小家伙，大智慧

“這機(jī)器人跑得太傻了吧！”

聽到作業(yè)人員的抱怨，我停下了腳步，饒有興致地瞅著這些“小家伙”，它們長得四四方方，像個(gè)掃地機(jī)器人，不過“頭上”頂著一個(gè)大托盤，正背著貨物慢慢往前走。看了一會(huì)兒，我發(fā)現(xiàn)它們確實(shí)不怎么聰明，要不堵成一片，要不跑著跑著就亂套了，還得有專人去“服侍”。作業(yè)人員一臉不高興，“還不如我直接開叉車?yán)泚淼每炷兀　?/p>

這些 “小家伙”是制造部2017年采購的新一代AGV。AGV是自動(dòng)導(dǎo)引小車的簡稱，就是可以自動(dòng)搬運(yùn)貨物的智能機(jī)器人。我從清華博士畢業(yè)后加入華為制造部，入職后的前兩周在產(chǎn)線實(shí)踐時(shí)，就被這種機(jī)器人吸引了，因?yàn)樗业难芯糠较蚨嗌儆行╆P(guān)系。

最近這十年間，我一直從事的是智能優(yōu)化理論的應(yīng)用轉(zhuǎn)化工作，在鋼鐵、玻璃、微電子等行業(yè)也做過智能優(yōu)化的算法實(shí)踐。我覺得可以通過模型和算法優(yōu)化，讓這些“小家伙”變得更聰明。

隱形偵探，揪出“真兇”

自動(dòng)搬運(yùn)貨物的機(jī)器人并不罕見，京東、阿里、亞馬遜等公司都大量使用AGV來打造智能倉庫，但我們制造的應(yīng)用場景比電商場景要復(fù)雜得多。電商場景一般是倉庫內(nèi)部幾個(gè)節(jié)點(diǎn)之間的往返配送，而我們的場景包含倉庫、線邊超市、產(chǎn)線工位、成品發(fā)運(yùn)等十幾個(gè)節(jié)點(diǎn)的交叉循環(huán)配送。電商場景好比就是公交車系統(tǒng)，固定站點(diǎn)往返，而我們的場景更像是滴滴打車平臺(tái)，復(fù)雜多變。

剛開始車間導(dǎo)入的AGV比較少，運(yùn)行沒什么問題，當(dāng)AGV數(shù)量越來越多，問題就來了。正如我在現(xiàn)場看到的那樣，那時(shí)候異常的車子很多，IT開發(fā)和運(yùn)維的兄弟動(dòng)不動(dòng)就通宵蹲守，不但要“燒腦”解決系統(tǒng)問題，還要擼起袖子人工推車，真是一把辛酸一把淚。但大家也知道，生產(chǎn)自動(dòng)化是大趨勢(shì)，是未來的方向，要堅(jiān)決推行下去，不能半途而廢。

他們嘗試了很多方法，問題仍然沒有得到解決，因?yàn)檫@涉及實(shí)時(shí)調(diào)度的核心算法，不是簡單的優(yōu)化改善就能萬事大吉。雖然我有相關(guān)經(jīng)驗(yàn)，但實(shí)時(shí)調(diào)度也是第一次碰到，能做成什么樣我也心里沒底。剛開始我們用供應(yīng)商的算法包在倉儲(chǔ)內(nèi)部幾個(gè)節(jié)點(diǎn)的場景也實(shí)現(xiàn)了自動(dòng)調(diào)度，但遇到新的應(yīng)用場景時(shí)卻吃了個(gè)閉門羹。因涉及商業(yè)秘密，供應(yīng)商的算法包是完全封裝的，沒辦法做二次開發(fā)。找供應(yīng)商定制開發(fā)，他們也委婉地拒絕了，那怎么辦呢？我心想，核心技術(shù)一定不能受制于人，一定要掌握在自己手上，所以內(nèi)因、外因都促使我們走上了自主研發(fā)的道路。

