基于线性时序逻辑理论的仓储机器人路径规划方法
【技术领域】
[0001] 本发明涉及一种仓储物流移动机器人的路径规划方法，针对具体的仓储环境和取 货任务需求采用基于线性时序逻辑理论(LTL)的仓储机器人路径规划方法，规划出既能够 满足任务需求，又符合环境信息的最优路径，以确保仓储机器人能够高效的完成指定的任 务，实现机器人代替人工作的目标，从而提高工作效率。
【背景技术】
[0002] 由于电子商务的快速发展，仓储物流领域中自动化设备的应用越来越广泛，而仓 储物流机器人的应用可以大大提高电商仓储物流工作的效率，缓解当前仓储物流行业供不 应求的现状。因此，如何让机器人代替人完成仓储物流任务，从而提高电商的库存管理能力 与配载能力是当前机器人研究领域的热点之一。仓储物流机器人涉及多机器人任务调度、 移动机器人路径规划和运动控制等技术。
[0003] 目前仓储机器人的研究主要集中在调度、避碰问题上，而路径规划又是机器人应 用到仓储物流领域的核心技术之一，对于针对具体仓储环境和具体派单任务实现路径规划 的研究较少。Luna R和Bekris K E提出了一种PUSH-SWAP的方法来避免多移动机器人之间 的碰撞实现路径规划，其优点在于很好的解决碰撞问题，但其路径规划方法不普遍适用于 仓储环境（Efficient and complete centralized multi-robot path planning[C]// Intelligent Robots and Systems(IR0S),2011IEEE/RSJ International Conference on. IEEE，2011:3268-3275.);王戌在机器人调度与特殊规则约束下，基于A*算法的路径规 划实现了仓储物流机器人集群的智能调度和路径规划(智能仓库多移动机器人的路径规划 研究[D].大连交通大学，2014.);肖云涛，欧林林，和俞立提出了一种基于线性时序逻辑的 规划方法，该方法应用线性时序逻辑解决了移动机器人复杂的任务要求，但他们解决的是 巡回任务问题，而对仓储系统的派单任务不能很好适用(基于线性时序逻辑的最优巡回路 径规划[J].自动化学报，2014，10期（10): 2126-2133 .)。已有的路径规划方法基本都针对 "从A点到B点，途中避开障碍物"这类简单的任务，对于仓储机器人这类需要从起点出发，到 多点取货后回到终点的复杂需求还无法很好的解决，机器人路径规划技术仍然存在很大的 瓶颈。人工势场法、A*算法和RRT算法都是现有的路径规划方法，它们能够解决路径规划当 中的一些基本任务，但它们都需要根据任务节点顺序，按序分段进行规划，规划所得路径受 任务节点的数目和顺序影响，无法保证规划所得路径的最优性，不能更好的适用于仓储系 统的复杂任务。智能算法中的遗传算法是一种借鉴生物界的进化规律，通过模拟自然界进 化过程搜索最优解的方法。遗传算法从问题解的串集开始搜索，而不是从单个解开始，同时 处理群体中的多个个体，这可以有效避免传统优化算法从单个初始值迭代求最优解陷入局 部最优解的风险，但是遗传算法的效率通常比其传统的优化方法低，其进化过程占用很多 计算时间和内存空间。
【发明内容】
[0004] 本发明要克服现有技术的上述缺点，提供一种基于线性时序逻辑理论的仓储机器 人路径规划方法。
[0005] 本发明采用基于线性时序逻辑理论的仓储机器人路径规划方法寻优路径，其具体 算法流程图如图1所示，主要可分为环境建模与任务描述和路径寻优两大部分。首先，将仓 储环境建模为可扩展的加权切换系统;然后，采用线性时序任务公式描述仓储派单取货任 务，并通过LTL2BA工具包将其转换为图表形式(Biichi自动机）；接着，将加权切换系统与Β? chi自动机作笛卡尔乘积构成任务可行网络拓扑之后，采用SPFA(Shortest Path Faster Algorithm)算法在任务可行网络拓扑上所搜出最优路径，并将该路径映射回加权切换系统 得到环境中对应的最优路径;最后通过PC端将仓储环境中的最优路径发送给移动机器人， 具体步骤如下：
