Resilient Fleet Management for Energy-Aware Intra-Factory Logistics

要約

この論文では、自律型製造施設で工場内物流を担当するバッテリー駆動のロボット フリートのための新しいフリート管理戦略を紹介します。
この環境では、反復的なマテリアルハンドリング作業は、通路の遮断や機器やロボットの故障など、現実世界の不確実性の影響を受けます。
このような場合、集中型アプローチはロボット間のタスクの割り当てを即座に調整することで回復力を高めます。
計算コストを克服するために、タスク割り当てにモンテカルロ ツリー検索アルゴリズムを使用して名目上の問題をアプリオリに解決し、名目上の検索ツリーを生成する 2 段階の方法論が提案されています。
混乱が発生すると、名目上の探索ツリーは、新しい問題のコストに応じて事後的に迅速に更新され、同時に実行可能な解決策が生成されます。
計算実験により、さまざまなシナリオに対する提案アルゴリズムのリアルタイム能力が証明され、探索ツリーが使用されない場合およびタスクの再割り当てを試行しない分散アプローチと比較されます。

要約(オリジナル)

This paper presents a novel fleet management strategy for battery-powered robot fleets tasked with intra-factory logistics in an autonomous manufacturing facility. In this environment, repetitive material handling operations are subject to real-world uncertainties such as blocked passages, and equipment or robot malfunctions. In such cases, centralized approaches enhance resilience by immediately adjusting the task allocation between the robots. To overcome the computational expense, a two-step methodology is proposed where the nominal problem is solved a priori using a Monte Carlo Tree Search algorithm for task allocation, resulting in a nominal search tree. When a disruption occurs, the nominal search tree is rapidly updated a posteriori with costs to the new problem while simultaneously generating feasible solutions. Computational experiments prove the real-time capability of the proposed algorithm for various scenarios and compare it with the case where the search tree is not used and the decentralized approach that does not attempt task reassignment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google