SADCHER：基于注意力动态联盟的异构机器人实时调度
机器人学
2025-10-17 v1 多智能体系统
摘要
我们提出了 Sadcher，一个针对异构多机器人团队的实时任务分配框架，集成动态联盟形成和任务前导约束。Sadcher 通过模仿学习进行训练，结合图注意力和 transformer 来预测机器人与任务之间的分配奖励。基于预测奖励，松弛的二分匹配步骤生成具有可行性保证的高质量时间表。我们显式建模机器人和任务位置、任务持续时间以及机器人剩余处理时间，实现对时空分布不同环境的高级时空推理和泛化。基于小规模实例的最优训练，使其能扩展到更大的任务集和团队规模。Sadcher 在随机且未见过的问题上优于其他基于学习的和启发式基线，适用于小型和中型团队，计算时间适合实时操作。我们还探索了基于采样的变体并评估了机器人和任务数量的可扩展性。此外，我们发布了包含 25 万个最优时间表的数据集：https://autonomousrobots.nl/paper_websites/sadcher_MRTA/
引用
@article{arxiv.2510.14851,
title = {SADCHER: Scheduling using Attention-based Dynamic Coalitions of Heterogeneous Robots in Real-Time},
author = {Jakob Bichler and Andreu Matoses Gimenez and Javier Alonso-Mora},
journal= {arXiv preprint arXiv:2510.14851},
year = {2025}
}
备注
7 pages, 5 figures. 2025 IEEE Int. Symposium on Multi-Robot and Multi-Agent Systems (MRS 2025). Website and Code: https://autonomousrobots.nl/paper_websites/sadcher_MRTA/