当前工业移动机器人（AGV）行业最复杂的技术问题莫过于AGV的集群控制技术，尤其在大数量AGV调度和复杂应用场景中的交付自信和交付速度。该瓶颈限制着所有AGV企业在大规模AGV应用场景中的发挥，最终限制了企业发展。现在，全球首个用于移动机器人集群控制技术的AI大模型（平台）--INF.ML面世。
在现代化日益发展的供需关系效率约束下，众多行业开始从传统生产工艺向更智能化的生产工艺发展，而这一切都离不开智能化的物流支持，就像人离不开血液的输送，物料搬运等也迫使向智能化进发。例如智能制造、智慧仓储、无人港口等。
2014年起，国内开始出现大量自动化物料搬运企业以更智能化的AGV物流系统方案取代传统人力搬运以适应智能制造和电子商务全球化的发展需求。现在10年过去了，蓦然回首，即便发展10年，也仍旧存在一些难以突破的技术瓶颈，AGV集群控制技术赫然在列。
十年，与其说是中国AGV技术发展爆发的十年不如说是随着电子商务引起的AMR仓储行业物流爆发的十年。因为即便在今天，智能制造业的重载AGV发展也仍旧面临诸多问题，不同于AMR的仓储环境，智能制造往往面临更复杂的转运场景，比如更不规则的负载，机器人运行环境人机交互多，障碍干预多，生产设备奇形怪状，预留通道“乱七八糟”，例如双向单通道，再加上峰值造成区域密度集中，路径规划杂乱无章，没有那么多格栅岔路选择，转弯模式复杂、转弯半径大，不可轻易倒车，机器人本体体积大，负载重，对人具有较高的生命威胁等一系列因素，这意味着工业级智能制造AGV和轻量级仓储AMR并不是一个相似的东西，尤其在集群交通控制的算法实现和设计思想方面甚至不可相提并论。
十年，在工业重载AGV智能制造领域中 国内依然只能依靠海外AGV技术实现中大规模的自动化物流转运系统，尤其在重载AGV行业中占据重要地位的叉车式AGV，虽然国内已经存在上百家涉及叉车AGV的企业，但是很难有做到中大规模复杂场景的自主AGV技术应用落地的，上百家叉车AGV企业在小型叉车AGV项目中展开低价竞争，反而将中大型叉车AGV项目拱手让与海外技术提供商。
10台以内甚至20台以下的叉车AGV项目的单体均价已经下探到18.5万/台（数据来自GGII），而中大规模的叉车AGV项目由于“无国产技术问津”导致单价远超18.5万/台，甚至直逼均价两倍。
为什么不是所有叉车AGV企业都可以进军中大型规模的重载/叉车AGV项目呢？因为没有高效、高可用的中大型叉车AGV项目交付工具：集群控制系统。
众所周知，要想在竞争日益激烈的AGV市场中拿下项目，要么打价格战，要么技术竞争力碾压式超越对手，要么另辟蹊径寻找没人做的复杂场景，无论哪种都必须实现快速交付，一方面为了减少现场成本支出，另一方面为了企业快速发展。而中大型项目相比于小型项目能否快速交付的关键就在于集群控制系统技术的区别。
想要在AGV行业中轻松盈利，只有进入复杂场景中，去做中大型项目，一个40台叉车AGV的项目利润远超4个10台叉车AGV的项目。而这其中的奥秘就在于集群控制系统的不同，而车（AGV单机）还是那个车。
控制的AGV数量似乎已经成为衡量一个AGV调度系统是否优秀的标准之一，确实，无法调度大数量AGV的调度系统会限制企业发展，看着很多中大型AGV项目而没有交付自信，明明自己有非常优秀的自动化物料搬运单机产品，也只能拱手相让，毕竟在享誉全球的AGV技术提供商-科尔摩根NDC的集群控制系统也最多只能控制120台（来自其官网数据）。虽然国内也有很多企业声称可以提供高达成百上千的AGV调度系统，但几乎都是AMR的矩阵格栅地图应用场景，这不适用于重载/叉车AGV。
