基于5G网络的云化移动机器人部署方式研究

张 慧

(南京中兴新软件有限责任公司，江苏 南京 210012)

0 引言

工业自主移动机器人(Autonomous Mobile Robot, AMR)是广泛用于仓储、产线物流中完成货物搬运的工业移动机器人，能够自动根据任务进行路径规划和自动行驶，并具备安全保护功能。AGV有传统的磁条、磁钉、有轨、二维码等的导航方式，也有基于激光雷达、视觉的自然导航方式。自然导航有着部署及运行灵活的优势，能更好地适应柔性化生产需要，是AGV发展的方向。本文以基于激光雷达的自然导航为例，不再赘述其他类似的导航方式。

AGV系统为了完成自动的物流搬运功能，需要进行复杂的计算，故云化AGV的概念被提出。将复杂的计算进行云化，降低本地部署部分的成本。同时，云化部分具备资源共享、动态互备、资源弹性升缩的优势。因为AGV是移动的，无法通过有线方式直接接入云，所以本文讨论的是基于5G网络的云化AGV的部署方式。

1 云化AGV的部署问题

解决本地端和云端的通信问题是云化的基础。通常工厂或仓储中的无线网络以WiFi为主，其具有部署便利的优点。但WiFi容易受到干扰，经常会出现由于信号不好或被干扰导致AGV停运的事故；另外，在较大空间部署时，AGV无法完成在多个AP之间的平滑无缝切换；AP之间的组网、网络优化和维护也是个困难。一方面，基于5G的网络连接方案可以解决干扰和信号覆盖问题；另一方面，网络的规划、优化和维护由运营商来解决，使用方只需按需购买服务即可，这提高了效率。故用5G替换WiFi是一个较好的无线网络的选择。

常见的百度云、电信云等都属于集中部署方式的公有云。随着AR/VR、工业互联网、车联网等新技术的发展，一方面是移动性的需求，一方面对时延、带宽提出了更高的要求。5G NFV、SDN、云计算的发展催生了多接入边缘计算技术(Multi-Access Edge Computing，MEC)[1]。

MEC是一种技术架构的创新，可以让业务更加灵活地选择部署的位置，除了中心云以外，还可以部署在不同的网络边缘云上。

网络边缘既可以承担中心云部分下沉的业务，使业务更靠近现场，减少业务时延；也可以承担现场侧边缘部分上移的业务，以减轻现场边缘算力不足的压力。网络边缘计算可以部署在多个节点上，包括接入、普通汇聚、重要汇聚、地市核心四级；相应地，物理上存在于基站站点、区县一级机房、地市甚至省或大区的核心机房内[2]。

AGV系统由相应的硬件和软件构成，只要是软件功能，原则上都是可以云化的，但是每个功能模块对实时性要求、与其他模块消息交互的带宽需求不同，故并不是每个模块都适合云化。本文讨论的重点是，分析AGV系统不同模块的特点以及云化对云网的时延、带宽等需求，确定可以进行云化部署的模块；同时，分析确定云及边缘云节点的位置的选择原则。

2 云化AGV业务对云网的需求

AGV系统由AGV小车本体和多机调度系统组成。多机调度系统接收来自MES或WMS的调度指令进行任务分配、路径规划和交通管制。AGV小车执行两点或多点间的搬运任务，实时进行定位导航、安全避障和接受调度台的管制和任务下发、任务变更。AGV本体和多机调度系统(以下简称“调度台”)的功能模块细分，如图1所示。

图1 AGV系统功能模块

2.1 多机调度

多机调度功能主要完成：

(1)任务分配。收到MES或WMS的指令后，选择合适的AGV接收任务，这个时延和带宽要求都不高。和任务的节拍数相关，但实际的项目中一般不会超过每秒1个任务。

(2)路径规划。对于收到任务的起始点选择一条合适的路径，既需要考虑到最高效，也需要考虑到多机之间交通冲突和死锁风险。这个也是和任务数相关。事实上，任务分配并路径规划后才会和AGV本体进行交互。时延小于500 ms，带宽大于100 kBps就可以满足要求。

(3)交通管制。为了防止多车之间发生交通冲突，小车会按一定周期上报位置，调度台不断在计算冲突风险，并给出交通管制指令。各厂家实现机制有点不同，小车上报周期100～500 ms不等。上报和控制指令带宽需求都很小，与小车数量相关，不应大于1 M[3]。

