通信世界網消息（CWW）目前AGV（Automated Guided Vehicle，自動導引運輸車）技術正被廣泛應用于無人物流、倉儲以及工業生產過程中。隨著視覺定位技術的發展，采用未標記場景的圖像信息融合慣性測量單元傳感器數據進行全局定位和地圖構建的技術（SLAM或VIO）已經較為成熟，這種方法能夠使用較低成本的傳感器實現AGV的定位與控制，但其所需要的計算資源超出了一般低成本嵌入式計算機所能提供的范圍，需要相對高性能的計算機進行處理，因而無法真正有效地降低單臺AGV的成本。

云化AGV，提高AGV智能化程度

如果通過Wi-Fi或4G技術將圖像信息傳輸至服務器進行處理，則壓縮后圖像的清晰度會受到明顯影響，進而影響定位效果，并且無線通信的延遲與不穩定性也會對AGV的正常工作造成影響。如果能夠通過更高帶寬、更低延遲、更好穩定性的5G網絡進行數據的傳輸，則云化視覺定位是完全可行的。

云化AGV，即把AGV上位機運行的定位、導航、圖像識別及環境感知等需要復雜計算能力需求的模塊上移到5G的邊緣計算服務器，以滿足AGV日益增長的計算力需求，同時，運動控制/緊急避障等實時性要求更高的模塊仍然保留在AGV本體以滿足安全性等要求。這相當于在云端為AGV增加了一個大腦，除AGV原有的復雜計算以外，各種各樣的AI能力擴展成為可能。云化AGV架構如圖1所示。

圖1  云化AGV架構

邊緣計算和云計算的結合將突破AGV終端的計算能力和存儲的限制，提高AI算法的訓練和推理能力，同時將大部分機器人智能布署在邊緣和云端，通過協作和不斷地訓練，持續不斷地提高AGV智能化程度。

多臺云化AGV可組成柔性生產搬運系統，運行路線可以隨著生產工藝流程的調整而及時調整，大大提高了生產的柔性和企業的競爭力。對于港口、碼頭和機場等密集搬運場所，AGV發揮出更為強大的并行化、自動化、智能化等特性。在一些特殊環境要求的場景，如醫藥、食品、化工，甚至危險場所和特種行業，AGV除了基本的搬運工作外，還自帶多種傳感器，可以進行執行檢查、探測、自動識別等工作。

中興通訊云化AGV方案創意特色

實現AGV云化控制相當于部署在工業企業內5G網絡側的工業邊緣云MEC將AGV作為無線傳感器與執行器進行控制，這一控制方式對于數據鏈路的可靠性以及帶寬具有十分苛刻的要求。將AGV的頂層控制器轉移至邊緣云端后，AGV底層只負責速度與轉向控制，通過編碼器與慣性測量單元即可實現，頂層圖像信息的處理與反饋需要由部署在MEC上的軟件實現。在安全避障方面，由于定位不完全依賴于激光數據，AGV可以裝備低成本的二維或偽三維激光避障傳感器，用于代替昂貴的三維點云激光傳感器。

由于AGV的運動學模型相對較為準確，視覺定位算法可以通過相對較快的速度收斂，理論上能夠達到較好的精度。如果在室外環境使用，AGV底層還可以攜帶低成本GPS模塊，進一步增加定位的可靠性。MEC通過與先驗知識圖像信息進行匹配，能夠有效地確定所有AGV的全局位置，并根據AGV的狀態實時進行自主路徑規劃和自動避讓。

如此，一方面，MEC采用全新的分布式計算方式，構建在用戶側的云服務環境，降低時延和往返時間（RTT），優化流量，增強物理安全和緩存效率等。另一方面，MEC是把終端側的大量計算和應用需求，從終端側遷移到MEC邊緣側，實現計算及存儲資源的彈性利用，并減少移動業務的端到端時延。

