近日，磅旗科技联合华南理工大学，面向自动化仓储物流管理场景需求，提出窄路径场景下大型AGV的路径规划算法，并成功入选2022年IEEE （电气电子工程师学会）组织的国际电子商务工程会议，论文题目为《Improved A* Method for High Efficiency Forklift Path Planning》（面向叉车路径规划的高效A*方法）。
该算法以叉车为例，考虑大型AGV在狭窄仓库路径中180度转向的路径规划问题，在传统A*算法的基础上进行改进，这使得算法更加适配实际工业应用场景。实现了学术研究为工业场景赋能，促进传统产业转型发展。
一、应用背景
大型AGV物流难题、建模路径结构分段规划
随着工厂自动化、计算机集成制造系统技术逐步发展、以及柔性制造系统、自动化立体仓库的广泛应用，AGV作为联系和调节离散型物流管理系统使其作业连续化的必要自动化搬运装卸手段，其应用范围和技术水平得到了迅猛的发展。其中，一个重要且广泛讨论的问题是路径规划。
在实际应用中，有效的路径规划算法可以合理地控制和管理工厂货物的运输，节省人工成本。
部分AGV在工作时有朝向要求，且因体积过大无法完成原地180度转向。叉车即为一个贴切的例子。作为工业运输车辆，叉车广泛用于工厂和仓库，负责货物的装卸和搬运。传统的路径规划算法不考虑特定车型的转向约束，不能规划叉车的转弯轨迹。本论文以叉车为研究载体，针对应用场景，通过地图建模，提取转向路径结构和转弯前后分段规划的方法，实现满足朝向条件的最优路径规划。
二、算法详解
算法可被分为三个步骤。分别是地图转换、定义转弯路径结构和分段重规划。地图转换的目的在于获取叉车地图的栅格地图建模形式。传统叉车地图表示形式为点和线（如图（a）），定义一定的转换规则，可以将叉车地图转换为（如图（b））的栅格形式，便于A*算法在该问题上的应用。
路径狭窄的情况下，180度转向时叉车只能先后退再前进，轨迹反映在栅格地图上形同字母“T”。所以在整体规划时，我们在原始路径规划途中寻找“T”结构供叉车完成转向，对“T“结构前后的路径进行重规划，达到最优结果。
三、实验结果
论文将提出的算法在30*30的栅格地图中进行测试，测试环境如下图所示。
无转向需求下，算法能为叉车规划从起点到终点的最优路径。（图（a））。有转向需求时，算法在接近终点的位置寻找一个“T“路径结构。叉车将在该结构上完成180度转向。整体来看，叉车能在完成转向的同时，以最优的路径到达终点。（图（b），只展示部分地图）
该算法定义地图转换方法，展示了栅格地图扩展到其他地图的可能，也使得传统的路径规划算法能应用在新地图上，为企业解决复杂仓储环境下的AGV路径问题提供新思路。
2022年，磅旗科技和华南理工大学成立了教学实习基地。此次，两家单位联合在国际会议成功发表论文，体现了产教融合、校企合作的一次成功实践。
