Las plataformas robóticas automatizadas han cambiado fundamentalmente la logística de almacenamiento, reduciendo el trabajo manual durante operaciones 24/7 mientras mejoran la eficiencia operativa. Sin embargo, la industria sigue avanzando: mientras que los vehículos guiados automatizados tradicionales (AGVs) dependen de rutas fijas, los robots móviles autónomos (AMRs) ofrecen una navegación más segura y dinámica para una mayor flexibilidad de despliegue en entornos en constante cambio. Esto se logra combinando capacidades modernas de inteligencia artificial (IA) con avanzados conjuntos de sensores. Dado que las empresas que dependen de AGVs ya han invertido mucho en plataformas robóticas potentes, las adaptaciones proporcionan una forma rentable de actualizar la infraestructura existente. Este blog discute las actualizaciones de AGV a AMR antes de presentar el módulo de computadora SECO SOM-SMARC-QCS6490 como una solución innovadora para la automatización de almacenes de próxima generación.
Las plataformas de robótica automatizada han revolucionado las aplicaciones de almacenamiento y logística. En particular, los vehículos guiados automatizados (AGVs) han permitido a las empresas mejorar la eficiencia operativa mediante el transporte mecanizado de existencias, reduciendo los requisitos de mano de obra manual para operaciones 24/7. Sin embargo, los AGVs son anteriores a la robótica moderna: en la década de 1950, los AGVs consistían en tractores de remolque modificados guiados por el campo magnético de cables incrustados en el suelo. Desde entonces, los AGVs han evolucionado hacia plataformas robóticas sofisticadas que generalmente utilizan sistemas de guía ópticos, láser o basados en cinta magnética. Aun así, estos dispositivos están limitados a moverse a lo largo de caminos predeterminados basados en referencias de guía fijas.
La tecnología de robots móviles autónomos (AMR) ofrece una forma de superar esta peculiaridad evolutiva, aprovechando la inteligencia artificial (IA) de borde y matrices de sensores avanzados para apoyar la navegación en entornos abiertos. Para la logística, esto aumenta significativamente la flexibilidad operativa y permite la negociación dinámica de obstáculos para mejorar la seguridad de los humanos que trabajan junto a equipos autónomos. Pero a pesar de los beneficios, muchas empresas pueden resistirse a la adopción de AMR porque ya han invertido millones en AGVs, habiendo equipado instalaciones con infraestructura de AGV.
Aquí es donde entran en juego las adaptaciones. Los AGVs modernos ya integran sistemas robóticos avanzados para un movimiento preciso en entornos de almacén. Al mantener esta base y agregar nuevos sistemas de detección y procesamiento, las empresas pueden convertir sus AGVs existentes en AMRs, acelerando el tiempo de comercialización mientras retienen las inversiones en equipos.
Cambiar la mente de un AGV: Nuevo cerebro, nuevo juego
Los AGVs son máquinas avanzadas, pero sus capacidades de inteligencia y percepción a bordo son básicas en comparación con los AMRs. Para liberar las plataformas AGV existentes de los caminos de navegación fijos, el primer paso es adaptarlas con un nuevo "cerebro" que soporte inteligencia avanzada de borde. El "cerebro" debe luego conectarse a un "sistema nervioso" más amplio que consiste en sensores adicionales como módulos lidar 3D, cámaras y unidades de medición inercial (IMUs). En combinación, estos sistemas permiten a un AGV percibir las características naturales de su entorno, en lugar de marcadores de camino establecidos. El procesamiento de fusión de sensores luego permite una navegación avanzada en entornos abiertos, así como la detección de personas u obstáculos para una operación más segura.
Además, un AGV convertido en AMR puede registrar el entorno para apoyar la localización y mapeo simultáneos (SLAM). En muchos casos, los datos de odometría de ruedas existentes que fluyen del sistema AGV original pueden combinarse con nuevos datos de sensores para una mejor precisión de posicionamiento y distanciamiento dentro de grandes instalaciones de almacén.
Los AMRs también se benefician de una conexión a plataformas de orquestación de flotas generales. Generalmente alojadas en la nube, estas proporcionan a los gerentes de almacén una visibilidad granular del rendimiento de la flota para que las operaciones puedan ajustarse para aumentar la eficiencia. Para los equipos técnicos de AMR, los informes de telemetría pueden luego apoyar los esfuerzos de mantenimiento predictivo para maximizar el tiempo de actividad de la flota.
Si bien las adaptaciones de AGV a AMR pueden reducir el gasto al reutilizar inversiones existentes, vale la pena reconocer la carga de compatibilidad de hardware y desarrollo de software para los diseñadores de adaptaciones. Sin embargo, las soluciones comerciales listas para usar (COTS) pueden ayudar proporcionando plataformas de computación integradas listas para usar que permiten a los desarrolladores centrarse en el éxito de la adaptación de AGV, en lugar de combinar los componentes individuales de una solución.
