CES | 使用 NVIDIA cuOpt 优化 Isaac Sim 机器人路线规划

邮件收发室的工作人员从不同的站点接收邮件和包裹，并将其发送给不同的收件人。因为有些邮件具有时效性，所以他们利用自己的知识，以尽可能短的时间计划路线。

这一邮件传递难题可以通过使用运筹学的技术从数学上解决，运筹学是一门应用分析模型来提高决策和系统效率的学科。运筹学背后的数学科学也高度适用于机器人、工业自动化和材料处理系统的过程建模和管理。

NVIDIA cuOpt是一个运筹学优化 API，可帮助您创建复杂的实时车队路线。这些 API 可用于解决具有多个约束的复杂路由问题，并提供动态重新路由、作业调度和机器人路线规划等新功能，同时使用亚秒解算器响应时间。

NVIDIA cuOpt for Isaac Sim扩展是 NVIDIA cuOpt 引擎的部署，直接与NVIDIA Isaac Sim机器人仿真环境（NVIDIA Omniverse应用程序）集成。

路线优化问题

物流专业人员致力于实时路线优化问题。例如旅行商问题（TSP）、车辆路径问题（VRP）和取货和送货问题（PDP）。

VRP 和 PDP 源于更学术的 TSP，这是运筹学中研究最多的问题之一。它提出了以下问题：“给定目的地列表和每对目的地之间的距离，访问每个目的地一次并返回原始位置的最短路线是什么？”

TSP 在规划和物流方面有多种应用，其直接使用可以在仓库、酒店、医院或制造设施内节省大量的物料移动时间，这需要在上下客点之间进行路线优化。

在规划和运营中使用 cuOpt

机器人公司在机器人部署的规划阶段和连续操作期间都使用 cuOpt。例如，在项目规划阶段，设施的流程布局向系统规划人员通知成功项目 ROI 的吞吐量要求。

为了继续运行，当机器人车队在设施内运行时，Isaac Sim 扩展的 NVIDIA cuOpt 可根据系统变量（如障碍物、交通量、吞吐量需求峰值、卡车到达或离开时间的变化或机器人自身的电池电量水平）实现动态重新路由。

在过去，公司通过使用离线、低保真度的数字孪生系统（称为离散事件模拟器）来设计材料处理和路由过程。对于未来的响应式机器人部署，如机器人即服务（RaaS），NVIDIA cuOpt For Isaac Sim 作为实时问题解决程序运行。它直接与机器人部署环境交互，以实现对系统变化的直接集成和响应。

据 McKinsey 报道，“高管们正在投资实现几乎所有功能的数字化和自动化。超过 60% 的受访者表示，他们已经实施或正在扩大数字化和自动化解决方案。”

例如，制造移动机器人、机器人叉车或服务交付机器人的公司可以模拟其车队如何以不同于人或输送机的时间移动材料。为了充分认识系统性差异，操作必须分析从对象的原始位置到一个或多个目的地的过程的整个材料移动流程。

大规模部署机器人的公司可以使用 NVIDIA cuOpt for Isaac Sim 扩展，通过以下步骤将现有操作转化为机器人流程：

• 机器人准备就绪：

  使用 NVIDIA Isaac Sim 对现有设施进行建模

  测试物料移动流程及其吞吐量要求

• 棕地设施的重新设计：

  模型更新的设施计划和路线

  使用模拟机器人测试更新的布局

• 实时分析和重新路由：

  测量实时系统性能

  使机器人能够根据工艺变化改变路线

示例：制造

描绘一个制造过程，其中制造设施的下游步骤依赖于零件的及时交付。假设这些零件迟到了。在这种情况下，这些制造机器会挨饿，工厂当天生产的产品也会减少。

低效的路线优化很容易成为材料及时交付的瓶颈或约束。当单个流程步骤的效率低于其他流程时，它会减慢整个操作流程。

示例：仓储

在仓储中，地面障碍物或交通会减慢移动机器人的速度，增加预测的运输时间。这些机器人需要动态改变路线，当机器人的路线被遮挡时，该路线会对变量做出反应。如果移动机器人卡住或减速，那么它将成为整个操作的瓶颈或约束，因此它们需要对障碍物进行实时响应。

机器人总是在材料如何在其整个系统中移动的情况下工作。当测量或预测机器人的移动时，楼层管理人员可以使用更强大的数据流来确定如何管理整个流程的正常运行时间。

针对关键业务约束优化路线

NVIDIA cuOpt 使用灵活的优化求解器和正在申请专利的并行核心引擎，可评估多种解决方案并混合车队组合，从而提供高质量的结果。

NVIDIA cuOpt for Isaac Sim 扩展使团队能够利用 NVIDIA 的加速性能。通过提供优化的任务分配和路由解决方案，您可以在很短的时间内生成数千个环境和配置，这些解决方案由基于冲突的占用图通知。

您可以轻松地更改系统参数，如预算、交付速度和稳健性，以确定适合您运营需求的理想布局。例如，物料搬运和仓储行业对以下流程的优化和效率有特定需求：

• 改进拾取路径优化

• 增加仓库容量

• 改善安全和工作条件

• 最大化存储密度

• 提高订单履行质量率

• 多流程物料移动计划

• 应对材料投入和瓶颈的日常变化

为流程做出正确的运营决策是最大化产出同时最小化前期和持续成本的关键。借助 NVIDIA cuOpt for Isaac Sim 扩展，机器人车队可以在设施布局和运营期间的任何时间点做出动态、数据驱动的决策。机器人公司和用户在系统重新设计、流程效率以及能够实时采取可衡量的行动方面获得优势。

图 1. 使用 CuOpt 进行仓库路线规划

现在开始

要开始为 Isaac Sim 扩展使用 NVIDIA cuOpt ，请使用以下资源：

• 下载 NVIDIA Isaac Sim：

  https://developer.nvidia.com/isaac-sim

• 查看 NVIDIA cuOpt Isaac Sim 演示 GitHub 存储库：

  https://github.com/NVIDIA/cuOpt-Resources/tree/branch-22.10/cuopt-isaacsim-sample-extension

• 通过 DLI 课程提升您的技能， Isaac Sim 机器人仿真简介：

  https://courses.nvidia.com/courses/course-v1:DLI+S-OV-03+V1/

---

原文标题：CES | 使用 NVIDIA cuOpt 优化 Isaac Sim 机器人路线规划

文章出处：【微信公众号：NVIDIA英伟达企业解决方案】欢迎添加关注！文章转载请注明出处。