現時確定負責執行的機器人,需要確定和應用一個或一組策略。換句話說,CSG必須能夠完成工廠要求的所有工作任務,同時使機器人的行為適應環境的變化。在這種情況下,專案面臨如下挑戰: CSG要如何分配工作給機器人,使它們既能實現區域性目標,也能達成全域性目標。前一目標專門針對單個機器人,如最小的電池充電狀態,後一目標則是由製造執行系統給出的合適的生產策略所決定。協同運輸機器人的生產策略決定了CSG的共同目標,該目標由製造執行系統傳達給機器人編隊。
在與InSystems的合作中,MES模賽思的軟體工程師研究並評估了由製造執行系統動態傳達的四個具體全域性目標,即經濟性(使所有CAC的總行駛距離最小化)、穩健性(使每個機器人的作業佇列長度儘可能小)、效能(使每個時間單位的作業執行數量最大化)和維護性(分配任務,使所有機器人的行駛距離相似),並使用投標引數向量對這些全域性目標進行編碼。需要注意的是,因為在設計之初沒有給出預設資訊,這些目標可能隨系統執行而發生變化。動態變化的目標必須作為具體的CSG策略來實現,這些策略將由機器人編隊自主解決。其他全域性性的CSG目標,包括對工作分配的時間限制以及區域性目標,也需要被考慮在內。環境中的任何動態變化都可能觸發一個重新配置階段,比如當新的工作任務被製造執行系統廣泛採用,當機器人加入或離開車隊,或者當檢測到一個新的障礙物,在這些情況下,CSG均需要重新配置,以便符合新的CSG目標。例如,根據給定的策略,如果機器人在沒有完成其任務列表的情況下離開車隊,那麼每個 CAC 處理的作業佇列都必須進行調整甚至重新分配。為了完成像這樣的任務,需要重新配置單元。
在Simulink
®中建立運
輸
機器人
編隊
模
型
InSystems和MES模賽思共同開發了一個MATLAB®/Simulink®模型,該模型是一個由協同運輸機器人組成的自適應機隊,如InSystems公司開發的proANT機器人。該模型旨在捕捉所需的自適應系統行為,並更有效地處理上述CSG目標和挑戰。獨立於領域的半形式化語言Simulink®適合描述機器人機隊及其成員的CSG/CAC行為,以及包括製造執行系統在內的環境。此外,Simulink®模型能夠與典型的機器人中介軟體或通訊框架(如機器人作業系統(ROS))連線。
Simulink®提供了一個平臺來設計、模擬和驗證各種抽象層次的(動態)系統的行為,包括功能/規格、系統和軟體模型。該軟體在工業界廣泛使用,因為它為動態系統提供了一個特定域無關的建模工具。典型的應用包括訊號處理、控制工程問題和系統工程。特別是,Simulink®提供了幾種模擬模式,從準連續到離散或基於事件的執行和取樣率,各種求解器選項,允許在精度、記憶體消耗和執行時間之間進行定製的權衡,它支援常見的資料型別概念,包括浮點、定點 和列舉型別。Simulink®的內建庫和各種外掛,包括有限狀態機、特定領域模型整合和FMI支援,非常適合作為快速建立、模擬和測試CSG原型的工具軟體。此外,它在不同開發階段有很大潛力可以重複使用,非常有利於開發。
在基於模型的開發過程中,為了確保功能、可維護性以及整體有效的工作流程,遵循建模規範也至關重要。例如,系統分解模型必須只包含子系統塊和訊號路由元素。特別是,在分解模型中不進行數值計算。這保證了CSG的需求 可以完全對映到每個機器人的CAC元件上的需求 。此外,分解模型必須指定複雜度受限的元件,對於這些元件需採取合適的措施。建模規範進一步解決了許多方面的問題,包括安全主題、變體控制和強資料型別。在這個專案過程中,靜態分析工具(如MES Model Examiner®)負責自動檢查和糾正合規性。
從形式化的需求到使用MES Test Manager®/MARS進行自動評估
為了開發一種實用的方法來實現、操作和驗證CSG的自適應行為,MES模賽思將重點放在了基於Simulink®的CSG原型上。前文所提到的系統要求必須使用測試驅動的方法進行驗證,並在執行時進行監控指示可能的系統故障,以便採取適當的對策。策略更改會導致協議更改,這需要在系統規範中得到適當處理。最重要的是,在製造執行系統動態變化的策略影響下,預期的適應性系統響應必須充分體現在CSG需求中。一致的系統規範必須是明確的、統一的和易懂的,因此形式化需求尤為重要。
與實踐中廣泛使用的基於自然語言的方法相比,形式化的需求格式產生了對CSG需求的明確表示。此外,形式化的需求格式,如Test Manager®可評估需求語法(MARS),可以與基於模型的方法完全整合,即基於狀態或事件的觸發器和所需的訊號響應可以透過引用模型實體(如訊號規格或設計引數)來完全定義。與適當的測試用例的有效定義相結合,自適應CSG行為的虛擬驗證可以在自動測試執行和評估的基礎上實現自動化。特別是,MARS彌合了基於形式化語言的需求和不同背景的系統工程師使用的可以輕鬆制定和處理的自然語言需求 之間的差距。作為模型測試工具MES Test Manager®的一部分,MARS進一步為基於模型的開發中測試自動化的各個方面提供了基礎,包括自動生成評估、測試用例和測試過程監控。
