当工厂内的自主移动机器人（AMR）数量从个位数增长到数十台甚至上百台，调度问题就从"单机导航"演变为"集群系统工程"。路径冲突、死锁、任务优先级、充电桩资源竞争，这些问题在单机时代并不存在，却直接决定了集群方案能否通过验收。本文从工业互联网落地角度，拆解AMR集群调度的技术架构与数据支撑体系。
AMR与AGV：调度逻辑的本质差异
AGV（自动导引车）依赖磁条、二维码或反射板等固定导引介质，路径确定，调度核心是交通管制——在固定路网中避免车辆冲突。AMR基于SLAM自主导航，路径可以动态规划，调度核心随之变成任务分配与全局路径优化的耦合问题。
维度 | AGV | AMR |
导航方式 | 固定导引（磁条/二维码） | SLAM自主导航 |
路径性质 | 路网固定，沿边行驶 | 自由平面，动态规划 |
调度核心 | 交通管制、路段封锁 | 任务分配+路径规划耦合 |
扩容成本 | 需铺设介质，改造周期长 | 地图更新即可 |
异常恢复 | 人工介入为主 | 自主绕障、重新规划 |
差异带来的直接后果是：AMR调度系统必须实时掌握每台车的位姿、电量、任务状态与局部地图变化，数据刷新频率通常在100ms-1s级。一个50台规模的集群，每秒产生的状态报文在数千条量级。
集群调度的三层架构
工程上成熟的调度系统普遍采用三层结构。
交通管理器（Traffic Manager）负责路权分配。经典做法是把地图抽象为有向图，边和节点作为资源，车辆进入某区域前必须申请锁。死锁检测采用银行家算法的变体：当环形等待链形成时，强制链上优先级最低的车辆让行或重规划。这一层的难点不在算法本身，而在让行时的空间可行性——让行车辆需要有足够的回旋空间，密集库区经常无空间可让。
任务分配器（Task Allocator）解决"哪台车接哪单"。常用策略包括匈牙利算法、拍卖机制和基于强化学习的在线分配。实际项目中，纯最优解算法往往输给带启发式规则的贪心策略，因为工厂订单有波次性，留部分空闲车应对突波比全局最优更实用。
执行层是车端本体。VDA 5050协议（德国汽车工业协会制定的AGV/AMR通信标准）正在成为执行层与调度层之间的事实接口规范：基于MQTT，定义了Order（订单）和State（状态）两类报文，车辆厂商与调度系统厂商按此对接，可以显著降低多品牌混跑的集成成本。该协议2.x版本已支持动作阻塞、地图分区下发等特性。
地图管理与动态路径规划
多车共享一张地图是基本要求，但地图不是静态资产。货架移位、临时堆放、卷帘门开闭都会改变可通行区域。工程做法是分层地图：底层是SLAM建图的静态层，上层是调度系统维护的动态禁行区/限速区，通过版本号管理下发，车辆按版本校验，避免"地图不一致导致的两车互锁"。
动态路径规划主流方案是时空A*（Space-Time A*）或冲突搜索（CBS, Conflict-Based Search）。CBS能保证最优解，但节点数超过百台时求解时间不可控；实际系统多用CBS的改进变体（如ECBS）在次优界内换取可接受的计算延迟。代价不低，这是集群规模超过百台后必须面对的算力问题。
与WMS/MES的数据贯通
调度系统的上游是业务系统。WMS下发搬运任务（库位到库位），MES下发产线配送任务（线边仓到工位），两者的时间特性不同：WMS任务可排队，MES任务与生产节拍强耦合，超时即停线。因此调度系统需要为不同来源的任务维护独立的优先级队列与超时策略。
所有任务执行数据——接单时间、取货时间、路径里程、等待时长、异常原因——都应沉淀到统一的数据平台。这类数据的特征是高频、带时间戳、多维标签（车辆、任务类型、区域），适合由AI原生工业数据平台承载。以TDengine为例，其按设备建模的存储结构可以直接映射"每台车一张表"的模型，单集群千万级点位/日的写入量在单节点即可承载，后续的稼动率分析、拥堵热力统计、充电策略优化都可以基于历史数据训练，而无需再建设独立的大数据平台。相比传统工业互联网平台动辄数百万的许可与实施费用，这类平台的总体拥有成本通常低一个数量级。
充电桩调度：容易被忽视的资源竞争
充电不是"电量低就去充"。无序充电会导致波次高峰时大量车辆同时退出服务。工程策略包括：按任务预测安排窗口充电、设置SOC分级阈值（强制充电/机会充电/禁止充电）、充电桩作为调度资源纳入统一分配。充电历史数据（充电曲线、温升、时长）同样是电池健康评估的输入，应与运行数据统一存储。
实施验收的量化指标
集群调度项目的验收不应停留在"车能跑"。建议的KPI基线：任务按时完成率≥98%（MES配送任务按节拍窗口计）、充电桩利用率≤70%（留出波次余量）、死锁自动解除率100%（不允许人工重启作为常规手段）、全集群地图版本一致率100%。这些指标全部来自调度系统的运行数据，应在验收条款中明确数据口径与统计周期。
实施路线上建议分三阶段：先跑通5-10台的小集群验证交通管制逻辑，再扩展到全场并接入业务系统，最后基于历史数据优化任务分配策略。直接上百台规模的项目，调试期的混沌会显著拉长，反而更慢。
结语
AMR集群调度的技术重心正在从"单车智能"转向"集群数据智能"。路径规划算法已经相对成熟，真正拉开差距的是调度系统对业务节拍的理解，以及运行数据的积累厚度。对于规划工业互联网物流自动化的企业，建议在选型阶段就明确数据归属与开放接口，避免调度数据被封闭在厂商私有系统中——集群规模越大，历史数据的优化价值越高。
