ناوبری و هدایت AGV به فرآیندی اشاره دارد که در آن AGV سرعت و زاویه فرمان را بر اساس آفست مسیر کنترل می کند، در نتیجه اطمینان حاصل می کند که AGV به طور دقیق به موقعیت و سمت نقطه هدف حرکت می کند. این عمدتا شامل سه نکته فنی عمده است:
1. موقعیت یابی
تعیین موقعیت اساسی ترین مرحله در جهت یابی و هدایت AGV است که موقعیت و عنوان AGV را نسبت به مختصات جهانی در محیط کار تعیین می کند.
2. ادراک و مدل سازی محیطی
برای دستیابی به حرکت مستقل AGV، شناسایی اطلاعات محیطی مختلف بر اساس حسگرهای متعدد ضروری است، مانند مرزهای جاده، شرایط زمین، موانع و غیره. موقعیت نسبی در محیط را پیش‌بینی می‌کند و حرکت موانع دینامیکی را پیش‌بینی می‌کند و در نتیجه مبنایی را برای برنامه‌ریزی مسیر محلی فراهم می‌کند.
3. برنامه ریزی مسیر
با توجه به درجه ای که AGV ها بر اطلاعات محیطی تسلط دارند، می توان آنها را به دو نوع تقسیم کرد: یکی برنامه ریزی مسیر جهانی بر اساس اطلاعات محیطی شناخته شده و دیگری برنامه ریزی مسیر محلی بر اساس اطلاعات حسگر. محیط دوم ناشناخته یا تا حدی ناشناخته است، یعنی اندازه، شکل و موقعیت موانع باید از طریق سنسورها بدست آید.
مقایسه روش های ناوبری AGV
AGV های اولیه بیشتر از نوار مغناطیسی یا ناوبری الکترومغناطیسی استفاده می کردند که دارای اصول ساده، تکنولوژی بالغ و هزینه کم بود. با این حال، تغییر یا گسترش مسیر و نگهداری بعدی سخت‌تر بود و AGVها فقط می‌توانستند مسیرهای ثابتی را دنبال کنند و نمی‌توانستند به اجتناب هوشمندانه یا تغییر کار در زمان واقعی از طریق سیستم‌های کنترل دست یابند.
در حال حاضر، روش اصلی ناوبری برای AGV، کد QR به همراه ناوبری اینرسی است که استفاده از آن نسبتاً انعطاف‌پذیر است و به راحتی می‌توان آن را تعیین کرد یا مسیر را تغییر داد. با این حال، مسیر نیاز به تعمیر و نگهداری منظم دارد. اگر سایت پیچیده است، کد QR باید مرتباً جایگزین شود. علاوه بر این، الزامات دقیقی در مورد دقت و عمر مفید ژیروسکوپ در نظر گرفته شده است.
با توسعه الگوریتم SLAM، SLAM به روش ناوبری پیشرفته ترجیحی برای بسیاری از تولیدکنندگان AGV تبدیل شده است. SLAM به امکانات موقعیت یابی دیگری نیاز ندارد و شکل و مسیر آن انعطاف پذیر و سازگار با محیط های مختلف در محل است. من معتقدم که با بلوغ الگوریتم‌ها و فشرده‌سازی هزینه‌های سخت‌افزاری، SLAM بدون شک به روش اصلی ناوبری برای AGVهای آینده تبدیل خواهد شد.
SLAM را می توان تقریباً به دو دسته تقسیم کرد: SLAM لیزری (2D یا 3D) و SLAM بصری.
Visual SLAM در حال حاضر در مرحله توسعه بیشتر و گسترش سناریو برنامه است. Visual SLAM به دلیل مزایایی که دارد مانند حجم زیاد اطلاعات و کاربرد وسیع، مورد توجه گسترده قرار گرفته است. با این حال، الگوریتم‌ها به نیازهای پردازشگر بالایی نیاز دارند، که معمولاً به یک CPU سطح دسکتاپ یا حتی یک GPU نیاز دارند. با این حال، AGV بیشتر از پردازنده‌های تعبیه شده استفاده می‌کند، که اجرای آن را در مقیاس بزرگ در دستگاه‌های کوچک AGV در مدت زمان کوتاهی دشوار می‌کند.
لیزر SLAM زودتر از SLAM بصری شروع شد و تئوری و فناوری آن نسبتاً بالغ است. پایداری و قابلیت اطمینان آن تأیید شده است و الزامات عملکرد آن برای پردازنده ها بسیار کمتر از SLAM بصری است. به عنوان مثال، SLAM لیزری معمولی می‌تواند در زمان واقعی بر روی CPUهای معمولی ARM اجرا شود. در حال حاضر، برخی از تولیدکنندگان AGV محصولاتی را بر اساس ناوبری لیزری SLAM عرضه کرده اند. بدون شک، لیزر SLAM همچنان راه حل اصلی SLAM برای یک دوره زمانی خواهد بود.
فناوری ناوبری و هدایت AGV به سمت انعطاف پذیری بالاتر، دقت بالاتر و سازگاری قوی تر در حال توسعه است و وابستگی آن به نشانگرهای ناوبری کمکی کمتر و کمتر می شود. روش مسیریابی رایگان مسیریابی موقعیت یابی و ساخت نقشه بلادرنگ، مانند SLAM، بدون شک روند توسعه آینده است. من معتقدم که در آینده نزدیک، ادغام فناوری هایی مانند 5G، هوش مصنوعی، رایانش ابری، اینترنت اشیا و ربات های هوشمند، تغییرات زمین لرزه را در صنعت AGV به ارمغان خواهد آورد و روش ناوبری SLAM با انعطاف پذیری، دقت و سازگاری بالاتری خواهد داشت. همچنین با محیط های کاری پویا پیچیده و همیشه در حال تغییر سازگارتر باشد. پس از توسعه مشترک چندین رشته، قطعاً در آینده فناوری ناوبری AGV پیشرفته بیشتری وجود خواهد داشت.