Acelerando el desarrollo de adaptaciones de AGV a AMR utilizando ecosistemas COTS
Al diseñar adaptaciones, los desarrolladores a menudo requieren soluciones compactas que ofrezcan bajo consumo de energía. Los desarrolladores pueden entonces ajustar soluciones mejoradas dentro de las carcasas de la plataforma objetivo mientras utilizan la infraestructura de energía existente.
Para las conversiones de AGV a AMR, el estándar abierto de computadora en módulo (COM) SMARC (arquitectura de movilidad inteligente) presenta una solución ideal para adaptaciones de cerebro. Ofrece una amplia gama de interfaces en un factor de forma de 82 por 50 mm con un sobre de energía estrecho, típicamente por debajo de 6 W. Además, los COMs abiertos, también conocidos como sistemas en módulos (SOMs), se benefician de la disponibilidad a largo plazo y la interoperabilidad entre soluciones, reduciendo la posibilidad de bloqueo de proveedor. Los COMs generalmente se montan en placas portadoras específicas de la aplicación, lo que permite a los diseñadores de adaptaciones de AGV a AMR actualizar la inteligencia mediante sustitución modular a medida que evolucionan los conjuntos de chips.
Un ejemplo de tal solución es el SOM-SMARC-QCS6490 de SECO, que se basa en el procesador Qualcomm Dragonwing QCS6490. Proporciona a los AGVs el siguiente impulso de inteligencia para apoyar la funcionalidad AMR:
- CPU multinúcleo: El QCS6490 incorpora 8 núcleos de aplicación (1x Kryo Prime hasta 2,7 GHz, 3x Kryo Gold a 2,4 GHz, 4x Kryo Silver de bajo consumo a 1,9 GHz, todos basados en arquitectura Arm) para el control del sistema y el procesamiento simultáneo de datos de múltiples sensores.
- GPU Adreno: La GPU dedicada permite HMIs avanzadas directamente en el dispositivo y una gestión eficiente de datos multicanal de cámaras para navegación autónoma fuera de rutas predefinidas.
- Acelerador AI integrado: El procesamiento AI de hasta 12,15 INT8 TOPS permite inferencias de baja latencia para navegación segura en entornos abiertos y funciones SLAM en tiempo real basadas en visión y lidar, en combinación con la CPU.
- Compatibilidad flexible de sistemas operativos: El SOM-SMARC-QCS6490 soporta Windows 11 IoT Enterprise, Yocto Linux y Android para una integración sencilla.
Además del procesador, el SOM-SMARC-QCS6490 incluye hasta 12 GB de memoria LPDDR5-6400 soldada para un procesamiento fiable de grandes volúmenes de datos en entornos exigentes. Una versión de temperatura extendida (-30 °C a +85 °C) permite su uso en diferentes condiciones de almacenamiento, incluidas cámaras frigoríficas.
Como otros módulos SMARC, el SOM-SMARC-QCS6490 ofrece un amplio conjunto de interfaces, incluyendo USB y MIPI CSI para sensores y cámaras, Wi-Fi opcional para conectividad cloud y CAN bus para la integración con sistemas de movimiento de AGV. Para los desarrolladores que desean probar estas interfaces, el SECO DEV-KIT-SMARC proporciona una plataforma carrier lista para usar de grado industrial que acelera el desarrollo con los módulos SMARC de SECO. Gracias a sus puertos físicos y conectores de interfaz para subsistemas, junto con un rango de entrada de 9 a 20 V, permite prototipos de retrofit directamente sobre AGV existentes.
Además, el SOM-SMARC-QCS6490 es compatible con el framework software Clea de SECO, que incluye el Clea OS modular basado en Yocto, así como Clea Portal y Clea Edgehog para la monitorización de flotas AMR y la gestión de dispositivos. El ecosistema Clea acelera el desarrollo software de retrofits AMR al soportar funciones clave como secure boot y actualizaciones OTA, promoviendo el cumplimiento normativo y la fiabilidad a largo plazo. Su framework DevOps, junto con elementos como SBOM, facilita certificaciones de ciberseguridad, incluidas las requeridas por la Directiva RED de la Unión Europea.
Conclusión
Al reutilizar la infraestructura robótica existente, los retrofits de AGV a AMR permiten a empresas logísticas y OEM reducir significativamente los costes de inversión y desarrollo. En combinación con sensores avanzados y el framework software Clea de SECO, el SOM-SMARC-QCS6490 permite una percepción del entorno mejorada para navegación autónoma en entornos de almacén dinámicos e impredecibles. Además, SECO proporciona una plataforma de evaluación que permite realizar pruebas completas de retrofit con AGV reales, acelerando el time-to-market de soluciones AMR en línea con la filosofía open COM.
Para explorar la gama completa de soluciones hardware y software de SECO para robótica industrial, visite seco.com.