SOAR：面向机器人移动补货系统的实时订单分配与机器人调度联合优化
人工智能
2026-05-06 v1 机器人学
摘要
机器人移动补货系统（RMFS）依赖移动机器人实现自动库存运输，协调订单分配与机器人调度以提升仓储效率。然而，RMFS 的优化面临严格的实时约束和多阶段决策的强耦合问题。现有方法要么将问题分解为独立子任务以保证响应速度，牺牲全局最优性；要么依赖计算昂贵的全局优化模型，不适用于动态工业环境。为弥合这一差距，我们提出 SOAR，一个用于实时联合优化的统一深度强化学习框架。SOAR 通过利用软订单分配作为观察，将订单分配和机器人调度转化为统一过程。我们将其建模为事件驱动马尔可夫决策过程，使代理能够响应异步系统事件进行同步调度。技术方面，我们采用异构图转换器对仓库状态进行编码，并整合分阶段领域知识。此外，我们引入奖励塑形策略以解决长期任务中的稀疏反馈问题。大量在合成数据和真实工业数据集上的实验（与 Geekplus 合作），表明 SOAR 在保持亚 100ms 延迟的同时，将总体制造时间降低 7.5%，平均订单完成时间缩短 15.4%。进一步的仿真到现实部署确认了其在实际生产环境中的可行性和显著性能提升。代码已公开于 https://github.com/200815147/SOAR。
引用
@article{arxiv.2605.03842,
title = {SOAR: Real-Time Joint Optimization of Order Allocation and Robot Scheduling in Robotic Mobile Fulfillment Systems},
author = {Yibang Tang and Yifan Yang and Jingyuan Wang and Junhua Chen and Zhen Zhao},
journal= {arXiv preprint arXiv:2605.03842},
year = {2026}
}
备注
13 pages, 6 figures