亚马逊无人仓和KIVA搬运自动机器人的出现掀起了仓库AGV调度研究及应用的热潮。先进的搬运机器人智能调度算法是无人仓系统高效落地应用的关键，市场需求极大。本文作者基于多年的专业研究提供了仓库搬运机器人调度优化与仿真的相关建议以供行业参考。
一、仓库搬运机器人与无人仓系统
在现代自动化仓库中，各种类型和功能的机器人已逐渐开始普及应用，例如自动导引运输车（Automated Guided Vehicle，简称AGV）、码垛机器人、拣选机器人、包装机器人等。AGV是指配备电磁、光学或计算机视觉等自动导航装置，能够按一定的路线或者规则行驶，且具有安全保护以及各种移载功能的运输车，属于轮式移动机器人（Wheeled Mobile Robot，简称WMR）的范畴，AGV可通过充电获得其动力来源，通常可通过电脑来控制其行驶路线及其他行为。
亚马逊成功研发和应用KIVA机器人系统掀起了仓库AGV调度研究及应用的热潮。而国内多家电商企业和科技公司在无人仓和AGV调度方面也取得了令人瞩目的成果，京东物流全国规模最大的自动机器人仓群已投入使用，不同层级的无人仓数量已超过50个；菜鸟已经上线了第三代无人仓，实现了从商品存储到直接发货的全流程自动化，还有昆船智能、极智嘉、快仓科技、新松机器人、海柔创新等。
虽然如上文所说，国内多家企业自称已成功研发并应用了先进的无人仓系统，并且大大提升了存拣货效率，但企业外部的人员，包括关注无人仓技术发展的笔者，却无法从相关报道或者学术文献中获得真实的测试数据和结果，从而无法验证其无人仓系统的高效性，无法对比其与传统仓库的效率。这让人不禁怀疑，机器人在实际运作时究竟能否像宣传视频中一样流畅地作业呢？而且根据某些业内人士透露的信息，目前传统仓库仍占绝大多数，无人仓实际上并没有被广泛地应用起来。
为什么如此先进的无人仓没有被广泛地应用？主要有两个原因，一是无人仓硬件成本过高，机器人本身的造价非常高；二是搬运机器人调度算法不成熟，当无人仓中搬运机器人的密度增加到一定程度，高效地调度搬运机器人的难度也随之增加，对算法的要求就更高。因此，要想使无人仓真正地普及开来，除了不断降低硬件成本之外，研发先进的搬运机器人智能调度算法极为关键，这也是笔者多年的研究领域之一。
二、仓库智能规划和仿真系统需求加大
仓库搬运机器人的调度主要包含两个部分，即将存拣货任务分配给机器人和为机器人规划行驶路径。调度搬运机器人的一个必要条件是需要有强大的仓库管理系统（Warehouse Management System，简称WMS）支撑，通过WMS我们可以实时地（通常是秒级或更快）获取仓库的状态，主要包括：
（1）每个库位的状态，即是否有货物存储，存储的货物类型及数量等；
（2）存取货任务信息，即哪些存取货任务正在等待，哪些正在被执行等；
（3）搬运机器人的状态，即搬运机器人的剩余电量，所处的位置，正在执行哪个任务，当前规划的行驶路径，任务列表中有哪些任务等；
（4）充电桩被占用的情况等。
市面上某些WMS系统可能会提供一些机器人调度算法，但是这些算法通常基于一些经验的规则来调度机器人，较为初级。此外，机器人厂商也会提供路径规划算法，但是其算法通常是为单个机器人规划最短的存取货路径，而不会全局考虑各个机器人的状态，当多个机器人共同作业时，便往往会在仓库内形成拥堵。
当今企业运营的仓库面积通常很大，可达几万平方米，存储位高达几万个，甚至是立体的存储位，日均入库和出库量高达几十万次，装卸月台达几十个，搬运机器人的数量可超过百台，而仓库的运营是一个动态的过程，即入库和出库操作随着时间的推移连续不断地进行，因此库内搬运机器人调度的实时性要求非常高。不难想象，仓库虽然大，但是其中不可能专门腾出空