- AI
- Edge Computing
- Industries
- Clea
自动化物流升级:如何将僵化的 AGV 改造为灵活的 AMR
自动化机器人平台从根本上改变了仓储物流,在 7×24 小时运营中减少了人工,同时提高了运营效率。然而,行业仍在不断进步:传统的自动导引车(AGV)依赖固定路径,而自主移动机器人(AMR)则能在不断变化的环境中提供更安全、更动态的导航,部署更灵活。这是通过将现代人工智能(AI)能力与先进的传感器阵列相结合来实现的。由于依赖 AGV 的企业已经在功能强大的机器人平台上投入巨资,改造为升级现有基础设施提供了一种具有成本效益的方式。本博客先讨论 AGV 到 AMR 的升级,再介绍 SECO SOM-SMARC-QCS6490 Computer-on-Module(COM),它是面向下一代仓储自动化的前瞻性解决方案。

自动化机器人平台已经彻底改变了仓储和物流应用。尤其是自动导引车(AGV),它通过机械化的货物运输帮助企业提高了运营效率,减少了 7×24 小时运营对人工的需求。然而,AGV 的历史远早于现代机器人:20 世纪 50 年代,AGV 由改装的牵引车构成,通过埋设在地面下的电线所产生的磁场来引导。此后,AGV 已演变为复杂的机器人平台,通常采用光学、激光或磁带引导系统。尽管如此,这些设备仍局限于基于固定引导参照物、沿预定路径移动。
自主移动机器人(AMR)技术提供了一种克服这一演进缺陷的方法,它利用 Edge 人工智能(AI)和先进的传感器阵列来支持开放环境导航。对于物流而言,这大大提高了运营灵活性,并使机器人能够动态避让障碍物,从而增强与自主设备一同工作的人员的安全。但尽管有这些好处,许多企业可能仍对采用 AMR 持抵触态度,因为他们已经在 AGV 上投入了数百万,并为设施配备了 AGV 基础设施。
这正是改造的用武之地。现代 AGV 已经集成了先进的机器人系统,可在仓库环境中实现精确移动。通过保留这一基础并增加新的传感和处理系统,企业可以将现有 AGV 转换为 AMR,在保留设备投资的同时加快上市时间。
改变 AGV 的“想法”:新大脑,新玩法
AGV 是先进的机器,但与 AMR 相比,其板载智能和感知能力十分基础。要让现有 AGV 平台摆脱固定的导航路径,第一步是为其改装一个支持先进边缘智能的新“大脑”。然后,该“大脑”必须连接到更广泛的“神经系统”,其中包括 3D 激光雷达模块、摄像头和惯性测量单元(IMU)等额外传感器。这些系统相结合,使 AGV 能够感知周围环境的自然特征,而不是设定的路径标记。随后,传感器融合处理可实现先进的开放环境导航,以及用于更安全运行的人员或障碍物检测。
此外,由 AGV 改造而成的 AMR 可以记录周围环境,以支持同步定位与建图(SLAM)。在许多情况下,来自原有 AGV 系统的现有车轮里程计数据流可以与新的传感器数据相结合,从而在大型仓储设施内获得更高的定位和测距精度。
AMR 还受益于与总体设备群编排平台的连接。这些平台通常托管在云端,为仓库管理人员提供设备群性能的精细可见性,以便调整运营来提高效率。对于 AMR 技术团队,遥测报告随后可支持预测性维护工作,以最大限度地延长设备群的正常运行时间。
虽然 AGV 到 AMR 的改造可以通过重新利用现有投资来减少支出,但也应承认改造设计人员在硬件兼容性和软件开发方面所承担的负担。不过,商用现货(COTS)解决方案可以提供即用型的嵌入式计算平台,使开发人员能够专注于 AGV 改造的成功,而不是将解决方案的各个组件拼凑在一起,从而提供帮助。
利用 COTS 生态系统加快 AGV 到 AMR 的改造开发
在设计改造方案时,开发人员通常需要功耗低的紧凑型解决方案。这样,开发人员便可以将升级后的方案装入目标平台的外壳内,同时利用现有的供电基础设施。
