摘要：近年來，物流機器人的應用已經成為物流企業(yè)市場競爭的重要手段，其中物流機器人在倉儲中的應用最為廣泛，利用物流機器人進行貨物揀選或搬運有效地提高了倉儲效率，物流機器人如何得到最優(yōu)路徑成為研究的關鍵。本文介紹了關于物流機器人路徑規(guī)劃的相關研究，根據(jù)不同的研究可以看出目前的路徑規(guī)劃研究還存在部分問題。

關鍵詞：物流機器人;AGV;路徑規(guī)劃

中圖分類號：U652?1??文獻識別碼：A??文章編號：

2096-3157（2020）01-0012-02

一、引言

隨著經濟全球化的發(fā)展，各國之間的貿易往來越加頻繁，效率與成本成為各個企業(yè)關注的重點。由于勞動力、土地資源使用成本增加，傳統(tǒng)物流的發(fā)展進入了瓶頸期?！肮I(yè)4?0”、“互聯(lián)網+”、“機器人產業(yè)規(guī)劃”等政策的提出加速了新一輪科技革命的到來，為物流業(yè)的發(fā)展注入了新的活力，同時大數(shù)據(jù)、云計算、區(qū)塊鏈等技術的發(fā)展更是促進了傳統(tǒng)物流逐漸向智慧物流轉變，有效解決了傳統(tǒng)物流業(yè)面臨的部分難題。近年來，中國物流市場逐步擴大，傳統(tǒng)物流系統(tǒng)已經逐漸拉低了企業(yè)的發(fā)展效率，智能物流系統(tǒng)應運而生，已成為發(fā)展熱點。

二、物流機器人研究意義

倉儲物流行業(yè)主要存在搬運機器人、拆碼垛機器人、分揀機器人、自動導引車等，就目前發(fā)展而言，自動導引車在倉儲領域的應用最為廣泛，部分企業(yè)已經實現(xiàn)了“機器換人”。

在人工智能時代，加快發(fā)展智能機器人，不僅有利于提高企業(yè)自身的競爭力，而且在與國際接軌過程中能夠保證效率。對于一個企業(yè)而言，物流機器人的應用可以解決企業(yè)面臨勞動力問題，有效地進行資源優(yōu)化配置，提高企業(yè)運行效率，促使其蓬勃高效發(fā)展。在物流行業(yè)，物流機器人在倉儲、揀選領域有著廣泛的應用，在揀選作業(yè)中的“貨到人”分揀模式減少了人的工作強度，提高了作業(yè)的效率與準確性，更是表明了物流機器人廣闊的發(fā)展前景。在倉儲揀選領域應用物流機器人實現(xiàn)揀選的機械化、自動化、智能化，打造一個柔性化的智能倉儲系統(tǒng)。在物流倉儲系統(tǒng)中，物流機器人的實際應用已經成為一個研究熱點，在企業(yè)管理系統(tǒng)中有著每一個倉儲系統(tǒng)的信息，當訂單信息到達時根據(jù)相關信息分配訂單，生成揀選任務，空閑物流機器人接受任務并根據(jù)算法得出最優(yōu)的揀選路徑完成任務。在一個倉儲系統(tǒng)中，物流機器人執(zhí)行揀貨任務的時間比較長，因此提高物流機器人揀選任務效率是非常重要的。

三、物流機器人路徑規(guī)劃相關研究

隨著智慧物流影響的逐漸擴大，移動機器人在物流中的實際應用已經成為研究重點之一。在眾多的機器人研究中，自動導引車（Automated Guided Vehicle，簡稱AGV）不僅是關注的重點，而且在實際揀選中有了不錯的應用。從非自主的標識線跟蹤導航逐漸發(fā)展到全自主的地圖匹配導航[1]，結合不斷發(fā)展的技術手段AGV已經有高柔性、自主學習等特點?，F(xiàn)代AGV利用編程軟件實現(xiàn)最優(yōu)路徑的選取，該系統(tǒng)本身就是一個自適應的學習系統(tǒng)，特別適用于具有許多車輛和許多潛在車輛干擾的大型復雜系統(tǒng)[2]。

就目前來看，AGV的研究主要集中于路徑規(guī)劃方面，應用不同的算法結合實際存在的問題設計AGV運行路線;同時，一般是多AGV之間相互配合進行作業(yè)，或者人與移動機器人相互協(xié)作。Banerjee A G等人[3]利用機器人可以不知疲憊地重復執(zhí)行任務與人可以在非結構化環(huán)境中進行有效感知的特點，在單個機器人上進行初步實驗，該實驗表明與只有人類或機器人的情況相比，使用人類-機器人伙伴關系在較短的持續(xù)時間和較低的操作失敗率下完成了裝配操作任務。多AGV同時進行揀選作業(yè)時，AGV之間可能會有不同形式的沖突，此時AGVS需要進行避障研究。對于避障問題，部分研究人員考慮根據(jù)任務的優(yōu)先級排列;部分研究人員根據(jù)移動機器人的優(yōu)先級進行避障;還有研究設計封鎖區(qū)域，該區(qū)域內僅允許存在一個移動機器人，最終達到避障結果。劉敬一[4]提出基于任務等待時間最短的倉儲任務調度和車輛調度策略，將倉儲任務進行優(yōu)先級劃分，提出基于優(yōu)先級隊列和加鎖節(jié)點時間窗的算法，最終找到較優(yōu)的路徑。在進行路徑規(guī)劃時加入考慮時間窗，在此段時間內將該段路徑封鎖，有效地避免了該AGV與其他AGV發(fā)生碰撞，但是也在一定程度上增加了其他AGV的運行時間，影響倉儲整體運行效率。王淑青等人[5]對任務進行優(yōu)先級劃分，動態(tài)地對不同任務的AGV進行協(xié)同控制，為確保AGV無障礙通過為優(yōu)先級低的AGV重新規(guī)劃路徑。雖然算法結果表明能夠有效的避障，但是不斷地重新規(guī)劃路徑，可能會造成系統(tǒng)反應緩慢，影響物流機器人的工作效率。孟沖等人[6]利用多種遺傳算法進行路徑規(guī)劃，先在離線狀態(tài)下生成路徑庫，之后根據(jù)實時狀態(tài)進行在線的調整。徐鎮(zhèn)華等人[7]同樣利用兩階段算法進行路徑規(guī)劃，但是在在線階段加入考慮時間窗來達到AGV避障的目的。通過上述內容可知，物流機器人在運行過程中的避障研究主要是考慮時間窗、重新規(guī)劃路徑、封鎖該段區(qū)域等，都能夠有效地到達避障的目的。

