May, 2023

自动化仓储的多机器人协同和布局设计

PDF
TL;DR本论文研究了如何通过优化仓库布局提高多智能体路径规划算法在自动化仓库中的吞吐量，并通过扩展现有自动生成场景方法来优化仓库布局，从而降低拥堵和提高自动化仓库的可扩展性，该方法能生成具有用户指定多样性指标的布局。
multi-agent path findingautomated warehouseswarehouse layout optimizationtraffic congestionscenario generation
发现论文，激发创造
  • 基于图的多机器人路径规划

    对现代算法的评估表明，针对多机器人系统的多智能体路径规划是解决自动仓库实现，火车调度和非完整机器人导航等多个应用领域重要方面的关键技术。

    Jun, 2022

  • 大规模仓库中的终身多智能体路径规划

    本文研究了在大型自动化仓库等场景下，智能体不断需要寻找新的目标点的长期多智能体路径规划问题。我们提出了一种新的解决方案，Rolling-Horizon Collision Resolution 框架，通过将问题分解成一系列窗口 MAPF 实例来解决，其中窗口 MAPF 解决器仅在有限时间范围内解决智能体路径的冲突，并忽略其外的冲突。我们通过模拟仓库实例，经验性地评估了 RHCR，并与各种 MAPF 解算器进行了比较，在多达 1000 个智能体的情况下（= 地图上 38.9％的空单元格），RHCR 可以产生高质量的解决方案，显着优于现有工作。

    May, 2020

  • 大规模仓库中的双层多智能体取送货：多机器人重排布

    介绍了一个新的问题，由 MAPF-DECOMP 解决了自动仓库中的 DD-MAPD 问题，该问题将多机器人货架重排问题建模，可以在大规模实例中以高效和高质量的方式获得解决方案。

    Apr, 2023

  • 面向终身多智能体路径规划的公路研究

    本文主要研究如何在 lifelong MAPF 中使用 highway 方法解决地图规模增大、密度增大等问题，以减少 deadlocks 现象并优化 throughput，实验证明 runtime 得到改进。

    Apr, 2023

  • 多智能体造地：通过环境操作实现高效多智能体路径规划

    本文介绍了一种新的 MAPF 扩展，称为 Terraforming MAPF（tMAPF），其中一些代理负责移动障碍以为其他代理清除道路。我们介绍了两种先进算法 CBS 和 PBS 的扩展来解决 tMAPF 问题，并表明它们无论在哪种静态障碍条件下都可以持续超过最佳解决方案。

    Mar, 2022

  • 通过利用在线生成的经验，加速多机器人操作的搜索规划

    通过利用冲突基础搜索算法的重复和增量特性，加速搜索算法的方法使其适用于多臂协调和复杂环境中的机器人操作，从而达到完整和有界的次优性保证。

    Mar, 2024

  • 交通流优化对于终生多智能体路径规划

    多智能体路径规划（Multi-Agent Path Finding）是机器人领域的一个基本问题，该研究提出了一种新方法来解决这个问题，该方法通过引导智能体按照避免拥堵的路径前往目的地，有效提高了解决方案质量，并在整体通量方面取得了显著改进。

    Aug, 2023

  • 多智能体取送货的环境干预及调整技术 -- 以可居住星球开发为例

    该研究提出了一个 RHCR-based 方法，称之为 Terraforming MAPD，旨在解决机器人在仓库的货物存取问题中，只限于完成特定任务且无法动态移动其他货物对路径规划的限制。该方法可以提高仓库的吞吐量和服务质量，而不会显著影响运行时间。

    May, 2023

  • 缓存增强的终身多智能体路径规划

    本文介绍了一种名为 Caching-Augmented Lifelong MAPF（CAL-MAPF）的新机制，用于改善 Lifelong MAPF 的性能，并通过实验证明了在某些任务分布、地图和代理配置下，CAL-MAPF 具备提升性能的潜力。

    Mar, 2024

  • 大规模包裹操作的挑选规划策略

    自动化仓库操作可以降低物流成本，最终降低消费者的最终价格，提高交付速度，并增强对市场波动的适应能力。本文展示了亚马逊机器人的大规模包裹处理系统，以及其使用的启发式方法和利用实际生产数据训练的拣选成功预测器的后继方法。据作者所知，这是第一个在实际生产系统中大规模部署学习拣选质量评估方法的工作。

    Sep, 2023