Pro-Routing: Proactive Routing of Autonomous Multi-Capacity Robots for Pickup-and-Delivery Tasks
作者: Daniel Garces, Stephanie Gil
发布时间: 2025-04-02
来源: arxiv
研究方向: 多机器人任务规划与决策
主要内容
本文研究多机器人协同完成任务，特别是多容量机器人执行取送任务。提出了一个基于主动规划的路线框架，该框架能够适应实时需求，同时保证学习到的路线策略的稳定性。
主要贡献
1. 提出了一种新的基于主动规划的路线框架，能够适应实时需求，同时保证学习到的路线策略的稳定性。
2. 设计了一种基于贪心策略的基策略，并通过理论分析证明了其在足够大的车队规模下是稳定的。
3. 提出了一种迭代车队规模算法，该算法能够找到足够大的车队规模以确保基策略的稳定性。
4. 通过实际案例研究验证了所提出方法的有效性，并与其他基线方法进行了比较。
5. 提出了一个有前途的路线生成器，该生成器能够生成潜在的多请求交换，从而创建更优的路线。
6. 提出了一个生成式模型，用于预测未来的请求，从而更好地估计未来成本。
研究方法
1. 基于强化学习的多机器人任务规划
2. 时间序列预测
3. 无监督聚类
4. 蒙特卡洛模拟
5. 迭代优化
实验结果
实验结果表明，所提出的方法在保证稳定性的同时，能够服务更多的请求，并减少乘客的等待时间。与基线方法相比，该方法在测试数据集上提高了6%的请求服务率，并将乘客的平均等待时间减少了33%。
未来工作
未来工作将探索其他预测机制，以进一步提高未来成本估计的质量，并进一步优化路线选择过程。