调度内核运行原理：修订间差异

2025年3月12日 (三) 13:13的最新版本

SimpleCore保证静态的任务和路线一定能够完成，从而简化了机器人车队调度的开发困难。静态指路线一旦下发一般不会改变，交管保证满足该路线一定能执行到位且不会发生死锁（即通过死锁预防算法），相对于“解死锁”方法，“死锁预防”方法可以满足在大量工业场景中的工艺需求，如过风淋门、叉车等不允许折返的场景。当然，SimpleCore也支持动态更改路线的需求。所有路线的增加和变更都会进行交通规划计算，保证场景的正常运行。SimpleCore也提供了多种方便路线设计和变更的机制。

交管计算原理

SimpleCore使用动态规划和搜索方法（DPS算法）进行交通管制。首先使用动态规划计算双车间的通行矩阵，然后在实际车辆需要上锁时，通过进行剪枝的搜索算法进行多车死锁可能性检测并决策。详细的算法可以参考DPS调度算法详解。

用户可以完全不再关注交管，DPS算法几乎在所有情况下得到正确交管顺序。不过由于算法的取向较为保守，可能在多车长路径交管冲突上选择要求人工介入判断，也可通过调整参数强制要求算法自动判断。

可编程的路径搜索算法

在SimpleCore框架中，路径搜索算法采用了一种高度可编程的方式，通过Heuristics（启发式）系统来实现灵活的路径规划。其核心是基于A算法的变体，结合了反射机制和特性（Attribute）系统，这种设计允许开发者为不同类型的车辆和场景定制搜索行为，而不需要修改核心搜索算法。详细的对路径搜索用法可见使用手册 - 寻路启发器功能 - MDCS wiki。系统采用的是启发式优先搜索算法（类似A*），通过以下关键组件实现：

优先队列（Heap）：维护待探索节点，按优先级（代价+启发值）排序

上下文信息（SearchStat和Container等）：表示搜索状态，包含当前位置、累计代价、优先级、路径信息、状态标记等

启发式函数：通过自定义方法计算节点的评估值，指导搜索方向

路径编译

路径编译器将计划路线（表示为站点和路线的序列）转换为 AGV 可以理解和执行的可执行代码。这种转换过程可通过模板或插件的方法完成，类似于编译器。其使用方法见：使用手册 - Simple:coder（路径编译器）机制详解 - MDCS wiki 路径编译的方法允许：

车辆特定行为：不同的车辆类型可以有不同的代码生成策略

站点特定操作：在特定站点的特殊操作（如装载/卸载，调整避障范围，或者为了解决一致性问题对站点微调等）

轨道特定参数：速度控制、方向控制等

复杂条件：可以使用javascript或者c#程序判断复杂条件（如一口气生成全向磁导航车的控制序列）

总体任务逻辑

下发任务时，首先进行寻路，如通过FindRoute生成一个SegmentPlan，或者手动构造一个SegmentPlan。然后调用Compile方法得到CarProgram。Compile方法默认会做交管规划，若在参数中给了forecast:false，接下来可以Append多个SegmentPlan来继续延长路线并增加事件。

无论Append与否，由于CarProgram需要做交管规划，若参数中给了forecast:false，则需要调用Forecast。调用Forecast时可以给一个escape参数，为一个SegmentPlan，用来设定逃逸路线，该路线只参与交管规划而不执行（可参见交管规划原理）。最后需要调用Queue进行提交。

CarProgram一旦经过规划，必须提交，否则不允许后续生成针对该车的CarProgram。执行期间和Simple设计的交互几乎仅限于交管，详见AGV任务运行逻辑 - MDCS wik

对于每个车，当前运行的CarProgram执行完毕后，可以继续执行下一个CarProgram。

总结

SimpleCore调度将AMR调度转换为“图的资源占用与释放”问题。首先启发式深度优先搜索寻路，可同时搜索可行区域、进行热力计算，并做好流量分配。资源（站点）获取顺序动态规划预计算，执行任务前通过动态规划预先搜索通行顺序的解空间，可通过包络、可达性预计算避免车体和静物之间的物理冲突。最后资源（站点）序列编译为动作脚本，而动作脚本可以完全离线执行，机器人仅在资源上锁/解锁时需要与调度通信。这使得本预计算集群调度具有以下优势：

高抽象化将AMR调度的底层数学问题剥离，软件工程架构更有优势。更容易针对不同车型和业务场景进行交付适配，可应对业务和资产快速变更的时代需求。
高适用性自动通行顺序预计算，无需针对不同业务场景人工配置交管规则。
低通信复杂度通信次数极低。AMR的任务已经预计算，网络波动时，不会导致AMR动作失控，AMR将在网络恢复后接续最新交管信息。
低算力需求相对于“遥控作业型”调度，预计算调度的算力需求低。数百台AMR的交管可在普通个人电脑上运行，无需高配置的服务器工作站。