现在，全球首个基于工业移动机器人(AGV)的AI大模型（制造平台）面世，轻松处理复杂场景下大规模的工业重载移动机器人集群间交通管制和死锁预防，它就是迪沃泰克机器人自主研发的INF.ML机器学习算法平台。
迪沃泰克机器人是一家专注于AGV控制技术的企业，团队核心成员曾在欧洲顶级的AGV、人工智能、游戏开发、互/物联网等领域工作并担任核心技术和管理岗位。
2017年，迪沃泰克机器人创始人王田飞先生在欧洲AGV技术团队任职期间发现众多在如今人工智能技术发展的时代可以被替换的“落后”AGV技术，由于应用这些技术将对当时的AGV控制系统产生颠覆性改变和短时间内难以评估的市场效果以及较大的成本开销，加之当时团队的多位欧洲领导人年事已高（从1971年沃尔沃Kalmar ACS系统发源的已达80高龄）并计划团队未来的收购事宜，最终新的AGV控制系统开发计划夭折。
2019年，非营利性国际组织AGVsTD（以下简称X.D）成立，王田飞先生为联合创始人并担任X.D臭鼬小组组长（2019~2022.4，2024.8~）。X.D臭鼬小组开始为引入现代化人工智能技术的全新AGV集群控制系统努力，以实现机器学习、数字孪生、元宇宙、大数据和混合现实等技术在AGV集群控制领域上的应用，并为其命名为INF(无穷)系统，旨在打造可以适应无限行业/场景、无限机器人类型/数量以及无限生命周期的数字化物流生态级别的产品。
2022年，由于欧洲AGV团队面临重大调整和收购计划，X.D臭鼬小组解散，王田飞先生离开并回到上海发展。
2024年8月，无法放下INF系统的X.D成员开始计划重启臭鼬小组，迪沃泰克机器人成立，由原X.D臭鼬小组成员组成。届时成长长达7年、录入人均累计超过400年AGV知识的INF系统开始商业化。全球首发了用于工业移动机器人（AGV）集群控制的INF.ML机器学习算法平台：INF.ML。
INF.ML并不是一个交通管制AI大模型，而是一个制造交通管制AI大模型的算法平台，基于深度学习多神经网络算法和道路网规划技术等人工智能技术。INF.ML生成的AI大模型首先应用于INF RTS（INF运行时系统）以取代传统的人工干预以及时间窗预测式的交通管制处理机制，做到无论任何复杂场景都不再需要人工参与交通管制处理和死锁预防。这意味着在未来无论多么复杂的AGV项目中，无论是开发人员、方案设计人员还是现场交付工程师都不必再关注集群间的交通管制和死锁问题。
这一技术的发布标志着全球AGV行业一个新的重要里程碑
INF.ML已经在一套高规格服务器集群上运行超过数万小时，控制成千上万的AGV在超过数百万平方米的多个场景中以几十倍速展开训练，根据输入的死锁模型样本，INF.ML可以自动化延伸出数以千万、数十亿的死锁场景并自动化给出预防方案。然后，将INF.ML训练的AI大模型部署到INF RTS系统即可解决所有集群间的交通管制问题，包括死锁预防和运输优化。
这意味着INF.ML是独立于INF RTS的，安装INF RTS的服务器无需具备高计算性能，因为，虽然一个.infml AI模型在训练阶段需要消耗大量运算资源，但是在训练完毕之后，这个模型的运行已经是普通的服务器就可以承受的了。INF RTS Mini甚至可以在一台普通工控机上运行并调度超过20台叉车AGV。除了输出用于INF RTS的交通管制AI大模型之外，INF.ML还会为其他INF生态矩阵中的产品生成其感兴趣的数据，然后借助INF.DBS技术在实际项目工程中提供智能化的分析和优化工作。
