Aug, 2024

考虑真实机器人动态和相互依赖任务的多智能体路径规划用于自动化仓库

HTML
PDF
TL;DR本研究解决了自动化仓库中机器人路径规划的现实问题，尤其是考虑到在线订单交付过程中相互依赖的取货和送货任务。论文提出了一种扩展的优先规划算法和一种新的VP*算法，以计算符合动态要求的机器人轨迹，避免移动障碍物，最终验证了该方法的完整性及其在真实仓库中的有效性。
发现论文，激发创造
  • 在线接送任务的终身多智能体路径规划

    本文研究了多智能体取送问题的一个生命周期版本，提出了两种算法Token Passing与Token Passing with Task Swaps，其中TP算法对于拥有数百个智能体和任务的MAPD实例仍然有效，可全面推广为全分布式MAPD算法，TPTS需要少量智能体之间的通信，TP算法适用于需要实时计算的情况，TPTS算法则在TP算法与集中式MAPD算法之间做出了平衡。

    May, 2017

  • 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

  • 优化先决约束计划任务的多智能体路径规划

    本文提出了一种 Precedence Constrained Conflict Based Search (PC-CBS) 算法，用于解决 Precedence Constrained Multi-Agent Path Finding (PC-MAPF) 问题，算法在仓库装配和多智能体取送货问题中表现优异。

    Feb, 2022

  • 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

  • 具有延迟的强大多智能体取送货

    本文研究带延迟的Multi-Agent Pickup and Delivery问题，提出了两种算法，基于Token Passing算法提供确定性和概率性的保证，在实验中，算法表现出了较好的有效性和健壮性，尤其是减少了重规划的次数。

    Mar, 2023

  • 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

  • 自动化仓储的多机器人协同和布局设计

    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。

    May, 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

  • 多机器人接货和交货的最优综合任务和路径规划及其应用

    我们提出了一个通用的多机器人规划机制，它将最优任务规划器和最优路径规划器相结合，以提供可扩展的解决方案来解决复杂的多机器人规划问题。

    Mar, 2024

  • 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