最早的移動機器人在1953年被美國basrrte公司開發成功，它能夠沿著布置在空中的導線完成任務，但不能自主隨意移動。自20世紀初，自尋址技術的出現對傳統的移動機器人實現了技術革命。自尋址技術可以不預先鋪設軌道，以非接觸的方式實現車輛的智能尋址和定位，大幅增加了移動機器人的智能程度和應用范圍。隨著自尋址技術的發展，移動機器人可廣泛用于車間、碼頭、倉庫等系統中，系統內的機器人數量也從幾臺擴展到上百臺。

2008 年，Kiva systems公司首次將上百輛互相協作的移動機器人同時用于亞馬遜的倉儲作業中[1]，即最早的多機器人存取系統。2012年，亞馬遜收購Kiva公司將多機器人存取系統部署在北美的各大配送中心內。國內也緊隨其后，菜鳥、京東、極智嘉和快倉等公司已經成功應用多機器人存取系統完成相關業務。

近年來，多機器人存取系統的銷量也在不斷增長。《2019年世界機器人報告》[2]顯示，僅2018年就賣出了超過十萬的多機器人系統，其中大多數都被用于電子商務倉庫中，為電商公司提供存取服務。2020年，COVID-19疫情進一步推動了多機器人存取系統的市場，《2020年世界機器人報告》[3]顯示，電商倉庫內的移動機器人交易額增長了110％，達到19億美元。按預測，未來的交易額增長可能達到每年40％甚至更高。

種種跡象都表明，多機器人存取系統已經成為應用熱點，對多機器人存取系統的研究也日益增多。本文首先介紹了多機器人存取系統，描述了多個熱點研究方向和解決方案，最后對現有研究進行了總結和展望。

一、系統簡介

多機器人存取系統利用貨架存儲商品，通過移動機器人搬運貨架，工作人員只需要在工作站等待，不用進入存儲區域，工作完畢后移動機器人再將貨架搬運回存儲區域。這樣一來，就大大減少了工作人員的勞動強度，減少人員行走距離。如圖1所示，移動機器人依靠掃描地面的二維碼定位，根據指令向任意方向行駛。按照任務要求，執行搬運、升降貨架、等待等操作。

圖1 多機器人存取系統

圖2 多機器人存取系統工作流程

在電子商務的訂單揀選中，系統的目的就是盡可能提升揀貨效率，更快更好地完成客戶的訂單。如圖2所示，系統的工作流程可以概況為：根據客戶下達的訂單，指派工作站完成訂單，按照訂單上的商品確定機器人需要執行的任務，通過機器人搬運貨架至工作站完成揀選，再搬運貨架回儲區。在系統運行中，如果訂單需求的貨物量超過了安全庫存，還需要進行補貨操作。如果機器人的電量不足，需要充電，確定充電策略。除了工作流程中的策略和優化方法外，還需要確定貨架和商品存放在哪些位置，并進行儲位優化。此外，系統的布局模式、機器人的數量、揀貨站的數量、貨架的位置等都會對系統效率造成影響。因此，還需要對系統整體布局中的工作站位置、貨架位置、充電站位置等進行優化。

二、研究方向

按照圖2系統的工作流程，可以對系統本身和系統內的各個環節進行研究，主要包括以下研究方向：布局優化、訂單指派、任務分配、路徑規劃、沖突消解、儲位優化、充電策略、實時調度等。這些研究方向涉及到系統運行前的整體布局和系統運行中的各個流程。

1.布局優化問題

圖3 多機器人存取系統俯視圖

一個普通的多機器人存取系統的俯視圖見圖3。布局優化就是對系統內的機器人、貨架、工作站等的位置、數量、比例等進行設計，確定最合適的布局，以提高揀貨效率，增加系統吞吐量，更快完成訂單。

對于系統的布局研究，包括以下幾種情況：

（1）工作站所處的位置和數量。圖3中工作站是在貨架的一側，但在布局中，可以兩側都擺放貨架，也可以四周都有工作站[4]。不同數量的工作站會對揀選效率有影響。

（2）貨架布局方式。a.貨架長寬比，貨架區域的設置影響車輛運行的路徑，可以通過建立排隊網模型計算不同長寬比對揀貨效率的影響[5]。b.布局模式。圖3展示的是傳統的布局模式，還有很多新型布局模式可以考慮，特殊的布局模式可以增加揀貨的效率或系統的存儲密度。例如圖4展示的V型布局[4]、魚骨型布局[6]、多深布局[7]等。