2.2 AGV单机控制

2.2.1 感知采集与控制

这部分包括从摄像头、雷达、IMU、里程计、安全开关等采集实时数据，也包括向电机控制器发送执行控制信息。这部分功能与硬件强关联。一般都驻留在AGV本体，不适合云化部署。

2.2.2 实时分析决策

这部分包括对感知数据的分析、避障、导航定位、运动规划控制。因为感知数据分析是为各项业务功能服务的，提供视觉、雷达、IMU、里程计等数据的智能分析。如果要云化，需要分解到以下主要功能模块的需求分析。

(1)定位建图。以激光SLAM定位建图为例，建图过程可以是在线的，也可以是离线的，对实时性没有强制要求，只需考虑上行带宽。上行数据包括激光点云、IMU、光电编码器等数据。AGV当前以单线为主，一般上行预留10 M带宽即可。

(2)定位导航。AGV在行进过程中，需要不断地对自身为主进行定位计算。定位精度的要求至少3 cm。AGV小车的运行速度为1.0～3.0 m/s不等，以3 m/s计算，这3 cm的误差将会发生在10 ms内。定位导航如果上移到云端，则需要时延高一个数量级，控制在1 ms为佳。带宽需要定位建图，预留10 M带宽。

(3)安全避障。安全避障包括碰触急停和检测到障碍物后停车。涉及安全，故越及时越好。如果需要云化，那么这部分功能所能容忍的时延不能低于定位导航，需要控制在1 ms。

(4)决策控制。运动规划、运动控制，需要在定位、避障感知的基础上，实时地决策和发送控制指令，使得车身前进、后退、转向。故不能低于安全避障功能的要求，姑且定位1 ms。

带宽一般都不是问题，主要需要考虑时延和抖动。

3 基于5G云网的测试数据

网络中的MEC存在多个节点，不同节点的部署会带来不同影响。本研究通过1个试点项目进行了测试。测试通过中国南方某市的1个测试基站到4个MEC层次上的节点的用户面UPF的时延，看不同部署节点带来的时延影响。测试组网如图2所示。

图2 测试组网

分别测试从基站gNB到不同MEC节点的时延，测试数据如图3所示，从中可以看出：用户距离边缘节点上UPF(用户面功能)越远，时延越大；地市MEC/边缘云，基本可控制在20 ms以内。

图3 测试点gNB到各层边缘节点的距离与时延示意

另外，上述内容只考虑了基站到MEC上的UPF的时延，但对于业务来说，还需要考虑MEC上UPF到业务服务器的时延的端到端的过程。测试对走不同MEC节点到业务服务器的不同路径做了对比。应用服务器部署在B机房。一条路径是基站到B机房，另一条路径是基站到A机房后到B机房的应用服务器。测试结果，第二条路径多了7 ms。所以，时延要求越低，就要求UPF下沉到最接近业务应用服务器的MEC节点。

同时，也对上下行带宽进行了测试，测试结果显示，在测试点环境下，单用户单线程下行160 Mbps，上行110 Mbps。上下行带宽能满足AGV业务需求。

4 结语

从以上数据和对AGV功能模块的分析看，可以得出3个结论：

(1)多机调度系统、AGV的定位建图功能可以部署在地市一级(不超过50 km)的各级MEC上，都可以满足时延带宽的要求；节点越远，时延越大，受影响因素更多，因条件限制，没有测试。

(2)在条件允许的情况下，将业务部署在越低的节点，越靠近业务发生的园区，时延越低，越有利于业务的可靠开展。

(3)AGV本体的业务功能，如智能感知、导航定位、避障等，因为对实时性要求更苛刻，在当前5G的eMBB网络下，无法满足要求。

5G作为新一代的移动通信技术，契合了工业数字化转型对无线网络的应用需求。5G在工业领域的应用研究处于探索阶段。尤其在超低时延(ms级以下)、高可靠性上，工业场景对网络的要求是非常苛刻的。为此，除了在R16中发布的URLLC、5G TSN，还针对工业场景启动了5G LAN、工业协议感知和增强、高可用方案等5G增强技术的研究[4]。随着这些技术的成熟，包括AGV在内的多种应用，都可以更加灵活地部署计算节点，如进一步云化AGV本体中的智能感知、导航定位等算法，这可以降低本体的成本，共享云端计算资源。