2025年3月，京东物流宣布其无人仓AGV（自动导引车）系统的路径规划算法完成最新一轮二次开发优化，配合新一代智能调度工具，仓库整体拣选效率提升约27%，能耗降低18%。这一技术突破源于一款名为「JD AGV Path Optimizer Pro」的算法二次开发平台，专为工程师和物流解决方案设计师打造，支持深度定制与场景化适配。
该工具的官方网站为：JD AGV Path Optimizer Pro 官方网站。
核心功能与技术创新
工具围绕京东物流无人仓的实际运营痛点设计，提供以下关键能力：
- 实时动态重规划：基于多智能体强化学习框架，AGV在遇到临时障碍、订单变更或充电调度时可毫秒级生成绕行路径，避免死锁与拥堵。
- 混合整数线性规划（MILP）引擎：支持用户自定义约束条件，如AGV电量阈值、巷道宽度、双车交汇避让规则等，实现最优路径的全局求解。
- 数字孪生仿真环境：在云端1:1还原仓库布局与AGV集群，二次开发代码可先在虚拟空间运行数千轮测试，输出拥堵热点图、吞吐量曲线等分析报告。
二次开发接口与扩展性
平台提供Python/C++ SDK以及RESTful API，允许开发者直接调用底层的A*、D* Lite、RRT*等算法模块，并支持将自研算法通过插件形式注入调度系统。已有超过200家第三方物流集成商基于此工具为不同行业仓库定制AGV策略，例如电商大促期间的波次拣选路径优化、冷链仓库中的低温电池续航适配等。
典型应用场景
- 超大规模仓群协同：在京东亚洲一号等园区内，数百台AGV需跨楼层、跨区域作业，工具通过分层规划与区域控制相结合，将空驶率降低至8%以下。
- 异形件与混场作业：当AGV与叉车、人工作业区混合时，工具内置的“社会导航”模型可预测人类移动轨迹，主动调整AGV速度与间距，保障安全。
- 故障自愈与冗余调度：某台AGV出现轮毂电机故障时，系统自动将其标记为“异常”，重新规划周边车辆路径，同时调度机器人维修车前往，整个过程小于10秒。
使用指南与部署优势
新用户可通过官网免费申请14天试用，获得包含预配置仓库模板的沙箱环境。开发者只需上传仓库CAD图纸或点云数据，工具即可自动生成拓扑地图。之后通过拖拽式工作流界面或直接编写Python脚本，对AGV路径评分函数、节点权重等进行微调。京东物流团队提供每周两场线上答疑会，并开放了GitHub上的示例代码仓库（含300+测试用例）。
该工具采用微服务架构，可无缝对接主流WMS（仓储管理系统）如SAP EWM、Oracle WMS Cloud，同时支持私有化部署在客户数据中心，满足制造业、医药流通、生鲜电商等行业的合规要求。
二次开发工具目前已在京东物流自营的18个无人仓中全面应用，并开放给生态合作伙伴。未来计划加入边缘计算模块，使得AGV在断网情形下仍能依靠本地强化学习模型自主工作5分钟以上，进一步打破智能物流的最后一米瓶颈。