物流机器人大规模集群调度研究.docxVIP

物流机器人大规模集群调度研究

摘要：随着自动化、智能化水平提升，物流机器人应用朝着规模化、集群化发展。大规模集群调度面临协同作业难度大、机器人间冲突多、集群调度效率低等挑战。本文提出一种物流机器人大规模集群调度方法，采用混合式调度架构，通过启发式的任务分配规则、基于改进A*的路径规划算法和冲突协调与死锁避免策略，实现物流机器人大规模集群调度。利用参数化模块化建模方法，建立大规模机器人集群调度仿真平台，并在同构与异构机器人集群场景下进行验证。结果表明系统效率受机器人规模影响显著,量化分析了不同比例异构机器人的协同效果，验证了所提方法在多种场景下对同构及异构集群均具备高效调度能力。

关键词：物流机器人；大规模；集群调度；仿真平台

一、引言

由于劳动力成本上升，众多企业已转向自动化、智能化生产和运营，选择机器人代替工人完成物流任务，自动导引车(Automated

GuidedVehicle,AGV)和自主移动机器人(AutonomousMobileRobot,AMR)等类型物流机器人正得到越来越广泛地应用。

据市场研究机构ABIResearch统计，全球已有超过400万台物流机器人安装在5万多个仓库。国内的物流机器人市场也步入快速发展期，据新战略移动机器人产业研究所统计，2024年中国AGV/AMR销售规模约为221亿元，同比增长4.25%,销售数量为139000台，同比增长11.2%。随着市场需求扩大，物流机器人的应用场景从单

机作业、小批量部署，正在逐渐变成群体作业、大规模调度。国内的设备制造企业通过优化成本，进一步降低了机器人产品价格，最终将推动物流机器人应用朝着规模化、集群化发展。

当前，大规模物流机器人的应用场景已覆盖多个领域，如图1所示。在制造系统中，为减少对地面空间的占用，通过空中搬运天车(OverheadHoistTransfer,OHT)系统传递物料，天车轨道甚至长达50公里，上千台天车每日要完成近百万次搬运任务，对调度效率和调度能力的要求都很高。在存取系统和分拣系统中，机器人在地面运行，通过二维码(QuickResponsCode,QRCode)或者同步定位与地图构建(SimultaneousLocalizationandMapping,SLAM)方式导航，由于系统空间大、机器人数量多、环境内存在不可通行障碍物，导致机器人间冲突严重，系统容易发生局部死锁。在码头系统中，多种类的机器人需要共同完成装卸作业，对机器人间的协同性要求高。

从运行方式来看，这些机器人可以被分为有轨机器人与无轨机器人两类。有轨机器人能够沿着既定轨道运行，通过多种高精度传感器，如激光测距传感器、编码器等进行定位。无轨机器人可以通过二维码、SLAM、视觉导航等技术定位。SLAM导航机器人凭借高精度地图构建能力，在动态环境中具备较强的自主避障优势，稳定性突出，被广泛用于各类制造、仓储系统中，但设备成本较高、传感器范围有限、视图算法复杂，存在精度问题；二维码导航机器人是

扫描地面的二维码定位，成本低廉且稳定性强，适用于路径固定的分拣场景，却难以适应地面环境变化与路径灵活调整的需求；视觉导航机器人依靠摄像头与算法识别环境特征，部署成本较低且灵活性高，但在光照变化剧烈或特征单一的环境中，导航稳定性易受影响。

图1不同系统中物流机器人的应用现场图

随着机器人规模持续扩大，大规模集群调度面临着诸多亟待解决的问题。当大规模集群调度时，机器人不再是单种类、小规模部署，机器人间需要互相配合完成任务，这就对机器人运行的实时性和准确性提出更高要求。且由于系统内可能存在多个来自不同供应商的机器人，通信协议与接口标准多样，存在协同作业通信壁垒，再次加大多机器人间的协同作业难度。其次，由于机器人可运行空

间有限，但机器人数量多，导致系统内机器人密度大，高密度机器人运行时，机器人间的冲突问题日益严重，在狭窄通道、交叉路口等关键区域，多台机器人的路径规划易出现重叠，频繁引发拥堵、等待甚至碰撞风险，不仅会降低单台机器人的作业效率，更对整个物流系统的稳定性造成负面影响。现有调度系统的算力与数据处理能力难以匹配成百上千台机器人的实时状态反馈与动态调度需求，单次运输任务甚至会调用上百次路径规划算法。调度算法耗时长，调度资源不足，导致大规模集群调度效率低。

二、大规模机器人调度研究

1.大规模机器人场景

物流机器人在各类存取、分拣和码头等系统中都有大规模应用实例。物流机器人集群场景通常以其内部机器人类型的不同，可分为同构机器人集群和异构机器人集群。

其中，同构机器人集群指的是由相同类型、具有相似功能和