圖4 幾種新型布局模式

（3）倉庫內道路布局。道路布局有很多需要考慮的地方。如a)道路方向。圖3展示的道路都有具體的方向，即單向道。通過單向道避免發生相向沖突和死鎖。除單向道外，道路也可以采用雙向道布局方式，機器人可以沿任意方向運行，能夠減少機器人的繞路，加快運行效率。考慮到雙向道內的相向沖突較為嚴重，也可以將兩者結合布局，部分區域采用單向道，部分區域采用雙向道[8]。b）車道數量，圖3中，只有在工作站和存儲區域的道路是雙行道，存儲區域都是單行道，即只能容納一輛車通過。雙行道可以更大程度上避免機器人的沖突，但浪費了存儲面積。c）是否有交叉口。交叉口同樣降低了存儲密度，但機器人移動時可選擇的路徑比無交叉口時更多，能夠避免機器人間的擁堵。單向單行道和雙向單行道、有交叉口和無交叉口的對比可以參考Lienert等[9]的研究。

2.訂單指派問題

訂單是多機器人存取系統的輸入，完成訂單是系統運行的首要目的。單張訂單每件商品按順序揀選的完成方式會大大降低系統效率，不同訂單有同一件商品時，完全可以一同揀選，即使沒有一樣的商品，兩張訂單需要揀選的商品也可能位于同一個貨架上。因此，就需要對訂單進行整合和指派，確立訂單內商品在哪些貨架上，哪些訂單可以在同一個工作站內揀選[10-11]。優化訂單的順序還能減少機器人的數量，降低系統運行成本[12]。為了提高系統效率，訂單內的貨物甚至可以被拆分到不同的工作站完成[13]。

3.任務分配問題

任務分配是在訂單指派后，將訂單拆分成涉及到具體貨架的任務，將任務分配給機器人進行執行。系統內同時有多個任務和多輛機器人，一輛機器人在同一時間只能搬運一個貨架，任務分配情況關系到機器人未來的行動路線。在任務分配時，需要綜合考慮機器人和任務要求的貨架之間的距離，機器人本身的任務情況，任務間的關系等多個因素。現有的研究中，任務分配可以是采用一些策略進行分配，如基于作業速率、近似最優和最優指派策略等被用于任務分配[14]。還可以根據當前系統內任務的距離、時間、效率等狀態，設計啟發式規則完成任務分配[10]。此外，可以利用智能算法通過迭代優化的方式獲得更好的任務分配結果，如遺傳算法[15]，模擬退火算法[16]，禁忌搜索[17]等。

4.路徑規劃問題

圖5 機器人的不同路徑

機器人接取任務之后，就需要執行任務，按照任務要求對運行路徑進行規劃。機器人的運行路徑規劃是多機器人存取系統的核心。好的路徑規劃方案能夠大幅度提升系統效率，減少機器人的能耗。如圖5(a)所示，機器人完成任務需要三段路徑，首先要從當前位置到貨架所在位置，再從貨架所在位置到工作站，之后帶著貨架返回儲區。這期間，機器人由無數條路徑可以完成任務，例如圖5(a)是最短路徑，但也可選擇圖5(b)的其他路徑，但最終完成任務的路徑受到多方面影響。由于倉庫內不只一輛機器人，多輛機器人之間會造成沖突問題。最短路徑可能有其他機器人頻繁經過，產生嚴重的沖突問題。因此機器人運行的最短路徑并非就是最好的，還需要綜合考慮其他機器人的情況。常用的路徑生成方法包括動作依賴圖[18]、路線圖生成算法[19]、A*算法[20]、Dijkstra's 算法[17]等以及對這些算法的改進。