INF RTS是可插拔的分布式工业移动机器人(AGV)集群控制系统，根据用户需要可从几个进程扩展至数十个进程，并允许多服务器分布式部署和集群部署多种灵活部署方案以应对超大规模的AGV集群控制安全和INF RTS Cloud支持。
与此同时，另一个更高规格的服务器集群在隔壁机房运行或准备运行着成百上千计甚至数以万计的设备和系统控制程序，比如支持多种接口规范的AGV车载控制程序，比如INF标准的机器人接口规范、VDA5050接口规范、T/SSITS204-2023工业应用移动机器人与其调度系统数据接口规范。除了AGV车载控制程序之外还包括其他用于INF Simulator的数字孪生映射系统的辅助设备和系统，这就是INF.DT（数字孪生）基（Base）服务器。
INF.DT为INF.ML提供数字孪生映射技术，INF系统始终以真实控制AGV和外部设备、系统为系统设计和开发原则。迪沃泰克机器人认为：只有与真实生产环境相同的控制开发和测试模拟才能真正做到将系统部署到现场后实现快速交付能力，而不是使用虚拟仿真软件在一套系统上仿真，然后去开发和去现场部署另一套系统，尤其在中大规模的复杂应用场景中仿真结果和真实运行结果偏差巨大。
INF.DT意味着在INF系统中实现任意一套设备接口的同时，也会在其INF.DT系统中实现接口的另一端，然后在办公室做充足系统测试工作，这些工作的目的是为了让那些原本只能在现场进行的SAT（现场验收测试）准备工作可以提前在办公室完成，以帮助现场交付工程师快速交付INF系统，这也是为什么INF系统交付速度无法被常人理解的原因之一，因为INF系统真正做到了“在办公室交付”。
INF.DT 基（Base）服务器运行着所有迪沃泰克机器人涉及的数字孪生场景，借助INF RTS从Base服务器可以快速实现对任意INF系统控制的生产环境的数字孪生部署，然后以交互式增强的INF.MeTA（元宇宙）为智能制造提供新质生产力。
使用INF Simulator的全新子产品：《INF生产计划排程配置模拟器》可以在INF.DT的轮胎制造工业或无人港口等现存的数字孪生系统中100%模拟或再现运输排程计划，然后结合INF.DBS智能技术以报表和图表形式分析当前系统设计缺陷或不足之处。比如需要优化和调整的区域，比如在某个产品的生产计划提高10%之后现存的仓储区域是否够用，是否需要扩展，以及产品的半部件是否需要提高运输效率，是否需要转化某些AGV车型到另一种车型（仅适用于模块化设计的AGV单机，因为可能涉及到机械模块切换）或者增加多少设备满足新的生产节拍或者控制峰值时的AGV待机情况等海量数据。
在使用INF系统的同时在未来提高生产计划可以不局限于当前已经采购的AGV厂商，一方面从某种程度可以避免在未来更新移动机器人设备时的“垄断”场景，即使用私有的集群控制系统只能从那一家采购机器人设备，即便对方如何狮子大开口；另一方面在面对有更合适的移动机器人单机时可以做最优适配，比如使用A厂家的重载潜伏式AGV和B厂家的叉车式AGV以及C厂家的AMR，这样可以更好的满足生产工艺和性价比；另外重要的一点是，使用INF系统可以避免在公司多个工厂内部署多个品牌的AGV控制系统，做到一个工厂一种AGV控制系统，这样在未来企业发展变化等情况下做到最大鲁棒性；此外INF系统作为世界上效率最高的AGV控制系统（之一）完全无需担心采购任意机器人单机时的集群控制技术问题，即便其产品无法满足需求也可以低成本更换其他厂家的产品。
迪沃泰克机器人相信，在未来INF.ML以及INF产品矩阵将会发挥更多作用，而这将颠覆整个AGV行业甚至工控领域。（来源AGV调度管理系统）