目前機器人本體計算能力有限，必須通過可以無限擴展的云端計算能力來提供智能機器人所需的能力。通過5G無線接入和由安全高速骨干網絡構成的機器人的“神經網絡”，來實現機器人本體和云端大腦的連接。云端大腦包括機器人視覺系統、對話系統、運動智能和極限現實系統等技術，通過人工智能算法不斷訓練、進化，使得前端機器人本體智能隨之迅速提高。因此，云化AGV的系統架構具有更強的適應性和擴展性。

云化AGV實現了云—邊—端的無縫協同計算。云側提供高性能的計算以及通用知識的存儲，邊緣側進行有效的數據處理，提供算力支持，并在邊緣范圍內實現協同和共享，機器人終端完成實時的操作和處理等基本功能。

云化AGV具有持續學習和協同學習的能力，將感知模塊的輸出與知識圖譜結合對環境和人充分理解，通用知識和較少變化的領域知識存放在云端，與地域和個性化服務相關的知識存放在邊緣或者終端，逐步提取和積累與服務場景、個人相關的個性化知識。云化AGV能夠在AGV之間或AGV與其他智能體間共享數據、模型、知識庫等，進行協同學習。

5G云化AGV已在生產線試點成功

5G云化AGV已在中興通訊長沙研發生產基地的生產線試點成功。項目之初，云化AGV采用激光導航代替侵入式部署的導航方式。隨著場景的日趨復雜，為了彌補2D激光導航在無特征場景和復雜場景應用受限的缺陷，采用了激光+視覺等多傳感器融合的自主導航方案。隨著視覺定位技術的發展，采用未標記場景的圖像信息融合慣性測量單元傳感器數據進行全局定位和地圖構建的技術（SLAM或VIO）已經較為成熟，AGV采用了更低成本的視覺實現定位和導航。

中興通訊長沙智慧工廠生產線如圖2所示。

圖2 中興通訊長沙智慧工廠生產線

市場可期  將大幅提升生產效率和管理水平

隨著5G和邊緣計算的部署，機器人端到基站的延遲可以達到毫秒級，使得5G的網絡邊緣可以很好地支持AGV的實時應用。

通過云化，各AGV本體獲取和處理的信息可以保持最新，并安全備份、存儲。因此，在通常情況下，云側可以提供高性能的計算以及通用知識的存儲，邊緣側可以更有效地處理數據，提供算力支持，并在邊緣范圍內實現協同和共享，機器人終端完成實時的操作和處理等基本機器人的功能。

隨著人口紅利的消失及人力成本的提升，生產制造智能化改造升級需求迫切。云化AGV一個云端大腦可以控制很多AGV，匯集來自所有連接AGV的視覺、語音和環境信息，分析處理后的數據信息可以被所有連接AGV使用，多AGV協同工作可以自主處理更加復雜的工作流程。利用云端平衡計算負載可以降低AGV本體的硬件需求，在保證能力的同時，讓AGV更輕、更小、更便宜。同時，AGV的持續升級也將不再依賴AGV本地硬件設備。社會經濟轉型和云化AGV的優勢讓云化AGV規模化部署成為可能。

云化AGV把云端大腦分布在從云到端的各個地方，充分利用邊緣計算去提供更高性價比的服務，把要完成任務的記憶場景的知識和常識很好地組合起來，實現規模化部署。由于AGV配備了多傳感器，在工作過程中可以收集到大量視覺、語音、位置等信息，為了數據安全，建立了安全專網，基于專有路線進行網絡傳輸，確保AGV與云端具有安全的網絡連接。

隨著5G通信網絡商用部署的全面鋪開，利用5G技術，可大大縮短從終端到接入網的時間，帶寬大幅度上升，很多工業應用可以放到邊緣端，加入更多的計算能力，包括云端大腦的一些擴展，助力AGV規模化部署。隨著5G網絡的規模商用和5G云化AGV在工業制造和倉儲物流等領域的大量應用，可大幅提升企業的生產效率和管理水平，節省人力成本。