使用机器人团队的任务分配
本文回顾了任务分配领域的一些研究工作,讨论了任务分配中需要继续研究的方向,包括协作水平、新的任务、未知和动态的代理能力、谈判和公平以及伦理问题。通过不断的努力和研究,人机协作团队的表现和表现可以得到改进。
Oct, 2022
本文通过建立数据集,利用深度强化学习求解器,采用新的鲁棒混合整数线性规划模型,解决了不确定自主清洁系统中多机器人混合任务分配的问题,并且可以在保持性能的情况下,防止系统出现最坏情况,同时提供了一个基准数据集。
Mar, 2023
通过去中心化强化学习,提出一种多智能体团队任务分配的决策框架,考虑负载管理,鼓励闲置并避免不必要的资源使用。开发了一个衡量智能体在协作中重要性的指标,推断团队在处理潜在的过载情况时的弹性。
Jul, 2022
通过提出高效的冲突引导方法,避免了计算下一个最佳分配时的瓶颈,以及引入两种算法优化来提高效率和可扩展性,研究表明该算法在实际场景中取得了近一个数量级的加速效果。
Feb, 2024
该研究提出了一个基于行为树的动态集成方法,用于规划和分配混合人机团队中的任务,可用于制造环境,并采用多个简化的在线优化子问题中解决角色分配问题,每个子问题都可以定义为混合整数线性规划。
May, 2021
本文提出了一种基于多层次的任务和动作规划框架,可以协调多个机器人完成复杂结构的组装,在高层次通过整数线性规划算法计算抽象计划,并在低层次使用多智能体路径规划算法规划机器人的运动路线,关键在于高层次规划中的避碰约束和运动的持续时间,以使得抽象计划既可行又高效。
Mar, 2022
通过模拟,本文比较了 3 种 auction 和 hedonic 游戏算法应用于同构和异构机器人集合的效果,探讨了 coalition formation algorithm 在大型机器人集合中分配任务的挑战和转化路径。
Jun, 2023
本文提出一种新颖的优先级概念,可表达对每个任务及其关系的偏好,并通过对 A * 搜索的扩展来生成符合用户偏好和资源优化的帕累托最优计划。同时,通过多目标 A * 算法适应性改进计算所有最优的取舍,并提出一个问题无关搜索启发式以实现可扩展性,在移动机器人和机器人操纵者上展示框架的效力,达到了 2 个数量级的加速。
Jun, 2023
协调大型、公共、开放和商业车队的一个主要挑战是动态任务分配。本文回顾了可扩展和动态任务分配的文献,重点关注确定性和动态二维线性分配问题。我们提出了针对开放车队的数学模型,考虑到任务和车辆的随机到达,以及集中式、分布式和非集中式解决方法的比较和分析。
Jan, 2024