總體而言,上述CSG的開發和維護可以基於完全虛擬的物件,該物件以互動的Simulink®模型的形式表現運輸機器人編隊的行為。因此,質量保證方法,例如基於需求的測試方法,可以基於機器人編隊的完全虛擬原型,使用MES Test Manager®等工具,使質量保證任務高度自動化。這種"前置"方法有助於在開發過程早期發現設計和實施錯誤。此外,它有助於快速測試和驗證新機器人型別的整合或新協同協議的實施。
關於MES模賽思: 軟體質量盡在控制之中
模賽思軟體技術有限公司(Model Engineering Solutions),簡稱MES)是一家來自德國柏林的高科技軟體公司,專為軟體專案的質量保障提供解決方案。
MES為客戶基於模型的軟體開發提供技術支援,使其符合IEC 61508、ISO 26262和ASPICE等行業標準。MES模賽思成立於2006年,總部位於德國柏林。Hartmut Pohlheim博士作為基於模型的開發領域最著名的專家之一,自2008年起任公司常務董事。MES的主要客戶包括整車廠如戴姆勒、大眾、豐田和吉利等以及博世、西門子和三星等行業供應商。在汽車行業中,除少數幾家公司外,全球數十家頂尖製造商及供應商均在他們的開發環境中使用MES的解決方案。為支援其全球客戶,MES已在美國和中國建立了子公司,並與全球分銷商網路緊密合作。
MES的產品包括4種質量工具軟體:MXAM、MES Test Manager®、MoRe和MQC,它們共同構成了一個工具鏈,全面保障基於模型的軟體開發過程中所有階段的質量。透過MES Jenkins Plugin,該工具鏈也可以在持續整合環境中使用。工具鏈主要應用平臺為MATLAB®/Simulink®。除了MES質量工具外,MES測試中心和MES學院的專家們還為全球客戶提供關於質量保證和開發流程最佳化的定製諮詢服務及培訓課程。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69983059/viewspace-2847545/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 乘著創新的浪潮: 協同運輸機器人編隊的基於模型的開發實施方案機器人模型
- 阿里雲CDN基於雲邊協同的轉型創新實踐阿里
- 硬核解讀KubeEdge基於大模型邊雲協同的機器人語義分割演算法大模型機器人演算法
- Git 團隊協同開發Git
- 如何實施智慧化的團隊協作?
- 基於Netty實現Redis協議的編碼解碼器NettyRedis協議
- ai大模型流式輸出------基於SSE協議的長連線實現AI大模型協議
- 1688 商家基於 HarmonyOS 的多屏協同直播技術方案
- 前端資料模型Model,適用於多人團隊協作的開發模式前端模型模式
- 軟硬協同:基於倚天的影片雲編碼效能升級
- 安川機器人 精益生產 實施方案機器人
- 基於CodeMirror開發線上編輯器時遇到的問題及解決方案
- Lio-為疫情實施幫助的機器人機器人
- 讓聊天機器人完美回覆--基於PaddlePaddle的語義匹配模型DAM機器人模型
- 基於Mixin Network的Go語言比特幣開發教程:建立機器人Go比特幣機器人
- 央視《新聞聯播》 | 提速數字基礎設施建設,浪潮雲洲創新實踐
- [機器學習]協同過濾演算法的原理和基於Spark 例項機器學習演算法Spark
- "浙江新駿"獨家研發立足於焊接協作機器人,搶佔協作機器人細分賽道機器人
- 《宇宙機器人》系列背後的創作團隊——Team Asobi機器人
- Spotify模型:什麼是面向運維基礎設施的開發者門戶Backstage? - redmonk模型運維
- 多人協同開發,git workflow 提高團隊協作能力Git
- 基於NCF的多模組協同例項
- 量化機器人系統開發(方案)機器人
- RPA機器人實施的總指揮所:COE卓越中心機器人
- 基於gin的golang web開發:模型驗證GolangWeb模型
- 基於gin的golang web開發:模型繫結GolangWeb模型
- 關於量化交易機器人系統開發的闡述與智慧量化合約程式模型機器人模型
- 從百度運維實踐談“基於機器學習的智慧運維”運維機器學習
- 前端智慧化:人機協同的程式設計方式前端程式設計
- 推薦召回--基於物品的協同過濾:ItemCF
- Python 基於 TCP 傳輸協議的網路通訊實現PythonTCP協議
- 講座回顧丨基於 OpenYurt 和 EdgeX 的雲邊端協同新可能
- 基於 KubeVela 的機器學習實踐機器學習
- Github基於Web的編輯器GithubWeb
- 基於rsync實現海量檔案高速傳輸的解決方案
- 基於Python的Xgboost模型實現Python模型
- 創新實訓(9)- 大模型的微調大模型
- RSA創新沙盒盤點 | Cape Privacy——基於加密機器學習的多方資料協作與隱私保護方案加密機器學習