智能机器人动态协作物料分配系统用于智能制造
机器人学
2025-06-16 v1
摘要
多台机器人的协作与交互已成为智能制造的重要组成部分。有效的规划与管理在实现节能和最小化总体成本方面发挥着关键作用。本文针对实时动态多源单目的地（DMS-SD）导航问题，特别是智能制造中多台智能机器人的物料分配场景。像 \cite{xiao2022efficient} 这样的枚举解法通过生成尽可能多的最优或近优解来求解该问题，但不从先前经验中学习；而 \cite{xiao2023collaborative} 的方法仅使用先前轨迹中的有限信息。因此，这些方法在大型地图上计算结果可能需要大量时间，使得实时操作不切实际。为克服这一挑战，我们提出了一种轻量级深度强化学习（DRL）方法来求解 DMS-SD 问题。所提出的 DRL 方法可以通过设计的导向目标奖励函数高效训练并快速收敛至最优解。训练良好的 DRL 模型显著将下一次移动的计算时间降低到毫秒级，在实验中相比枚举解法将时间提升了最多 100 倍。此外，训练好的 DRL 模型可以轻松部署在智能制造中的轻量级设备上，如物联网设备和移动手机，这些设备仅需要有限的计算资源。
引用
@article{arxiv.2506.11723,
title = {Dynamic Collaborative Material Distribution System for Intelligent Robots In Smart Manufacturing},
author = {Ziren Xiao and Ruxin Xiao and Chang Liu and Xinheng Wang},
journal= {arXiv preprint arXiv:2506.11723},
year = {2025}
}