首要任務(wù)是把場景和問題梳理清楚。2017年10月份起，我開始了白天泡倉庫，晚上刷視頻的生活。倉庫調(diào)研，都是實(shí)打?qū)嵉膱鼍埃吹降膬H僅是單臺(tái)車或單個(gè)節(jié)點(diǎn)的問題，而AGV調(diào)度是系統(tǒng)運(yùn)作，必須把AGV搬運(yùn)錄像調(diào)出來，從全局角度來分析。不調(diào)不知道，一調(diào)足足有一千多個(gè)小時(shí)，這要是45分鐘一集的電視劇，得有一千多集。當(dāng)然這不是看電視劇，沒問題的部分我就快進(jìn)，但有問題的視頻我必須放慢來分析，一分一秒都不能錯(cuò)過。主要看調(diào)度結(jié)果為什么跟我想象的不一樣，原理是什么。有時(shí)得放慢五六倍的速度來反復(fù)研究，幾個(gè)小時(shí)看下來，眼睛又酸又脹，感覺近視又深了幾度。有人可能覺得這多無聊啊，但在我看來，這不亞于看一部偵探電視劇。從細(xì)節(jié)、線索入手，順藤摸瓜，把掩蓋在表象下的問題和真相一一揪出。最終，經(jīng)過100多次現(xiàn)場調(diào)研和1000多個(gè)小時(shí)的AGV搬運(yùn)錄像分析，我們完成了AGV智能調(diào)度的十幾類優(yōu)化子問題的數(shù)學(xué)建模與算法設(shè)計(jì)，也做了一些算法上的創(chuàng)新，比如就快選車、提前銜接等等。這讓我大有偵探抓住嫌疑人的快感，“看，我把你抓住了吧！”

拿“就快選車”來說，大家可以想象一下，如果10秒鐘內(nèi)AGV突然接到幾百個(gè)搬運(yùn)任務(wù)，哪個(gè)任務(wù)應(yīng)該分配給哪臺(tái)車比較好呢？有人說很簡單呀，就近分配就可以啦。事實(shí)上，就近分配很多情況下是不行的，舉個(gè)例子：就像滴滴打車一樣，給你分配一個(gè)司機(jī)，雖然很近，但是如果司機(jī)過來的路很堵，你就會(huì)等很長時(shí)間，還不如分配一個(gè)稍微遠(yuǎn)一點(diǎn)的，道路暢通的，很快你就能坐上車。

這其實(shí)就是任務(wù)調(diào)度問題，實(shí)際AGV的任務(wù)調(diào)度問題很復(fù)雜。小車一直在動(dòng)態(tài)變化，有的正在搬東西，有的遇到障礙物，有的在充電，一波任務(wù)還沒干完又來一波，還要自動(dòng)對(duì)接移栽機(jī)、封箱機(jī)等十幾種外部設(shè)備，還要協(xié)同考慮空托盤、空貨位、充電樁等其他資源的綜合利用，一旦調(diào)度不好，就很容易出現(xiàn)擁堵、空跑，很容易出現(xiàn)配送效率低的情況。

我們?cè)O(shè)計(jì)算法的目的就是要在這些問題上做到深度優(yōu)化。2018年4月，我?guī)е鴥扇粓F(tuán)隊(duì)成員，完成了三萬行代碼的交付，開發(fā)出的第一個(gè)算法版本正式上線了。

小車“蒙圈”，系統(tǒng)幾近癱瘓

我們選了一個(gè)只有十幾臺(tái)AGV的小倉庫進(jìn)行算法切換，沒想到出乎意料的順利，沒出任何問題，首秀就切換成功。看著跑得歡快的小車，我們都高興壞了。后來我們又信心滿滿地切換了幾個(gè)小倉庫，也非常順利。

但自主研發(fā)哪有一帆風(fēng)順的，總會(huì)有磕磕絆絆。就在我們高歌猛進(jìn)的時(shí)候，5月份的一天下午，我突然接到一個(gè)緊急求助電話，“小車把主干道都堵了，趕緊過來看看吧！”打電話的是一個(gè)剛切換算法的倉庫的主管，語氣非常焦急，我來不及思考就飛奔著來到了現(xiàn)場。這個(gè)倉庫比較大，已上線AGV八十多臺(tái)，相較于此前的小倉庫，這里的場景復(fù)雜很多。如果說之前是小試牛刀，那這里才是真正大顯身手的時(shí)候。沒想到，這下我們攤上大事了。