对于 AGV 到 AMR 的转换,SMARC(smart mobility architecture)开放 Computer-on-Module(COM)标准是“大脑”改造的理想解决方案。它在 82 x 50 mm 的外形规格中提供丰富的接口,功耗范围狭窄,通常低于 6 W。此外,开放式 COM(也称为系统级模块,即 SOM)具有长期供货和解决方案之间的互操作性,降低了厂商锁定的可能性。COM 通常安装在特定应用的载板上,使 AGV 到 AMR 的改造设计人员能够随着芯片组的演进,通过模块化替换来升级智能。
SECO 的 SOM-SMARC-QCS6490 就是此类解决方案的一个示例,它基于 Qualcomm® Dragonwing™ QCS6490 处理器。它为 AGV 提供以下智能提升,以支持 AMR 功能:
- 多核 CPU:QCS6490 提供 8 个应用内核(1 个最高 2.7 GHz 的 Kryo Prime、3 个 2.4 GHz 的 Kryo Gold、4 个 1.9 GHz 的低功耗 Kryo Silver,均基于 Arm 架构),用于平台控制和同时处理来自众多传感器的数据。
- Qualcomm® Adreno™ GPU:专用 GPU 支持先进的设备端 HMI,以及用于脱离路径自主导航的高效多摄像头数据摄取。
- 嵌入式 AI 加速器:处理器上高效的 AI 算力最高达 12.15 INT8 TOPS,与主 CPU 配合,支持用于安全的开放环境导航的低延迟推理,以及基于视觉和激光雷达的实时 SLAM。
- 灵活的操作系统支持:改造方案可受益于与既有运行框架的兼容集成与同步。SOM-SMARC-QCS6490 支持 Windows 11 IoT Enterprise、Yocto Linux 和 Android,便于采用。
除 QCS6490 处理器外,SOM-SMARC-QCS6490 还配备最高 12 GB 板载焊接的 LPDDR5-6400 内存,可在严苛的运行环境中可靠地处理海量数据。扩展温度版本(-30°C 至 +85°C)进一步增强了这一点,使 AGV 到 AMR 的改造能够适应包括冷库在内的各种仓储气候。
与其他 SMARC 模块一样,SOM-SMARC-QCS6490 具有丰富的接口,包括用于传感器和摄像头阵列的 USB 和 MIPI CSI、用于连接编排平台的云连接的可选 Wi-Fi,以及用于 AGV 运动系统集成的 CAN 总线。对于希望测试这些接口的开发人员,SECO DEV-KIT-SMARC 提供了一套即用型工业级载板系统,可加快使用 SECO SMARC 模块的开发。除了用于子系统连接的物理端口和接口排针外,9 至 20 V 的宽输入电压范围支持直接使用现有 AGV 进行改造原型开发。
此外,SOM-SMARC-QCS6490 还得到 SECO Clea 软件框架的支持,其中包括基于 Yocto 的模块化 Clea OS,以及用于 AMR 设备群监控和设备管理的 Clea Portal 和 Clea Edgehog。Clea 软件生态系统加快了 AMR 改造的软件开发,支持安全启动和 OTA 更新等关键功能,以促进 AMR 设备群的长期合规与成功。其 DevOps 框架以及配套的 SBOM 和其他资料,有助于获得网络安全认证,例如欧盟 RED 指令所要求的认证。
结论
通过重新利用现有机器人基础设施,AGV 到 AMR 的改造有望为仓储企业和仓储解决方案 OEM 节省大量投资和开发成本。结合先进的传感器阵列和 SECO 的 Clea 软件框架,SOM-SMARC-QCS6490 能够在难以预测的仓库环境中增强环境感知,实现自主的开放环境导航。此外,SECO 还提供评估平台,支持使用真实 AGV 进行全面的改造测试,并本着开放 COM 的理念,加快 AMR 技术更新的上市时间。
如需了解 SECO 面向工业机器人的全系列硬件和软件解决方案,请访问 seco.com。

本文推荐
SOM-SMARC-QCS6490
搭载Qualcomm® Dragonwing™ QCS6490处理器的SMARC® 2.1.1模块。
- SMARC®
- Qualcomm® QCS6490
本文还提到: DEV-KIT-SMARC
订阅 SECO 新闻通讯。
在 seco.com 上用您的电子邮件地址订阅。




