Together We Rise：面向动态仓库的协同异构机器人实时多机器人任务分配
机器人学
2025-02-27 v1 人工智能
机器学习
多智能体系统
系统与控制
系统与控制
摘要
在现代仓库中，随着线上订单需求的增加，高效地在多个机器人之间分配任务至关重要。本文针对动态仓库环境下的实时多机器人任务分配（MRTA）问题进行研究，任务具有明确的起止位置。目标是最小化机器人总行驶距离与任务完成延迟，同时考虑实际约束如电池管理与碰撞避免。我们引入 MRTAgent，一种受自我博弈启发的双代理人强化学习（RL）框架，用于优化任务分配与机器人选择，以确保任务准时执行。为实现安全导航，我们采用改进的线性二次型控制器（LQR）方法。据我们所知，MRTAgent 是首个能在持续机器人运动下，解决实际 MRTA 问题所有关键问题的框架。
引用
@article{arxiv.2502.16079,
title = {Together We Rise: Optimizing Real-Time Multi-Robot Task Allocation using Coordinated Heterogeneous Plays},
author = {Aritra Pal and Anandsingh Chauhan and Mayank Baranwal},
journal= {arXiv preprint arXiv:2502.16079},
year = {2025}
}
备注
Accepted to AAMAS 2025 (AAAI Track)