5.沖突消解問題

圖6 機器人間的沖突情況

多輛機器人運行時，由于運行路線有交錯，必然會發生沖突。機器人間的沖突可以被歸為以下幾類：趕超沖突、交叉口沖突、相向沖突，如圖6所示。針對這些沖突，有多種啟發式規則可以采用，如設立優先級進行避讓[21]，任務少的機器人等待[22]，或是采取多種方式比如離開、繞路和啟動前等待以避開不同沖突[20]，利用通道協議避免一條通道內的機器人沖突[23]等。

6.儲位優化問題

貨架的存儲位置決定了機器人將其搬運至工作站時行走的距離，貨架離工作站越近，搬運耗費的時間越少，系統的效率越高。但是，如果貨架都在工作站附近，機器人搬運時也聚集在工作站附近，反而會造成工作站附近的擁堵。因此，儲位優化也成為研究的熱點問題之一。對貨架存儲位置設置不同的策略，對實際運行時的影響不同[24]。現有研究中，采取的策略包括：

（1）固定位置存儲。貨架固定在某一確定位置存儲；

（2）隨機存儲。貨架從工作站離開時，隨機選擇空位存放；

（3）最近存儲。貨架從工作站離開時，選擇離工作站最近的空位存放；

（4）分區存儲[5]。按照貨架上貨物被揀選的頻率，對儲區進行分區，高頻區靠近工作站，低頻區遠離工作站，貨架按照區域存儲，在區域內部也可有“固定位”、“隨機”、“最近”等存儲策略。

7.充電策略問題

機器人雖然不用像人類一樣需要休息，但機器人的運行需要依靠電能，圖3右下角就是機器人的充電區。機器人的充電策略涉及到以下兩部分：

（1）充電時機，即機器人還有多少電量時需要充電[25]。如果充電時機選擇的過晚，就會出現有機器人因為電量耗盡而停留在儲區或工作區內的情況，會直接影響任務的完成和其他機器人的運行。過早的充電雖然可以避免機器人沒電停止，但機器人頻繁的充電影響系統效率，同時也影響電池壽命，而且充電區的容量也是有限的，頻繁充電可能導致充電區發生堵塞。

（2）充電模式。機器人可以選擇在充電區充電，也可以直接換電池。現有研究的實驗表明，換電池比充電更能提升系統性能[26]。

8.實時調度問題

實時調度是在系統實際運行時進行調度，對調度的時效性要求較高。因此，多采用一些規則處理系統運行中遇到的各種問題，如利用分配任務極為快速的令牌傳遞算法[27]；通過得到的當前機器人的狀態，進行動態路徑規劃，避免機器人間的沖突[7,28]；實時調整機器人的優先級以協調沖突[29]。還有一些和系統輸入相關的問題，例如緊急訂單的出現，緊急訂單優于其他訂單進行指派，優于其他任務被分配給機器人完成[30]。此外，在實際運行中還會出現機器人故障、貨物跌落等突發事件。

三、總結和展望

多機器人存取系統具有更高的揀貨效率、更好的系統可擴展性和柔性，因此成為近年來備受關注的研究領域之一。本文描述了多機器人存取系統中的布局優化、訂單指派、任務分配、路徑規劃、沖突消解、儲位優化、充電策略、實時調度等問題。除此之外，還有多個方面有待關注。

1.協同優化

現有的倉庫規模不斷擴大，機器人數量逐漸增多，系統運行流程復雜，問題之間聯系緊密，單個機器人的最佳路線、單個問題的最優策略在系統全局運行時并非最優。因此，需要進行協同優化，找到系統運行時最合適的策略組合，確定同時考慮多輛機器人多個問題的優化方法，共同提升系統效率。

2.數字孿生系統

數字孿生是近年來的熱點方向，數字孿生可以將虛擬系統和現實系統結合起來，利用虛擬系統模擬物理系統運行。多機器人存取系統內人類活動少，機器人行為可以預測，進而實現對整個系統運行情況的預測。通過對物理系統狀態的預測，可以提前處理未來可能發生的問題，從而指導物理系統運行。

3.機器學習

多機器人存取系統本身是一個復雜系統，系統內的問題很多。機器學習和人工智能的發展為系統運行提供了新思路。通過對大量經驗數據的學習，將復雜問題簡單化，快速做出決策，將是未來研究的新方向。