多物流機器人在實際運行過程中除了存在避障問題的研究，還需要考慮其他問題。沈秋英等人[8]在研究AGV時考慮了所需AGV的最佳數(shù)量問題，根據(jù)Agent仿真理論討論了已知一定的工作任務和需要的AGV數(shù)量之間的關系。Zhang Y等人[9]為實現(xiàn)多AGV之間的有效協(xié)調，考慮了以AGV電池剩余電量進行優(yōu)先級排序，并定義了一個冗余時間段來提高回避的安全性，利用改進的算法得到最優(yōu)路徑。徐海軍等人[10]進行路徑規(guī)劃時加入了對AGV轉彎時間的考慮;Elazary L[11]等人優(yōu)先安排已分配的任務，減少機器人的等待時間。這些都是以物流機器人為基礎進行的研究，針對研究背景選取智能算法，將智能算法中存在的劣勢利用其他算法進行優(yōu)化，利用數(shù)學模型進行實驗證明。

在物流機器人實際作業(yè)過程中存在著很多突發(fā)性問題，如物流機器人電量不足、物流機器人突然故障、兩個物流機器人發(fā)生沖突等，在利用智能算法進行路徑優(yōu)化時不同的研究人員選取了不同的突發(fā)性問題，相對于實際環(huán)境物流機器人工作而言存在著一定的局限性，此時若存在快速反應的控制系統(tǒng)，便更有利于物流機器人高效無誤地進行工作。一個倉儲環(huán)境中存在很多的物流機器人，當任務下達時接受任務的物流機器人開始工作，系統(tǒng)便開始關注工作中的物流機器人，我們也應該存在對其他空閑機器人的管理，當存在緊急任務時可以快速調度物流機器人執(zhí)行任務。雖然物流機器人在物流領域已經有一定的應用，但是在實際運行過程中，移動物流機器人還存在如電池電量是否夠用、機器人故障、機器人之間的避障等問題，還有在進行物流作業(yè)之前大量的數(shù)據(jù)處理是否及時，對于實際數(shù)據(jù)的變化能否即時應對，這些都是亟待解決的問題。

四、結語

在多物流機器人存在的倉儲環(huán)境中，多物流機器人進行避障一般都是在沖突點排隊通過或者改變運行路徑，這些都會增加物流機器人運行時間，如果可以借用其他技術對物流機器人進行實時監(jiān)控，對沖突點提前預測使物流機器人及時調整路線，便能夠提高倉儲效率。同時，利用對物流機器人的實時監(jiān)控實現(xiàn)對物流機器人的剩余電量、空閑物流機器人位置的管理，解決物流機器人在實際運行過程中的問題。

參考文獻：

[1]王江華?自動導引車系統(tǒng)單雙向混合路徑規(guī)劃和交通管理技術研究[D].南京航空航天大學?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?自動化倉儲調度系統(tǒng)中多AGV路徑規(guī)劃的研究與實現(xiàn)[D].中國科學院大學（中國科學院沈陽計算技術研究所），2018

[5]王淑青，毛月祥，袁曉輝?有限狀態(tài)機的多AGV路徑優(yōu)化策略[J].華僑大學學報（自然科學版），2019，40（02）：105～110

[6]孟沖，任彧?基于多種群遺傳算法的多AGV調度[J].電子科技，2018，31（11）：51～54+72

[7]徐鎮(zhèn)華，馬殷元?基于時間窗的改進兩階段AGV路徑規(guī)劃研究[J].測控技術，2018，37（6）：150～154+159

[8]沈秋英，劉健，董曉峰，et al?AGV數(shù)量與工作任務匹配方法研究[J].合作經濟與科技，2018，No?589（14）：133～137

[9]Zhang Y，Wang F，F(xiàn)u 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]徐海軍，潘迪?基于A～*算法的無沖突路由多路AGV控制策略[J].工業(yè)控制計算機，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]基金項目：市教委科研計劃資助項目（KM202010037001）;國家自然科學基金資助項目（No?31470588）;中國物流學會、中國物流與采購聯(lián)合會研究課題（2019CSLKT3～119）

作者簡介：

馮雪梅，北京物資學院碩士研究生;研究方向：智能物流系統(tǒng)。