近期，全球AMR引領者極智嘉(Geek++)聯合北京航空航天大學和新加坡管理大學提出全新AMR集群智能規劃算法，并成功獲選大數據領域國際頂級會議ICDE 2022，在堅持前沿技術自主創新之道上再次取得新突破，高筑大規模機器人集群協作算法技術壁壘。

ICDE(IEEE International Conference on Data Engineering)是大數據領域頂級學術會議之一，是IEEE(電氣電子工程師學會)的旗艦會議，和SIGMOD、VLDB 并稱數據管理與數據庫領域的三大國際頂尖學術會議，在全球數據庫工程師群體內影響非凡。

效率瓶頸全鏈路感知

在線學習自適應規劃

智能AMR集群規劃算法是保證機器人集群系統高效運轉的重要支撐。傳統規劃算法一方面對任務分配和路徑規劃過程分離處理，導致優化過程協同性差；另一方面算法的數據驅動程度不足，造成優化方法僵化。

針對上述問題，極智嘉提出全新的自適應任務規劃算法。算法在任務分配過程中考慮路徑規劃的影響，使用在線強化學習(Online Reinforcement Learning，Online RL)方法挖掘訂單需求特點，并自適應調整任務分配策略，實現對全局效率瓶頸的精準感知，使優化過程更具有針對性、實時性，從而提高了AMR的運行效率。

文章提出基于距離的剪枝策略和路徑壓縮技術，有效減少了算法的計算耗時和資源占用，任務和路徑規劃效率得以大幅提升，助力多元、異構、大規模AMR集群調度場景落地。該算法目前已經成功應用于極智嘉全柔性貨箱到人RoboShuttle+P40解決方案，并實現了上萬平米、數百臺異構機器人高效混合協同調度。

▲ 點擊全屏觀看效果更佳

算法成果詳解

算法流程如圖1所示。整個算法流程分為四個步驟：信息收集、模型訓練、任務選擇、路徑規劃。首先，算法收集揀貨員、AMR和貨架的時空信息(例如揀貨員的揀貨時間、貨架的任務預計完成時間、AMR的位置信息等)。其次，收集完成后，自適應規劃模塊基于馬爾可夫決策過程模型(Markov Decision Process, MDP)對時空信息建模，并使用強化學習中的Q-Learning方法訓練價值函數。之后，算法基于價值函數選擇合適的任務分配給AMR，最后基于選擇方案為AMR規劃路徑。

▲ 圖1 算法流程

其中馬爾可夫決策過程模型中的狀態建模中綜合考慮了貨架和揀貨員的工作狀態，該建模方法有助于讓強化學習智能體(Agent)更好地感知從搬運到揀貨全流程中的效率瓶頸。此外，采用在線學習的方法及時更新狀態-動作價值函數，進一步提高了算法的自適應性。圖2表明了效率瓶頸隨時間在不同階段變化的現象。

▲ 圖2 效率瓶頸變化

新算法在人工和真實數據集上取得了顯著效果，為了全面真實的模擬倉庫環境，本研究建立了測試環境，實現了對揀貨過程的全鏈路模擬驗證。實驗結果表明其性能大幅超越了多智能體路徑規劃和時空任務分配領域的相關算法（圖3）。

▲ 圖3 實驗結果

關于ICDE 2022

國際數據工程會議（IEEE International Conference on Data Engineering, ICDE）將于2022年5月在馬來西亞吉隆坡舉行，吸引眾多國際頂級高校、公司和研究機構展示前沿研究。會議內容覆蓋數據挖掘、知識發現、面向機器學習的數據庫技術等。該會議屬于中國計算機學會（CCF）推薦的A類會議，是數據挖掘/數據庫領域知名國際頂級會議。

極智嘉科技 (Geek+) 是一家引領全球智慧物流變革的智能機器人企業，全球AMR市場份額位居世界第一*。極智嘉提供全品類物流機器人產品和解決方案，助力企業實現物流智能化轉型升級。目前，極智嘉已在全球部署超10,000臺AMR機器人，服務耐克、迪卡儂、沃爾瑪、豐田、西門子等全球超300家全球大客戶，商業落地規模領先業界。

極智嘉成立于2015年，總部位于中國北京，業務遍及亞太、歐洲和美洲，在超過30個國家和地區擁有全球化銷售、運營和服務能力。憑借卓越的產品技術和商業表現，極智嘉于2019年和2020年蟬聯《機器人商業評論》(Robotic Business Review) “全球機器人50強榜單”，是史上首家上榜的中國物流機器人企業，更是2020年唯一上榜的中國公司。此外，極智嘉榮膺全球權威商業媒體Fast Company《快公司》2021全球最具創新力機器人公司TOP10，是榜單中唯一一家中國AMR企業。

*來源: Interact Analysis