[0006] 步骤1:将机器人的运动的仓储环境建模成一个可扩展加权切换系统模型，加权切 换系统模型是一种图表，如图2所示，图中选取22个关键节点作为路径节点，其中节点p#Pp 2 分别表示机器人的起点和终点，即仓库接单和出货的柜台。如果机器人能从一个位置行驶 至另一个位置，则这两个节点间有边相连。每条边都标有相应的权值，表示机器人从一个节 点行驶至另一个节点。当有派单任务节点时，将其扩展到模型当中，而不需重新构建环境模 型，如图3所示，图中P23、P24和P25为扩展的任务节点。在此用元组E=(Q，qo，R，Π ，ζ, ω )来表 示可扩展加权切换系统，其中，Q为一个有限状态集，其每一个状态表示仓储环境中的一个 节点;q〇eQ是初始状态，即机器人在仓储环境中所处的初始位置;i? Q (?>< (?代表切换关系， 即仓储环境中节点间的连通状态；Π 为一个原子命题集合;ζ:〇-2π是状态的命题函数；ω 代表切换权重且ω>0,表示机器人在仓储环境中从一个节点切换到另一节点所需的成本。
[0007] 步骤2:利用线性时序逻辑公式Φ描述仓储机器人需要完成的复杂任务;线性时序 逻辑(LTL)是一种接近自然语言的高级语言，在仓储系统中用LTL可以简洁地描述仓储机器 人在仓库环境中从起点出发到若干个货架取货后回到指定点，并在途中规避特定区域的复 杂任务，而非仅仅到一个货架取货任务。将时序逻辑算子始终G、最终F、接下来X、直到U和布 尔算子非·-、与Λ、或V组合起来可以便捷的描述仓储系统中到各个货架取货的复杂任务。 例如：Φ =FpiAFp3AFp4AFp5AFp6AFp7AGFp2,其中，口1、口2、口3、口4、口5、口6和口7代表环境中的 节点，则Φ表示机器人从P1节点出发，到P3、P4、P5、P6和P7五个节点取货，最终回到P2节点将 取回的货物打包出仓；# =Λ你 Λ/? Λ取Λ (?? Λ Λ 表示机器人从p丄节 点出发，到P3、P4和P5三个节点取货，但要避开P6和P7节点最终回到P2节点将取回的货物打包 出仓。
[0008] 步骤3:利用步骤2得到的满足机器人任务的线性时序逻辑公式Φ，采用LTL2BA工 具将Φ转换成相应的Biichi自动机可行性图表，在此用元组B= (S，So，Σ b，δΒ，F)表示Biichi 自动机，其中S是有限状态集合，怂￡ ^是初始状态集合，Σ b是输入字母表，δΒ是转换函数， & ?Ξ XΣ,xS ,F是最终状态集合，S。
[0009] 步骤4:将可扩展加权切换系统E和Biichi自动机B作笛卡尔乘积得到任务可行网络 拓扑，在此用元组T=(Sτ，Sτ()，δ τ，Fτ)表示任务可行网络拓扑，即T = EXB其中，E=(Q，q()，R， Π ，ζ，ω )，B=(S，So, 2bJb，F)，St = QXS为有限状态集合，STFqoXSo是初始状态集合， 4 ￡奂为转换函数，巧=0 /7为最终状态集合；以状态集为例，当切换系统E中的状 态集Q= (qo，qi，q2，q3)，其中qo，qi，q2和q3是仓储环境节点，Biichi自动机B中有限状态集合S =(8〇,81，82)，其中8()，81和 82是加(^自动机的切换状态，那么笛卡尔积后得到的任务可行 性网络拓扑T的状态集St= (qoso，qosi，qoS2，qiso，qisi，qiS2，q2S〇，q2Si，q2S2，q3S〇，q3Si，q3S2)， 这十二个状态的切换关系又由E和B共同决定。该任务可行性网络拓扑将环境模型和任务结 合在了一起，在此拓扑上运用SPFA算法搜索最优路径，可以确保路径的最优性，并且保证最 优路径与派单节点选择顺序无关。
[0010] 步骤5:通过步骤4得到任务可行网络拓扑后，