郵件收發室的工作人員從不同的站點接收郵件和包裹，并將其發送給不同的收件人。因為有些郵件具有時效性，所以他們利用自己的知識，以盡可能短的時間計劃路線。

這一郵件傳遞難題可以通過使用運籌學的技術從數學上解決，運籌學是一門應用分析模型來提高決策和系統效率的學科。運籌學背后的數學科學也高度適用于機器人、工業自動化和材料處理系統的過程建模和管理。

NVIDIA cuOpt是一個運籌學優化 API，可幫助您創建復雜的實時車隊路線。這些 API 可用于解決具有多個約束的復雜路由問題，并提供動態重新路由、作業調度和機器人路線規劃等新功能，同時使用亞秒解算器響應時間。

NVIDIA cuOpt for Isaac Sim擴展是 NVIDIA cuOpt 引擎的部署，直接與NVIDIA Isaac Sim機器人仿真環境（NVIDIA Omniverse應用程序）集成。

路線優化問題

物流專業人員致力于實時路線優化問題。例如旅行商問題（TSP）、車輛路徑問題（VRP）和取貨和送貨問題（PDP）。

VRP 和 PDP 源于更學術的 TSP，這是運籌學中研究最多的問題之一。它提出了以下問題：“給定目的地列表和每對目的地之間的距離，訪問每個目的地一次并返回原始位置的最短路線是什么？”

TSP 在規劃和物流方面有多種應用，其直接使用可以在倉庫、酒店、醫院或制造設施內節省大量的物料移動時間，這需要在上下客點之間進行路線優化。

在規劃和運營中使用 cuOpt

機器人公司在機器人部署的規劃階段和連續操作期間都使用 cuOpt。例如，在項目規劃階段，設施的流程布局向系統規劃人員通知成功項目 ROI 的吞吐量要求。

為了繼續運行，當機器人車隊在設施內運行時，Isaac Sim 擴展的 NVIDIA cuOpt 可根據系統變量（如障礙物、交通量、吞吐量需求峰值、卡車到達或離開時間的變化或機器人自身的電池電量水平）實現動態重新路由。

在過去，公司通過使用離線、低保真度的數字孿生系統（稱為離散事件模擬器）來設計材料處理和路由過程。對于未來的響應式機器人部署，如機器人即服務（RaaS），NVIDIA cuOpt For Isaac Sim 作為實時問題解決程序運行。它直接與機器人部署環境交互，以實現對系統變化的直接集成和響應。

據 McKinsey 報道，“高管們正在投資實現幾乎所有功能的數字化和自動化。超過 60% 的受訪者表示，他們已經實施或正在擴大數字化和自動化解決方案。”

例如，制造移動機器人、機器人叉車或服務交付機器人的公司可以模擬其車隊如何以不同于人或輸送機的時間移動材料。為了充分認識系統性差異，操作必須分析從對象的原始位置到一個或多個目的地的過程的整個材料移動流程。

大規模部署機器人的公司可以使用 NVIDIA cuOpt for Isaac Sim 擴展，通過以下步驟將現有操作轉化為機器人流程：

• 機器人準備就緒：

  使用 NVIDIA Isaac Sim 對現有設施進行建模

  測試物料移動流程及其吞吐量要求

• 棕地設施的重新設計：

  模型更新的設施計劃和路線

  使用模擬機器人測試更新的布局

• 實時分析和重新路由：

  測量實時系統性能

  使機器人能夠根據工藝變化改變路線

示例：制造

描繪一個制造過程，其中制造設施的下游步驟依賴于零件的及時交付。假設這些零件遲到了。在這種情況下，這些制造機器會挨餓，工廠當天生產的產品也會減少。

低效的路線優化很容易成為材料及時交付的瓶頸或約束。當單個流程步驟的效率低于其他流程時，它會減慢整個操作流程。

示例：倉儲

在倉儲中，地面障礙物或交通會減慢移動機器人的速度，增加預測的運輸時間。這些機器人需要動態改變路線，當機器人的路線被遮擋時，該路線會對變量做出反應。如果移動機器人卡住或減速，那么它將成為整個操作的瓶頸或約束，因此它們需要對障礙物進行實時響應。

機器人總是在材料如何在其整個系統中移動的情況下工作。當測量或預測機器人的移動時，樓層管理人員可以使用更強大的數據流來確定如何管理整個流程的正常運行時間。

針對關鍵業務約束優化路線

NVIDIA cuOpt 使用靈活的優化求解器和正在申請專利的并行核心引擎，可評估多種解決方案并混合車隊組合，從而提供高質量的結果。

NVIDIA cuOpt for Isaac Sim 擴展使團隊能夠利用 NVIDIA 的加速性能。通過提供優化的任務分配和路由解決方案，您可以在很短的時間內生成數千個環境和配置，這些解決方案由基于沖突的占用圖通知。

您可以輕松地更改系統參數，如預算、交付速度和穩健性，以確定適合您運營需求的理想布局。例如，物料搬運和倉儲行業對以下流程的優化和效率有特定需求：

• 改進拾取路徑優化

• 增加倉庫容量

• 改善安全和工作條件

• 最大化存儲密度

• 提高訂單履行質量率

• 多流程物料移動計劃

• 應對材料投入和瓶頸的日常變化

為流程做出正確的運營決策是最大化產出同時最小化前期和持續成本的關鍵。借助 NVIDIA cuOpt for Isaac Sim 擴展，機器人車隊可以在設施布局和運營期間的任何時間點做出動態、數據驅動的決策。機器人公司和用戶在系統重新設計、流程效率以及能夠實時采取可衡量的行動方面獲得優勢。

圖 1. 使用 CuOpt 進行倉庫路線規劃

現在開始

要開始為 Isaac Sim 擴展使用 NVIDIA cuOpt ，請使用以下資源：

• 下載 NVIDIA Isaac Sim：

  https://developer.nvidia.com/isaac-sim

• 查看 NVIDIA cuOpt Isaac Sim 演示 GitHub 存儲庫：

  https://github.com/NVIDIA/cuOpt-Resources/tree/branch-22.10/cuopt-isaacsim-sample-extension

• 通過 DLI 課程提升您的技能， Isaac Sim 機器人仿真簡介：

  https://courses.nvidia.com/courses/course-v1:DLI+S-OV-03+V1/