Взадаче маршрутизации складского роботамы имеем дело с фиксированной планировкой склада: стеллажи, проходы, препятствия, а также начальная и конечная точки робота уже заданы. Цель — найти при этих ограниченияхбезопасный маршрут без столкновенийи по возможности сократить длину пути. Длина пути и безопасность обхода препятствий обычно не полностью согласуются: более короткий маршрут может проходить вплотную к стеллажам или через зоны повышенного риска; более безопасный маршрут может оказаться длиннее. Поэтому это типичная задачамногокритериальной оптимизации, а не задача поиска единственного кратчайшего пути.
От описания задачи к вызову EvoX
ИИ играет здесь роль «транслятора задач»: он автоматически преобразует описание на естественном языке — фиксированную планировку склада, среду с препятствиями, старт, финиш, требования обхода препятствий, цель по длине пути — в исполняемую конфигурацию вызова EvoX, снижая затраты на ручное программирование и настройку параметров. ЗатемEvoX NSGA-II параллельно выполняет оценку популяции и поиск на GPU, сохраняя несколько компромиссных решений и формируя семейство маршрутов от «коротких, но рискованных» до «длинных, но безопасных».
Определение целей и многокритериальный компромисс
- Цель по длине пути: минимизировать суммарное расстояние, пройденное роботом от старта до финиша.
- Цель по безопасности обхода препятствий: минимизировать риск столкновения с препятствиями или максимизировать возможность движения без столкновений.
- Ограничения: маршрут должен оставаться в пределах проходов, не проходить через стеллажи или препятствия и соответствовать кинематическим ограничениям робота.
- Переменные решения: ключевые точки маршрута, контрольные точки кривых, радиусы поворота, профиль скорости и т. д.
Представление результатов
После завершения оптимизации система выводит визуализацию маршрутов-кандидатов и кривые сходимости. Визуализированная карта маршрутов служит для оценки осуществимости путей, разнообразия маршрутов и рекомендуемого маршрута без столкновений; кривые сходимости позволяют судить, находит ли NSGA-II постепенно лучшие компромиссные решения. Например, если кривая длины пути выходит на плато, а риск столкновений больше заметно не снижается, можно считать, что поиск достиг плато; если же оба показателя всё ещё имеют заметный потенциал улучшения, можно увеличить число итераций или размер популяции.
