本文是一篇物流论文，笔者认为智能仓储系统中机器人拣选过程是当前物流领域的重点研究方向，具有重要理论和实际意义。
第1章绪论
1.1研究背景与意义
1.1.1研究背景
随着世界经济的不断进步与发展，越来越多的国家意识到制造业在本国经济发展过程中的重要性。从德国提出了工业4.0[1]开始，世界各国纷纷迎头赶上，致力于提高本国制造业产品竞争力，在新一轮工业革命中抢占先机。在我国，国务院总理李克强在2015年签批了实施制造强国战略的第一个十年行动纲领，即中国制造2025[[2]。物流行业作为制造业中关键的一环，在近年来发展势头迅猛，朝着信息化、智能化方向发展。物流业特别是仓储物流，具有存储、加工、包装、整合与分类等功能，还可以为物流活动提供缓冲期、提高订单响应率，是物流活动必不可少的重要部分。物流仓储需求迅速增长，以北京市为例，截至2018年底，全市仓储相关企业共1.9万个，相比于比2013年末增长35.6%；企业资产总计1.5万亿元，比2013年末增长54.1%。物流分拣配送服务在整个物流过程中具有重要地位，而仓库是物流分拣配送的关键枢纽，也是连接生产和消费的核心场所。它能够克服货物的时间、空间差距；调节供需市场平衡，维持价格稳定；保证供应方的响应速度，提高顾客满意度。在仓储物流中，随着产品需求的增长与产品种类和数量的攀升，对于拣选的需求量和工作强度也越来越大，但人工劳动成本不断提高，人们迫切需要构建一个更加智能化的仓储系统，使整个仓储物流行业中的资源点和需求点的连接更加低成本、高效率。由此提出智能仓储系统，促使仓库运作自动化、高效化、智能化，提高仓储甚至供应链上下级的管理水平，进而提升服务水平，降低物流总成本，最终提高物流活动的顾客满意度。
智能仓储的快速运转离不开自动化与工业化发展。移动机器人作为智能仓储的重要搬运拣选设备，能够提升物流分拣、配送的准确性，提高仓储物流系统作业效率，在系统总体层面上优化资源、降低成本。智能仓库中通常由多机器人协同合作，并行完成复杂多变、多步骤的高级拣选任务，这是目前研究的热点、难点问题。美国亚马逊公司的kiva机器人[3]是仓储物流机器人领域的先驱，但近些年硅谷Fetch Robotics公司设计出取送结合的Fetch机器人[4]发展迅猛，相比于kiva机器人，Fetch机器人所依赖的人工数量更少，也更加智能、安全、灵敏。国内有海康威视研发出“阡陌”智能仓储机器人[5]，京东“亚洲一号”仓库使用自主机器人作业，许多大型企业纷纷布局新型仓库使用智能物流机器人，这是智慧物流的发展趋势。但目前我国智能仓储的应用水平还处于初级阶段，只有少数巨头拥有资金和实力运用多机器人系统，并未在市场上真正实现大规模的高效使用。
1.2国内外研究现状
本文重点对多机器人协同拣选作业过程展开研究工作，该过程首先需要对到达仓库的订单预处理，进行初步整理和分类；其次，将订单拣选任务分配给机器人；然后，各机器人按照指定拣选路径，行驶到目标节点拣选；最后，各机器人完成拣选后，等待下一轮订单。因此，按照拣选活动展开的时间序列可分为订单分批、任务分配和路径规划，以下是与研究相关的文献综述。
1.2.1多机器人订单分批相关研究
在电商快速发展的环境下，物流活动需要满足顾客个性化、实时、高效的需求。大型物流中心每时每刻都在收到大量订单，并且订单呈小批量、多批次等特征，智能仓库需以更短的响应周期、更精准的反馈过程来提高其服务能力。其中拣选作业是智能仓储活动的关键作业流程，据统计[6]，拣选作业时间约是仓储总作业时间的30%-40%，而拣选作业成本更是达到仓储总成本的约60%，可见拣选作业效率提升已成为智能仓储系统优化的关键瓶颈。为此，可以通过对具有相同品项、时间属性的订单进行整合，即订单分批，来提高智能仓储系统的拣选效率。订单分批主要从两种角度进行研究：基于相似性的订单分批和基于时间窗的订单分批。
第2章智能仓储系统概述
2.1智能仓库构成与功能
2.1.1仓库构成与Fetch机器人
仓库是保管储存物品的建筑物和场所的总称，是物流仓储管理的基础设施。物流仓储是物流系统最基本、最不可或缺的组成部分，在缩短物流周转周期、降低成本和商品分类再加工等方面具有重要的战略地位。仓库作为物流服务的据点，根据货物的特性配备相应的设备，保证储存物品的完好性；利用分装、流通加工等操作，增加货物的流通性；仓储过程也能够给货物流通周转提供一定的缓冲时间，使得连续性生产供给和变化的市场需求之间能良好地衔接。智能仓储系统利用先进的设施设备对货物进行装卸、分拣、整合，实现自动化高效运转。仓库主要设施设备分为存储设备和装卸搬运设备。存储设备指专门用来存放货品的保管设备，通常由货架、托盘等组成。装卸搬运设备指通过升降装卸、搬运移动等方式改变货物空间位置的设备，常见设备有叉车、传送带、移动机器人等等。其中，移动机器人是整个智能仓储系统的主体，也是实现自动化的关键设备，本文的研究背景基于Fetch机器人。
Fetch机器人是美国Fetch Robotics公司自主研发，该机器人由两部分组成。一部分是具有七自由度的机器臂，其能够利用机器人视觉、导航系统、图像处理等技术在货架上进行货物精准拣选。另一部分是具有载货搬运功能的机器人，负责运输拣选后的货物。Fetch机器人能够实现安全自主导航，利用激光雷达结合导航算法实现导航及实时避障；实现自动充电管理，在仓库内配备充电桩，电量低时机器人能够实现自主充电；机器人头部安装有深度摄像头，从而能够实现自动跟随；具有开源机器人操作系统（robot operating system,ROS），企业使用者可基于ROS平台，方便快捷地进行二次开发，以实现企业自身特点、货物装卸、拣选、配送及相关需求；Fetch机器人前端和后端都配备了传感器和前置摄像头，能够实时感知周围环境变化，同时全身安装LED提示灯提示工作人员避免与其产生碰撞。
