物流机器人路径规划研究现状

摘要：近年来，物流机器人的应用已经成为物流企业市场竞争的重要手段，其中物流机器人在仓储中的应用最为广泛，利用物流机器人进行货物拣选或搬运有效地提高了仓储效率，物流机器人如何得到最优路径成为研究的关键。本文介绍了关于物流机器人路径规划的相关研究，根据不同的研究可以看出目前的路径规划研究还存在部分问题。

关键词：物流机器人;AGV;路径规划

中图分类号：U652 1  文献识别码：A  文章编号：

2096-3157（2020）01-0012-02

一、引言

随着经济全球化的发展，各国之间的贸易往来越加频繁，效率与成本成为各个企业关注的重点。由于劳动力、土地资源使用成本增加，传统物流的发展进入了瓶颈期。“工业4 0”、“互联网+”、“机器人产业规划”等政策的提出加速了新一轮科技革命的到来，为物流业的发展注入了新的活力，同时大数据、云计算、区块链等技术的发展更是促进了传统物流逐渐向智慧物流转变，有效解决了传统物流业面临的部分难题。近年来，中国物流市场逐步扩大，传统物流系统已经逐渐拉低了企业的发展效率，智能物流系统应运而生，已成为发展热点。

二、物流机器人研究意义

仓储物流行业主要存在搬运机器人、拆码垛机器人、分拣机器人、自动导引车等，就目前发展而言，自动导引车在仓储领域的应用最为广泛，部分企业已经实现了“机器换人”。

在人工智能时代，加快发展智能机器人，不仅有利于提高企业自身的竞争力，而且在与国际接轨过程中能够保证效率。对于一个企业而言，物流机器人的应用可以解决企业面临劳动力问题，有效地进行资源优化配置，提高企业运行效率，促使其蓬勃高效发展。在物流行业，物流机器人在仓储、拣选领域有着广泛的应用，在拣选作业中的“货到人”分拣模式减少了人的工作强度，提高了作业的效率与准确性，更是表明了物流机器人广阔的发展前景。在仓储拣选领域应用物流机器人实现拣选的机械化、自动化、智能化，打造一个柔性化的智能仓储系统。在物流仓储系统中，物流机器人的实际应用已经成为一个研究热点，在企业管理系统中有着每一个仓储系统的信息，当订单信息到达时根据相关信息分配订单，生成拣选任务，空闲物流机器人接受任务并根据算法得出最优的拣选路径完成任务。在一个仓储系统中，物流机器人执行拣货任务的时间比较长，因此提高物流机器人拣选任务效率是非常重要的。

三、物流机器人路径规划相关研究

随着智慧物流影响的逐渐扩大，移动机器人在物流中的实际应用已经成为研究重点之一。在众多的机器人研究中，自动导引车（Automated Guided Vehicle，简称AGV）不仅是关注的重点，而且在实际拣选中有了不错的应用。从非自主的标识线跟踪导航逐渐发展到全自主的地图匹配导航[1]，结合不断发展的技术手段AGV已经有高柔性、自主学习等特点。现代AGV利用编程软件实现最优路径的选取，该系统本身就是一个自适应的学习系统，特别适用于具有许多车辆和许多潜在车辆干扰的大型复杂系统[2]。

就目前来看，AGV的研究主要集中于路径规划方面，应用不同的算法结合实际存在的问题设计AGV运行路线;同时，一般是多AGV之间相互配合进行作业，或者人与移动机器人相互协作。Banerjee A G等人[3]利用机器人可以不知疲惫地重复执行任务与人可以在非结构化环境中进行有效感知的特点，在单个机器人上进行初步实验，该实验表明与只有人类或机器人的情况相比，使用人类-机器人伙伴关系在较短的持续时间和较低的操作失败率下完成了装配操作任务。多AGV同时进行拣选作业时，AGV之间可能会有不同形式的冲突，此时AGVS需要进行避障研究。对于避障问题，部分研究人员考虑根据任务的优先级排列;部分研究人员根据移动机器人的优先级进行避障;还有研究设计封锁区域，该区域内仅允许存在一个移动机器人，最终达到避障结果。刘敬一[4]提出基于任务等待时间最短的仓储任务调度和车辆调度策略，将仓储任务进行优先级划分，提出基于优先级队列和加锁节点时间窗的算法，最终找到较优的路径。在进行路径规划时加入考虑时间窗，在此段时间内将该段路径封锁，有效地避免了该AGV与其他AGV发生碰撞，但是也在一定程度上增加了其他AGV的运行时间，影响仓储整体运行效率。王淑青等人[5]对任务进行优先级划分，动态地对不同任务的AGV进行协同控制，为确保AGV無障碍通过为优先级低的AGV重新规划路径。虽然算法结果表明能够有效的避障，但是不断地重新规划路径，可能会造成系统反应缓慢，影响物流机器人的工作效率。孟冲等人[6]利用多种遗传算法进行路径规划，先在离线状态下生成路径库，之后根据实时状态进行在线的调整。徐镇华等人[7]同样利用两阶段算法进行路径规划，但是在在线阶段加入考虑时间窗来达到AGV避障的目的。通过上述内容可知，物流机器人在运行过程中的避障研究主要是考虑时间窗、重新规划路径、封锁该段区域等，都能够有效地到达避障的目的。

