AI多机调度定制：AGV路权分配与充电窗口

在自动化流程实验室里，我们把「多台移动机器人跑得动」当成一个调度问题，而不是单纯的导航问题。实验场景是某电子装配车间的 20 台 AGV，任务由 MES 按工位拉动下发，人流与人工液压车混行。

最初的规则调度只做「就近派单 + 最短路径」，高峰期路口互相让行，容易出现局部死锁；低电量机器人又常在半路返航，造成任务断档。我们的做法是分两层：上层用滚动时域重调度，把任务-车辆-时间窗作为约束求解；下层用图网络估计各路段的短时拥挤度，作为边权的一部分参与路径选择，并预留路权。充电不再按固定阈值触发，而是把充电桩当作可竞价资源，结合后续任务的预计空闲窗口做机会充电。

• 进展：重调度周期 2 秒，路口平均等待时间下降约三成，平均任务周期从 11.4 分钟缩短到 8.9 分钟；因电量中断的任务从每周 6 次降到 1 次以内。
• 下一步：把电梯与自动门纳入同一资源池，验证跨楼层与人工搬运混行时的调度鲁棒性。

目前仍不追求全局最优，只保证在扰动频繁的现场可解释、可回退——调度策略切换失败时能退回规则模式，不阻塞产线。