選擇初始設計樣本：鑒于可能的選項數量巨大，選擇初始設計具有挑戰性。從哪里開始？經驗豐富的機器人工程師可能會有一些直覺，知道使用什么啟發式方法來縮小空間。例如，我們可能希望每個機器人分配到的任務數量大致相同。然而，即使是這種直觀的啟發式方法，也沒有考慮到每項任務--以及移動到該任務--可能需要不同的時間。其他啟發式方法可能包括將任務分配給距離較近的機器人，以及對任務進行排序，以盡量減少機器人的總運動量。

評估設計樣本：要評估一項設計，必須確定其性能。而要確定其性能，就必須為機器人制定運動計劃。運動規劃是計算如何讓機器人從一個任務到另一個任務，同時不撞擊任何障礙物或其他機器人的過程。運動規劃歷來是一個困難的計算問題，即使對于單個機器人來說也是如此，而編排多個機器人的運動規劃更是難上加難。事實上，運動規劃需要耗費大量精力，這也是多機器人工作單元設計往往無法實現其性能潛力的主要原因。

由于編排難度很大，工程師們經常使用 "干擾區 "來簡化任務。如果有兩個或兩個以上的機器人可能占據工作單元的某一部分，該區域就會被視為干擾區，要求機器人在進入該區域前獲得鎖定，因此在同一時間內，只有一個機器人可以進入特定的干擾區。雖然干擾區讓運動規劃變得更容易，但卻犧牲了相當可觀的性能，因為多個機器人經常有可能在一個干擾區內運行而不會發生碰撞。

此外，由于找到一個好的運動規劃需要很長時間，這就限制了在實際時間內可以評估的樣本數量。在運動規劃速度較慢的情況下，工程師通常只能考慮少數幾種設計。評估較少的設計意味著找到優秀設計的機會較小。

選擇后續設計樣本：工程師必須根據最新樣本的評估結果以及之前樣本的評估結果，選擇下一個樣本。這里有許多可能的算法。通常情況下，這些算法會權衡兩方面的需求，一方面是希望取樣靠近被認為優秀的前一個樣本，另一方面是希望取樣遠離前一個樣本，以避免陷入局部最優。

優化多機器人工作單元的生產率

OaaS 首先分析制造商現有的數字孿生系統，找出瓶頸區域，從而提高整體生產率。我們的工程師使用 OaaS 軟件，根據所需的參數（如周期時間）提出改進建議，但也可考慮占地面積和功耗等問題。這些建議從根本上說是基于對巨大的可能設計空間進行快速有效的搜索。

由于運動規劃歷來是搜索高性能多機器人工作單元設計的主要限制因素，我們的方法利用了高速運動規劃的新技術。Realtime Robotics 公司推出了 RapidPlan 運動規劃軟件，該軟件結合使用了更高效的算法和數據結構，使單個機器人和多個機器人的運動規劃延遲時間達到毫秒量級。運動規劃延遲時間的這種數量級的加速是一種變革，因為它使多機器人工作單元的設計過程更加有效。

由作為 OaaS 基礎的 RapidPlan 軟件控制的異構多機器人單元

與任何搜索巨大空間的方案類似，我們的想法也是遵循相同的設計循環：設計采樣、評估設計、選擇下一個設計，等等。不過，由于評估工作現在可以快速完成，因此可以在合理的時間內（例如不到一天）評估數十萬甚至數百萬個可能的樣本。

無論采用哪種取樣方法，考慮更多設計的能力都會大大增加在設計空間中找到更高性能設計的機會。優化算法可以在好設計附近提取更多樣本，同時也可以提取更多足夠遠的樣本，以避免局部最優。它還可以從多個初始樣本開始，并行運行搜索。

與傳統的增加機器人來解決問題的方法相比，OaaS 可以提供更好的結果。增加機器人就好比在高速公路上增加一條車道以改善交通狀況，其所產生的額外成本甚至超過了額外機器人的成本，包括更高的編程復雜度。

要評估一項設計，必須確定其性能。而要確定其性能，就必須為機器人制定運動計劃。

從已經優化的單元或新單元中擠出更多周期時間的潛力正促使越來越多的汽車制造商轉向 OaaS。一家領先的汽車制造商最近在電動汽車制造的概念驗證項目中使用了 OaaS。該公司在不停止或干擾正在進行的生產的情況下對模擬文件進行了分析，分析后提出的建議有助于將周期時間縮短 15%。改進措施最終在不暫停生產的情況下被采納。

未來展望

多機器人工作單元設計并不是一個完全解決的問題。我們發現采用高速運動規劃的設計性能更高，但機會仍然存在。更快的運動規劃可以更徹底地探索設計空間，而更巧妙的采樣算法可以使采樣設計更好地覆蓋設計空間。通過更好地搜索設計空間，我們可以找到性能更強、功耗更低、占地面積更小的設計。鑒于這一問題對工業機器人用戶的重要性，我們期待在這一領域有更多創新。