多物流机器人在实际运行过程中除了存在避障问题的研究，还需要考虑其他问题。沈秋英等人[8]在研究AGV时考虑了所需AGV的最佳数量问题，根据Agent仿真理论讨论了已知一定的工作任务和需要的AGV数量之间的关系。Zhang Y等人[9]为实现多AGV之间的有效协调，考虑了以AGV电池剩余电量进行优先级排序，并定义了一个冗余时间段来提高回避的安全性，利用改进的算法得到最优路径。徐海军等人[10]进行路径规划时加入了对AGV转弯时间的考虑;Elazary L[11]等人优先安排已分配的任务，减少机器人的等待时间。这些都是以物流机器人为基础进行的研究，针对研究背景选取智能算法，将智能算法中存在的劣势利用其他算法进行优化，利用数学模型进行实验证明。

在物流机器人实际作业过程中存在着很多突发性问题，如物流机器人电量不足、物流机器人突然故障、两个物流机器人发生冲突等，在利用智能算法进行路径优化时不同的研究人员选取了不同的突发性问题，相对于实际环境物流机器人工作而言存在着一定的局限性，此时若存在快速反应的控制系统，便更有利于物流机器人高效无误地进行工作。一个仓储环境中存在很多的物流机器人，当任务下达时接受任务的物流机器人开始工作，系统便开始关注工作中的物流机器人，我们也应该存在对其他空闲机器人的管理，当存在紧急任务时可以快速调度物流机器人执行任务。虽然物流机器人在物流领域已经有一定的应用，但是在实际运行过程中，移动物流机器人还存在如电池电量是否够用、机器人故障、机器人之间的避障等问题，还有在进行物流作业之前大量的数据处理是否及时，对于实际数据的变化能否即时应对，这些都是亟待解决的问题。

四、结语

在多物流机器人存在的仓储环境中，多物流机器人进行避障一般都是在冲突点排队通过或者改变运行路径，这些都会增加物流机器人运行时间，如果可以借用其他技术对物流机器人进行实时监控，对冲突点提前预测使物流机器人及时调整路线，便能够提高仓储效率。同时，利用对物流机器人的实时监控实现对物流机器人的剩余电量、空闲物流机器人位置的管理，解决物流机器人在实际运行过程中的问题。

参考文献：

[1]王江华 自动导引车系统单双向混合路径规划和交通管理技术研究[D].南京航空航天大学 2014

[2]Le-Anh T，Koster M B M D A Review of Design and Control of Automated Guided Vehicle Systems[J].European Journal of Operational Research，2006，171（1）：1～23

[3]Banerjee A G，Barnes A，Kaipa K N，et al An Ontology to Enable Optimized Task Partitioning in Human-Robot Collaboration for Warehouse Kitting Operations[C]//Spie Next-generation Robotics II 2015

[4]劉敬一 自动化仓储调度系统中多AGV路径规划的研究与实现[D].中国科学院大学（中国科学院沈阳计算技术研究所），2018

[5]王淑青，毛月祥，袁晓辉 有限状态机的多AGV路径优化策略[J].华侨大学学报（自然科学版），2019，40（02）：105～110

[6]孟冲，任彧 基于多种群遗传算法的多AGV调度[J].电子科技，2018，31（11）：51～54+72

[7]徐镇华，马殷元 基于时间窗的改进两阶段AGV路径规划研究[J].测控技术，2018，37（6）：150～154+159

[8]沈秋英，刘健，董晓峰，et al AGV数量与工作任务匹配方法研究[J].合作经济与科技，2018，No 589（14）：133～137

[9]Zhang Y，Wang F，Fu F，et al Multi-AGV Path Planning for Indoor Factory by Using Prioritized Planning and Improved Ant Algorithm[J].Journal of Engineering and Technological Sciences，2018，50（4）：534～547

[10]徐海军，潘迪 基于A～*算法的无冲突路由多路AGV控制策略[J].工业控制计算机，2018，v 31（08）：104～105

[11]Elazary L，Voorhies R C，Parks I I D F Autonomous Coordination of Resources Amongst Robots：U S Patent 9513627[P].2016-12-6

[注]基金项目：市教委科研计划资助项目（KM202010037001）;国家自然科学基金资助项目（No 31470588）;中国物流学会、中国物流与采购联合会研究课题（2019CSLKT3～119）

作者简介：

冯雪梅，北京物资学院硕士研究生;研究方向：智能物流系统。