地面机器人作为新型人工智能的一种,越来越受人们的青睐,其中属于地面机器人的AGV(自动导引小车)被广泛应用到物流仓储系统中。AGV的运行路径直接影响到其运输效率,为了进一步提高物流仓储的经济效益,改善关键技术是重中之重。为此,本文主要解决了两个关键问题:AGV的路径规划和控制研究。在路径规划方面,针对复杂环境下AGV小车路径规划存在收敛速度慢、极易陷入局部最优的缺点,提出一种基于几何规则的异类蚁群优化(GR-HFACO)算法。首先,利用几何规则非均匀分配初始信息素,设置双向并行搜索机制;其次,引入具有观点采择能力的蚂蚁高效协同工作;最后,在更新环节引入信息素负反馈环节以及交叉操作,并从数学角度证明了GR-HFACO算法具有全局收敛性。仿真结果表明,该算法的收敛速度以及全局搜索性能显著优于目前流行的ACON、TWPSS-ACO、SoSACO-v2、Sci-ACO和HHACO算法。在控制研究方面,针对AGV轨迹跟踪控制问题,采用模糊控制原理,设计了一种模糊控制器,通过对AGV运动学模型的分析,得到了控制AGV在绝对坐标系中位姿变化的2个变量,并将这2个变量作为输出变量,实现对AGV的轨迹控制,利用Matlab进行仿真,结果较为理想。