Sistema di gestione della flotta con robot mobili autonomi (AMR) in contesto intralogistico

Abstract

Questa tesi di magistrale, frutto della collaborazione tra l'Università MCI di Innsbruck, Austria, e l'Università di Genova, Italia, esplora la progettazione e l'implementazione di un sistema di gestione di flotta per robot mobili autonomi (AMR) in un magazzino simulato. Lo studio si muove nell'intricato panorama della robotica nell'intra-logistica, distinguendo tra veicoli a guida autonoma (AGV) e AMR e il loro impatto sul settore. La ricerca approfondisce lo studio delle capacità dei sistemi di gestione delle flotte, delle metodologie di navigazione e delle procedure di localizzazione specifiche per gli AMR, evidenziando la loro importanza in ambito industriale, autonomo e intra-logistico. La metodologia prevede l'implementazione hardware e software di un impianto intra-logistico simulato, utilizzando i robot TurtleBot 4 equipaggiati con attrezzature personalizzate. L'architettura software si è incentrata su OpenRMF, un sistema di gestione della flotta open-source basato su ROS2, che si è evoluto in un'implementazione personalizzata ispirata ad approcci all'avanguardia. Questa architettura personalizzata, sviluppata su ROS2, pone l'accento sull'allocazione dei compiti all'interno del magazzino simulato attraverso approcci tradizionali che utilizzano funzioni di costo e metodi moderni che si avvalgono di reti neurali .Accuratamente testato in un ambiente di simulazione, il sistema di controllo e gestione della flotta sviluppato offre spunti pratici per l'implementazione di soluzioni AMR-centriche su basi reali. Collegando sia la comprensione teorica che la pratica, questa tesi contribuisce al discorso accademico sull'intra-logistica e la robotica, fornendo una comprensione completa delle sfide e delle opportunità in questo settore in continua crescita.

This master's thesis, a collaborative effort between MCI University in Innsbruck, Austria, and the University of Genoa, Italy, explores the design and implementation of a tailored fleet management system for Autonomous Mobile Robots (AMRs) in warehouse environments. The study navigates the intricate landscape of robotics in intralogistics, distinguishing between Automated Guided Vehicles (AGVs) and AMRs and their impact on the modern industry sector. The research further delves into the study of fleet management systems' capabilities, navigation methodologies, and localization procedures specifically for AMRs, highlighting their ongoing significance in industrial, autonomous, and intralogistic settings. The methodology involves the hardware and software implementation of a simulated intralogistics plant, utilizing TurtleBot 4 robots enhanced with custom-made equipment. The software architecture centers around OpenRMF, a ROS2-based open-source fleet management system, evolving into a customized implementation inspired by cutting-edge approaches. This bespoke architecture, developed within the ROS2 framework, emphasizes task allocation within the simulated warehouse through both traditional cost functions and modern neural network approaches. Thoroughly tested in a simulation environment, the developed fleet control and management system offers practical insights for the deployment of AMR-centric solutions on real-world foundations. Bridging both, theoretical understanding and hands-on practice, this thesis contributes to the academic discourse on intralogistics and robotics, providing a comprehensive understanding of challenges and opportunities in this dynamic field.