AGV使用中の路線の最適化と調整は目前領域の研究重点である。主に採用している方法は：
数学企画方法
AGVに最適な任務と路線を選択することを調整問題と総括する。数学企画方法は調整問題を解決するに最適な方法だ。実は資源限定条件で最適な解を得る過程だ。実用には主に整数企画、動態企画、petri方法などがある。規模が小さい状況ではこんな方法を使う。調整規模の拡大によって解を求めに費やす時間が増えて行く。
エミュレーション方法
エミュレーション方法は実際的な調整環境を通して実現する。ユーザーと研究員はこの手段を利用してある調整方案に対してテスト、比較、コントロールして調整作戦を改める。実用中に採用する方法は離散エミュレーション方法、対象に向かうエミュレーション方法、３次元エミュレーション方法などがある。いろんなソフトウェアがAGVの調整に使われる。その中にLannerグラップのWitnessソフトウェアはモデルを快適に立ててエミュレーション過程中の３次元実現と結果の分析を実行する。
人工智能方法
人工智能方法は知識で技術を表示して人の知識を含めて各種の捜査技術を利用して満足できる解を求める。同時にプロシステム方法、遺伝計算方法、神経ワーク計算方法、ヒューリスティクスなどがある。中にもプロシステム方法がよく採用されている。経験をシステムが理解できるし実行できる調整規則として衝突解消技術を採用して大規模のAGV調整中の問題を解決する。
神経ネットワークは同時計算、知識保存、適応性が強いなどと特徴を持っている。だから、大規模の解を求めるには希望がある方法だ。現在，神経ネットワーク方法を利用してTSP-NP問題などを解決した。過程中、神経ネットワークは組立てた問題を離散動力システムのエネルギー関数に転換して関数が最低にして最適な解を求める。
遺伝計算方法は自然界の生物進化過程中の遺伝と変異を通して生じた解を求める方法だ。遺伝計算方法は解を求める時は、先コードを通じでいくつの数量の調整方案を染色体で表記する。そして各染色体の適応性を計算する（走行経路が一番短い）、コピー、交叉、変異を通して適当な染色体を探す。これはAGV調整問題の中の最適な解である。
１種の方法で調整問題の解を求めるのは欠点がある。現在、多種の方法を結合してAGVの調整問題の解を求めるのは研究の重点だ。例えばプロシステムと遺伝計算方法を結合してプロの知識を初期染色体群に溶け込んで解の求めるスピードと質量を加速化する。