經(jīng)過一番后臺(tái)分析，我們找到了問題的根因。當(dāng)時(shí)一臺(tái)小車已經(jīng)頂起了貨物，準(zhǔn)備運(yùn)輸，這時(shí)系統(tǒng)出錯(cuò)，又給它下了一個(gè)任務(wù)，小車不知道該聽誰的，直接就“蒙圈”，卡在原地不動(dòng)了。我們一邊調(diào)試，解決Bug；一邊人工處理后臺(tái)指令，想盡快讓車子再正常跑起來。但隨著任務(wù)不斷下發(fā)，錯(cuò)誤接二連三，整個(gè)系統(tǒng)都亂套了，幾十臺(tái)車直接癱瘓，停在了主干道上。這種情況下，回退到供應(yīng)商的算法包是最快捷的解決方案。但我們不甘心，前幾個(gè)倉庫都順風(fēng)順?biāo)詾閱栴}應(yīng)該沒有那么復(fù)雜，想再堅(jiān)持一下。

但事實(shí)上，我們過于樂觀了，問題的嚴(yán)重性超乎我們的想象。我們忙了一整個(gè)通宵，推了一晚上的車，天都快亮了，問題依然沒有解決，為了不影響后續(xù)業(yè)務(wù)，我們選擇了系統(tǒng)回退，這個(gè)倉庫暫時(shí)又用回了供應(yīng)商的算法。這件事情給我們澆了一盆冷水，但也讓我揪出了當(dāng)時(shí)自研算法的不足——實(shí)時(shí)性不夠，難以適應(yīng)海量并發(fā)任務(wù)的場景。

AGV需要實(shí)時(shí)的信息反饋和調(diào)度，越短的時(shí)延，信息就越精確。我們最初定的實(shí)時(shí)性要求是每三秒鐘調(diào)度一次，這在任務(wù)不多的小倉庫沒問題，但到了大倉庫就行不通了。大倉庫一瞬間可能就有幾百個(gè)搬運(yùn)任務(wù)下發(fā)，任務(wù)下發(fā)后小車要三秒才能接收到指令，這時(shí)小車都已經(jīng)跑了好幾米了，位置和狀態(tài)已經(jīng)發(fā)生了很大變化，這就難免造成錯(cuò)誤。對(duì)我們研究智能優(yōu)化算法的人來說，分鐘級(jí)的優(yōu)化并不難，但秒級(jí)甚至毫秒級(jí)的實(shí)時(shí)優(yōu)化難度很大，既要滿足調(diào)度的要求，又要攻克極簡的挑戰(zhàn)。

說實(shí)話，當(dāng)時(shí)我也很迷茫，只能不斷嘗試，不斷實(shí)踐分析。試了三四種算法后，實(shí)時(shí)性依然沒有大的改善，那段時(shí)間我?guī)缀跛芯Χ紦湓谶@個(gè)問題上，可以說是日思夜想。正所謂念念不忘，必有回響。在一個(gè)深夜，靈感突然造訪，一個(gè)此前從沒想過的點(diǎn)子冒了出來——瓶頸優(yōu)化。瓶頸優(yōu)化簡單來說，就是將調(diào)度過程中動(dòng)態(tài)變化的復(fù)雜度最高的點(diǎn)識(shí)別出來，并優(yōu)先集中資源解決，解決完后再進(jìn)行其他簡單環(huán)節(jié)的調(diào)度處理，這樣就可以縮短總體處理時(shí)間。如果按照此前的算法框架，每個(gè)點(diǎn)都是同等的計(jì)算資源，也不清楚哪個(gè)先處理，哪個(gè)后處理，一旦遇上瓶頸問題就容易卡住，導(dǎo)致后面一連串問題處理的停滯，處理時(shí)間無疑就加長了。果不其然，使用瓶頸優(yōu)化方案后，實(shí)時(shí)性提高了很多，后來我們又將一些子問題換成低頻預(yù)處理的模式，進(jìn)一步縮短了時(shí)延。目前，我們已經(jīng)能做到一秒調(diào)度的實(shí)時(shí)性要求。

