在仓库或者⼯⼚，AGV/AMR正在代替⼈类完成⼤量搬运⼯作。基于AGV可以在平⾯内和楼层间灵活移动的天然优势，看似难以解决、或者只能靠⼈⼯实现的传统流程变得可以低成本实现。
通过AGV/AMR，我们可以编排链式、环线、或点到点等各式各样的任务，从⽽实现了⼆维空间内的流程⾃由。
在本⽂我们提出了⼀个新的概念——“柔性极限”：通过增加AGV/AMR所能达到的产能最⼤值或最⾼性价⽐。本次我们将基于柔性极限的概念，分享⼀下壹悟科技在AGV/AMR的混场调度上的思考。
深⼊浅出柔性搬运 从⼀维到⼆维：当AGV开始⾏⾛
随着业务量的增长，柔性搬运的优势体现逐渐体现：运⼒不⾜时可以动态的调整AGV数量。这时⼀个问题便随之而来：AGV/AMR最⼤可以增加到多少？柔性的极限是多⼤？
制约柔性极限的因素其实有很多，如地图布局、场地⾯积、充电桩数量、AGV基础属性等，都会导致当AGV/AMR数量增加到某个值后，产能不增反降——经常性的拥堵、死锁、以及充电桩受制于场地无法扩增、总功率过高导致跳闸等问题。
壹悟的探索 为了解决这个问题，壹悟研发了两套系统： 1）AGV/AMR仿真系统——可以配置真实AGV的物理参数进⾏⾏为模拟，包括导航⽅式，⼏何参数和运动参数等； 2）流程仿真——基于真实地图和业务流程编排，和壹悟调度系统（RCS）进⾏1：1运⾏，探索是否可以突破柔性极限。
这个尝试的⾃信来源于底层RCS调度系统的算法效率和仿真真实度。从⼤约2年前开始，壹悟开始逐步对外提供商业化业务仿真咨询服务，并得到了越来越多客户的认同。
从⼆维到三维 打破次元壁的封锁
当⼈们不再仅满⾜于AGV/AMR带来的搬运便利，⽽将提⾼存储效率的责任也赋予AGV/AMR时，AGV/AMR开始从⼆维平⾯慢慢向上拓展到了三维空间：⼀个更⼴阔、充满想象⼒等世界随之⽽打开：
■ ⾼位空间的货架可以是能放置托盘的⼤货架，也可以是放置普通料箱的密集货架，也可以是不等间距的货架；
■ 存放的对象可以是料箱、托盘、原箱等形式不⼀的容器，也可以不同层放置不同的容器；
■ 搬运的⼯具可以是叉车、料箱车、或者是潜伏AGV/AMR等。
显然，AGV/AMR的更⾼与更快不可兼得。但是如果将更⾼的AGV/AMR专注于垂直搬运，将更快的AGV/AMR专注于平⾯搬运，那么⽆论从效率还是成本来看，都是最佳组合。
很快，类似叉车+潜伏AGV的⽅案开始出现并迅速到达了第⼀个柔性极限：由于叉车和潜伏AGV在不同的区域运⾏，空间的浪费导致存储效率下降，同时由于需要接驳货物，AGV需要将货物搬运到区域的联结点，进⼀步增加了叉车的横向移动距离。
看似“东风不与周郎便”，实际上这些问题都可以规约到混场调度。如果不同的AGV可以在同⼀个区域作业，那么场地空间便可以节约下来，接驳点也可以更灵活的设置。久而久之，⾏业发展出了不同的混场调度等级：
■ 区域隔离级别：有个别点线需要统⼀管理。通过巧妙的地图设计，规避混场，视觉上可以达到混场效果。
■ 巷道锁闭级别：当⼀个AGV进⼊类似巷道空间后，将整个巷道进⾏封锁，退出后再将所有权转让给其它AGV。
■ 感知混场级别：在厘⽶级的范围内每个AGV都在系统中感知彼此的存在,将空间误差纳入计算后，只要两个AGV没有碰撞的可能，绝不做冗余动作。
壹悟的探索 壹悟的RCS调度系统实现了感知混场级别——基于AGV的实时位置，动态计算AGV的可⾏路径，最⼩化的减少⽆效⾛动。
为了让业务拥有更多的规划⾃由，我们的混场可以是不同导航⽅式（⼆维码，视觉，SLAM, 磁条）的AGV混场，也可以是不同功能的AGV/AMR（分拣AGV、潜伏式顶升AGV、⾃动导航叉车、料箱AGV,AMR）， 从⽽争取释放柔性极限创造更多可能。
从三维到四维 藏在时空中的秘密
在三维化的解决⽅案中，空间利⽤率的上限显⽽易见，但是搬运的柔性极限在哪⾥？伴随着垂直搬运次数的增加，高存储率下搬运效率提升的需求也随之出现。
⾃动化叉车取货和放货的速度可以通过秒表计时，潜伏式AGV每秒的⾏⾛距离可以通过卷尺测量。既然都是定值，法门何处？
如果通过最优匹配每个AGV/AMR任务，预先调拨所需要的⾼位货物到平⾯，将平⾯暂时不⽤的货物搬运⾄⾼位，那就可以真正做到“业务感知”，即WCS层⾯的调度优化。通过⾼低位的提前置换，换来的是业务可感知效率的显著提⾼。
壹悟的探索 壹悟的WCS系统通过对出⼊库订单特征和当前库存分布进⾏智能分析，能够完成对仓库搬运性能的整体优化，尽量减少搬运次数，优化核⼼资源利⽤率。
在近⼏年，壹悟科技先后探索了基于分拣AGV+料箱AGV的料箱搬运组合模式、分拣AGV+料箱AGV+潜伏式AGV的料箱+托盘组合模式、⾃动叉车（forklift）+潜伏式AGV的托盘组合模式、纯潜伏式AGV的货架搬运模式等。
最后：
AGV/AMR调度的终点不在混场调度，站在混场调度的地平线，我们看到了更⼴阔的未来。下⼀次，让我们聊聊混场调度中的算法与技术。
