地形改造——多智能体取送货过程中扰动下的环境操控
人工智能
2023-05-22 v1 多智能体系统
机器人学
摘要
在自动化仓库中，移动机器人团队通过将库存箱(pod)转运至指定工作站并在由紧密排列的箱所形成的狭窄通道中导航，来完成包装流程。该问题通常被建模为多智能体取送货(Multi-Agent Pickup and Delivery, MAPD)问题，并通过在固定图上为智能体重复规划无碰撞路径来求解，如滚动时域冲突消解(Rolling-Horizon Collision Resolution, RHCR)算法。然而，现有方法做了一个受限假设：智能体仅允许移动与其当前任务对应的箱，而将其他箱视为静止障碍（尽管所有箱均可移动）。这种行为会导致不必要的长路径，而若通过操控箱开辟额外通道则可避免。为此，我们探讨了允许智能体灵活动态重定位箱的影响。我们将这一新问题称为地形改造 MAPD (Terraforming MAPD, tMAPD) 并开发了基于 RHCR 的方法来解决它。由于地形改造的额外灵活性带来显著计算成本，我们审慎地利用该能力，识别其对解质量有重大影响的情况。特别地，我们在自动化仓库中常发生的扰动（例如箱上物品掉落或智能体故障）时启动地形改造。经验上，使用我们的 tMAPD 方法（其中扰动通过随机过程建模），与 MAPD 设置相比，吞吐量提升了超过 10%，最大服务时间（箱的送达时间与取货时间之差）减少了 50% 以上，且未大幅增加运行时间。
引用
@article{arxiv.2305.11510,
title = {Terraforming -- Environment Manipulation during Disruptions for Multi-Agent Pickup and Delivery},
author = {David Vainshtein and Yaakov Sherma and Kiril Solovey and Oren Salzman},
journal= {arXiv preprint arXiv:2305.11510},
year = {2023}
}