@@ 第2行： / 第2行： @@
 === 交管计算原理 ===
-SimpleCore使用动态规划和搜索方法（DPS算法）进行交管机选。首先使用动态规划计算双车间的通行矩阵，然后在实际车辆需要上锁时，通过进行剪枝的搜索算法进行多车死锁可能性检测并决策。详细的算法可以参考[[DPS调度算法详解]]。
+SimpleCore使用动态规划和搜索方法（DPS算法）进行交通管制。首先使用动态规划计算双车间的通行矩阵，然后在实际车辆需要上锁时，通过进行剪枝的搜索算法进行多车死锁可能性检测并决策。详细的算法可以参考[[DPS调度算法详解]]。
+用户可以完全不再关注交管，DPS算法几乎在所有情况下得到正确交管顺序。不过由于算法的取向较为保守，可能在多车长路径交管冲突上选择要求人工介入判断，也可通过调整参数强制要求算法自动判断。
 === 可编程的路径搜索算法 ===
+在SimpleCore框架中，路径搜索算法采用了一种高度可编程的方式，通过Heuristics（启发式）系统来实现灵活的路径规划。其核心是基于A''算法的变体，结合了反射机制和特性（Attribute）系统，''这种设计允许开发者为不同类型的车辆和场景定制搜索行为，而不需要修改核心搜索算法。详细的对路径搜索用法可见[[使用手册 - 寻路启发器功能|使用手册 - 寻路启发器功能 - MDCS wiki]]。
+系统采用的是启发式优先搜索算法（类似A*''），通过以下关键组件实现：''
+* 优先队列（Heap）：维护待探索节点，按优先级（代价+启发值）排序
+* 上下文信息（SearchStat和Container等）：表示搜索状态，包含当前位置、累计代价、优先级、路径信息、状态标记等
+* 启发式函数：通过自定义方法计算节点的评估值，指导搜索方向
 === 路径编译 ===
+路径编译器将计划路线（表示为站点和路线的序列）转换为 AGV 可以理解和执行的可执行代码。这种转换过程可通过模板或插件的方法完成，类似于编译器。其使用方法见：[[使用手册 - Simple:coder（路径编译器）机制详解|使用手册 - Simple:coder（路径编译器）机制详解 - MDCS wiki]]
+路径编译的方法允许：
+* 车辆特定行为：不同的车辆类型可以有不同的代码生成策略
+* 站点特定操作：在特定站点的特殊操作（如装载/卸载，调整避障范围，或者为了解决一致性问题对站点微调等）
+* 轨道特定参数：速度控制、方向控制等
-=== 任务逻辑 ===
+* 复杂条件：可以使用javascript或者c#程序判断复杂条件（如一口气生成全向磁导航车的控制序列）
+=== 总体任务逻辑 ===
 [[文件:Snipaste 2023-12-21 00-04-09.jpg|缩略图|下发任务流程图]]
 下发任务时，首先进行寻路，如通过FindRoute生成一个SegmentPlan，或者手动构造一个SegmentPlan。然后调用Compile方法得到CarProgram。Compile方法默认会做交管规划，若在参数中给了forecast:false，接下来可以Append多个SegmentPlan来继续延长路线并增加事件。
@@ 第14行： / 第33行： @@
 无论Append与否，由于CarProgram需要做交管规划，若参数中给了forecast:false，则需要调用Forecast。调用Forecast时可以给一个escape参数，为一个SegmentPlan，用来设定逃逸路线，该路线只参与交管规划而不执行（可参见交管规划原理）。最后需要调用Queue进行提交。
-CarProgram一旦经过规划，必须提交，否则不允许后续生成针对该车的CarProgram。
+CarProgram一旦经过规划，必须提交，否则不允许后续生成针对该车的CarProgram。执行期间和Simple设计的交互几乎仅限于交管，详见[[AGV任务运行逻辑|AGV任务运行逻辑 - MDCS wik]]
+对于每个车，当前运行的CarProgram执行完毕后，可以继续执行下一个CarProgram。
+=== 总结 ===
+SimpleCore调度将'''AMR调度转换为“图的资源占用与释放”问题。'''首先启发式深度优先搜索寻路，可同时搜索可行区域、进行热力计算，并做好流量分配。资源（站点）获取顺序动态规划预计算，执行任务前通过动态规划预先搜索通行顺序的解空间，可通过包络、可达性预计算避免车体和静物之间的物理冲突。最后资源（站点）序列编译为动作脚本，而动作脚本可以完全离线执行，机器人仅在资源上锁/解锁时需要与调度通信。这使得本预计算集群调度具有以下优势：
+# 高抽象化 将AMR调度的底层数学问题剥离，软件工程架构更有优势。更容易针对不同车型和业务场景进行交付适配，可应对业务和资产快速变更的时代需求。
+# 高适用性 自动通行顺序预计算，无需针对不同业务场景人工配置交管规则。
+# 低通信复杂度 通信次数极低。AMR的任务已经预计算，网络波动时，不会导致AMR动作失控，AMR将在网络恢复后接续最新交管信息。
+# 低算力需求 相对于“遥控作业型”调度，预计算调度的算力需求低。数百台AMR的交管可在普通个人电脑上运行，无需高配置的服务器工作站。