Enhancing Robot Route Optimization in Smart Logistics with Transformer and GNN Integration

要約

この研究では、Transformer アーキテクチャ、グラフ ニューラル ネットワーク (GNN)、および敵対的生成ネットワーク (GAN) の融合を活用した、スマート ロジスティクスにおけるロボットの高度なルート最適化について詳しく調査します。
このアプローチでは、地理データ、貨物の割り当て、ロボットのダイナミクスを含むグラフベースの表現を利用し、空間とリソースの両方の制限に対処してルートの効率を改善します。
本物の物流データセットを使用した広範なテストを通じて、提案された方法は、移動距離の 15% 削減、時間効率の 20% 向上、エネルギー消費量の 10% 削減など、顕著な改善を達成しました。
これらの発見は、アルゴリズムの有効性を強調し、インテリジェントな物流業務のパフォーマンス向上を促進します。

要約(オリジナル)

This research delves into advanced route optimization for robots in smart logistics, leveraging a fusion of Transformer architectures, Graph Neural Networks (GNNs), and Generative Adversarial Networks (GANs). The approach utilizes a graph-based representation encompassing geographical data, cargo allocation, and robot dynamics, addressing both spatial and resource limitations to refine route efficiency. Through extensive testing with authentic logistics datasets, the proposed method achieves notable improvements, including a 15% reduction in travel distance, a 20% boost in time efficiency, and a 10% decrease in energy consumption. These findings highlight the algorithm’s effectiveness, promoting enhanced performance in intelligent logistics operations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google