2.2智能仓库环境建模
仓储运行环境是机器人执行拣选作业的场所，对环境进行全面地、准确地、合理化描述，是进行多机器人协同路径规划研究的必要基础。合理的仓库环境建模方法有助于后续订单分批研究、任务分配、路径规划算法设计、路径冲突化解等等。
2.2.1常见建模方法
环境建模是指把周围环境系统中具体事物以某一抽象的形式进行统一描述的方法，通常涉及到环境中关键物体的位置描述、特征提取等等。常见的环境建模方法主要有可视图法，拓扑法，栅格法等。
（1）可视图法
可视图法是将不规则障碍物之间的顶点相互连接，用近似多边形代替，以此构建虚拟地图。在规划过程中，用求解算法求得连接出发点、障碍物节点和目标点的直线路径，该方法能够快速规划，建模方法简单、存储空间要求低。但其适应性差，一旦环境发生实时变化，需要对重新建模并规划，使得搜索时间较长。此外，可视图法将移动机器人视作质点，忽略尺寸大小，使得移动机器人在经过障碍物顶点时可能造成碰撞。
第3章移动机器人全局路径规划研究.............................32
3.1移动机器人路径规划问题................................32
3.1.1全局和局部路径规划的相同点......................32
3.1.2全局和局部路径规划的不同点......................33
第4章多机器人任务分配与路径协同.............................53
4.1任务分配问题分类......................................53
4.2任务分配与路径协同....................................54
4.3局部路径规划..........................................55
第5章总结与展望........................70
5.1总结............................70
5.2展望................................71
第4章多机器人任务分配与路径协同
4.1任务分配问题分类
在多机器人协同工作系统中，任务分配问题根据机器人特性和数量、任务种类数量等条件分成多种类型。其中移动机器人作为执行任务的主体，可以具备不同的结构、特性和功能，能够完成单项或多项任务。单个任务是系统总目标的组成部分，可以是复杂任务需要由多个机器人同时作业、共同完成；或被分解成多个子任务，由多个机器人按时间序列依次完成；也可能是简单任务被单个机器人直接完成。此外，根据任务的紧急程度与复杂度、仓库环境特性等条件，任务分配的时间也存在区别。基于以上分析，从以下三个维度对多机器人任务分配问题进行分类[55]：
第一个维度分为单任务机器人（single-task robot,ST）与多任务机器人（multi-task robot,MT）。ST表示机器人能力单一，一次最多可以执行一个任务，而MT表示机器人可以同时执行多个任务。
第二个维度分为单机器人任务（single-robot task,SR）与多机器人任务（multi-robot task,MR）。SR表示每个任务仅需要一个机器人完成即可，而MR表示任务可能需要多个机器人共同完成。
第三个维度分为即时分配（instantaneous assignment,IA）与延时分配（time-extended assignment,TA）。IA表示时间特性较强，仓库接到订单任务后立即进行处理，将任务分配给对应机器人执行，而延时分配TA意味着系统综合考虑更多因素影响，例如系统繁忙程度、任务量预期、设备利用效率等，达到某个综合目标要求后，再进行任务分配。
第5章总结与展望
5.1总结
随着智能仓储系统的快速发展和应用，移动机器人拣选技术成为提高智能仓储系统拣选效率、降低系统成本的关键技术之一，优化机器人拣选过程能够推动智慧物流的深入研究和应用。本文对智能仓储机器人拣选过程中的重点内容展开深入研究，主要工作及成果如下：
（1）针对智能仓库中连续到达的订单，分析比较了静态时窗分批和动态时窗分批，综合两者优点，提出（Q，T）时窗分批策略。该策略既保证每笔订单都能得到及时拣选，又能降低高峰时段的拣选负荷量，均衡各个时间段内的拣选数量。
（2）针对全局路径规划问题，设计了一种躲避静态障碍物的改进蚁群算法。该算法改进转移概率参数、优化信息素更新条件，并对路径结果进行平滑处理。算法能够兼顾全局搜索最优和快速收敛，并且有较高稳定性。
（3）针对局部路径规划问题，将多机器人之间的路径冲突类型分为相向冲突、交叉冲突和复合冲突。采用改进优先级法，按照各机器人的总冲突数目确定其对应的优先级，以提高多机器人系统的整体拣选效率。
（4）提出任务分配—路径协同联合研究，将全局路径规划、局部路径规划与任务分配过程紧密相连，构建三层框架模型。底层是采用改进蚁群算法，得到节点之间全局路径规划；中间层是划分机器人间局部路径冲突类型以及特点，调整优先级排序化解局部路径冲突；集成层将任务分配与机器人路径规划进行融合，运用遗传算法从仓库总体运行效率出发，经过多次迭代，得到最优任务分配结果，提高了智能仓储系统的整体拣选效率。
参考文献（略）