解決了算法的實(shí)時(shí)性問題之后，我們持續(xù)對(duì)算法進(jìn)行迭代和優(yōu)化，不斷積累經(jīng)驗(yàn)，AGV作業(yè)已經(jīng)越來越聰明，越來越高效，算法推廣基本能做到“無感切換”。目前自研算法已經(jīng)推廣了包括制造部的無線、企業(yè)網(wǎng)、固網(wǎng)、終端在內(nèi)的30多個(gè)庫區(qū)，已經(jīng)實(shí)現(xiàn)了自動(dòng)對(duì)接電梯、提升機(jī)等設(shè)備進(jìn)行跨樓層垂直運(yùn)輸和自動(dòng)對(duì)接產(chǎn)線工位進(jìn)行跨庫區(qū)水平運(yùn)輸?shù)?0多種復(fù)雜場景的良好適配，在線調(diào)度的AGV已經(jīng)有400多臺(tái)。

正在上電梯的AGV

夢(mèng)想構(gòu)建“超級(jí)大腦”

我們的工作就是幫助企業(yè)節(jié)能、降耗、提質(zhì)、增效。有了這套算法后，AGV的綜合調(diào)度效率在供應(yīng)商算法的基礎(chǔ)上平均提升了30%左右。原來100臺(tái)車干的活，現(xiàn)在70臺(tái)左右就可以干完。截至目前，400臺(tái)AGV效率提升帶來的成本節(jié)約累計(jì)逾1000萬元。

比較有成就感的是，現(xiàn)在我去車間現(xiàn)場，經(jīng)常聽到有人問AGV調(diào)度用的什么算法，作業(yè)人員回答：這是我們林博士搞的，叫“林博算法”。當(dāng)然，這不是我一個(gè)人能搞定的事情，需要業(yè)務(wù)、IT、設(shè)備、算法等團(tuán)隊(duì)通力協(xié)作才能讓算法真正跑起來。

目前我們?cè)谏a(chǎn)自動(dòng)化部的大數(shù)據(jù)及人工智能實(shí)驗(yàn)室搭建了第三代AGV的研究環(huán)境，研究人員可以直觀地看到新技術(shù)的快速應(yīng)用轉(zhuǎn)化。第三代AGV將摒棄二維碼導(dǎo)航，實(shí)現(xiàn)激光掃描，構(gòu)建三維地圖，精確定位，靈活避障。算法將會(huì)兼容不同供應(yīng)商、不同類型、不同功能的AGV進(jìn)行混合協(xié)同調(diào)度。另外，5G也將派上用場，提供更快的響應(yīng)速度，更低的網(wǎng)絡(luò)時(shí)延，AGV之間的高速通訊也將建立起來，屆時(shí)，整個(gè)AGV調(diào)度將更加高效和智能。

當(dāng)然，目前我們所做的僅僅是物流環(huán)節(jié)的局部優(yōu)化，但我們正一步步朝著智能制造前進(jìn)，希望將來我們能基于各種智能優(yōu)化引擎，建立一個(gè)“超級(jí)大腦”，進(jìn)一步挖潛增效，實(shí)現(xiàn)制造交付全流程中來料、倉儲(chǔ)、計(jì)調(diào)、生產(chǎn)、發(fā)貨等關(guān)鍵環(huán)節(jié)的全局優(yōu)化，驅(qū)動(dòng)制造走向“智造”！

未來，如果有人想知道智能制造的標(biāo)桿在哪里，希望我們能驕傲地告訴他：在華為松山湖！

本文為《華為人》版權(quán)所有，未經(jīng)允許不得轉(zhuǎn)載。如需轉(zhuǎn)載請(qǐng)聯(lián)系編輯部hwrb@huawei.com

華為人期刊 機(jī)器人

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實(shí)的內(nèi)容，請(qǐng)聯(lián)系我們jiasou666@gmail.com 處理，核實(shí)后本網(wǎng)站將在24小時(shí)內(nèi)刪除侵權(quán)內(nèi)容。

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實(shí)的內(nèi)容，請(qǐng)聯(lián)系我們jiasou666@gmail.com 處理，核實(shí)后本網(wǎng)站將在24小時(shí)內(nèi)刪除侵權(quán)內(nèi)容。