論文の概要: Dynamic AGV Task Allocation in Intelligent Warehouses
- arxiv url: http://arxiv.org/abs/2312.16026v1
- Date: Tue, 26 Dec 2023 12:28:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 15:12:34.083627
- Title: Dynamic AGV Task Allocation in Intelligent Warehouses
- Title(参考訳): インテリジェント倉庫における動的AGVタスク割り当て
- Authors: Arash Dehghan and Mucahit Cevik and Merve Bodur
- Abstract要約: 急成長するAGV業界は、その効率性、信頼性、費用対効果のために広く採用されている。
本稿では,AGVの戦略的利用を通じて,小規模・中規模の倉庫で普及するピッカー・ツー・パートシステムの向上に焦点をあてる。
本稿では,人間AGV労働者の混成チームをコーディネートするためのニューラル動的プログラミング手法を提案する。
- 参考スコア(独自算出の注目度): 1.519321208145928
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper explores the integration of Automated Guided Vehicles (AGVs) in
warehouse order picking, a crucial and cost-intensive aspect of warehouse
operations. The booming AGV industry, accelerated by the COVID-19 pandemic, is
witnessing widespread adoption due to its efficiency, reliability, and
cost-effectiveness in automating warehouse tasks. This paper focuses on
enhancing the picker-to-parts system, prevalent in small to medium-sized
warehouses, through the strategic use of AGVs. We discuss the benefits and
applications of AGVs in various warehouse tasks, highlighting their
transformative potential in improving operational efficiency. We examine the
deployment of AGVs by leading companies in the industry, showcasing their
varied functionalities in warehouse management. Addressing the gap in research
on optimizing operational performance in hybrid environments where humans and
AGVs coexist, our study delves into a dynamic picker-to-parts warehouse
scenario. We propose a novel approach Neural Approximate Dynamic Programming
approach for coordinating a mixed team of human and AGV workers, aiming to
maximize order throughput and operational efficiency. This involves innovative
solutions for non-myopic decision making, order batching, and battery
management. We also discuss the integration of advanced robotics technology in
automating the complete order-picking process. Through a comprehensive
numerical study, our work offers valuable insights for managing a heterogeneous
workforce in a hybrid warehouse setting, contributing significantly to the
field of warehouse automation and logistics.
- Abstract(参考訳): 本稿では,倉庫業務における重要かつコスト集約的な側面である倉庫注文ピッキングにおける自動誘導車(agvs)の統合について検討する。
新型コロナウイルス(COVID-19)のパンデミックで加速しているAGV業界は、倉庫の自動化における効率性、信頼性、費用効果などにより、広く普及している。
本稿では,AGVの戦略的利用を通じて,小規模・中規模の倉庫で普及するピッカー・ツー・パートシステムの向上に焦点をあてる。
本稿では, 各種倉庫業務におけるAGVのメリットと応用について論じ, 運用効率向上の変革的可能性を強調した。
本稿では,業界の主要企業によるAGVの展開について検討し,倉庫管理における各種機能を示す。
人間とagvsが共存するハイブリッド環境での運用性能の最適化に関する研究のギャップに対処し,本研究は動的ピッカー・ツー・パートの倉庫シナリオへと発展する。
本稿では,人間とagvの作業員の混合チームを協調させ,注文スループットと運用効率を最大化するための新しいアプローチであるニューラル近似動的プログラミング手法を提案する。
これは、非神秘的な意思決定、注文バッチ、バッテリー管理のための革新的なソリューションを含む。
また、自動注文処理における高度なロボティクス技術の統合についても論じる。
総合的な数値研究を通じて,雑貨倉庫における異種労働者の管理に有用な知見を提供し,倉庫の自動化とロジスティクスの分野に大きく貢献した。
関連論文リスト
- Using General Value Functions to Learn Domain-Backed Inventory
Management Policies [2.0257616108612373]
既存の文献では、一般的な価値関数(GVF)は主に補助的なタスク学習に使われてきた。
我々は、この能力を用いて、ストックアウト確率や無駄量などのドメインクリティカルな特性に基づいてGVFを訓練する。
本稿では、GVF予測を用いて、RLエージェントが提案する決定について、さらにドメイン支援された洞察を提供することを示す。
論文 参考訳(メタデータ) (2023-11-03T08:35:54Z) - Octopus: Embodied Vision-Language Programmer from Environmental Feedback [59.772904419928054]
大規模視覚言語モデル (VLM) はマルチモーダル認識と推論において大きな進歩を遂げた。
本稿では,エージェントの視覚とテキストタスクの目的を正確に解読する新しいVLMであるOctopusを紹介する。
我々の設計では、シミュレーターの日常的な雑用から複雑なビデオゲームの高度なインタラクションまで、エージェントは幅広いタスクを十分に扱えるようにしている。
論文 参考訳(メタデータ) (2023-10-12T17:59:58Z) - Multi-Robot Coordination and Layout Design for Automated Warehousing [55.150593161240444]
我々は、最先端のMAPFアルゴリズムであっても、人間設計のレイアウトは、多数のロボットを持つ倉庫の混雑を招きかねないことを示す。
倉庫のレイアウトを最適化するために,既存のシナリオ自動生成手法を拡張した。
その結果,(1)交通渋滞の低減とスループットの向上,(2)ロボットの数を2倍にすることで自動倉庫のスケーラビリティの向上,(3)ユーザが特定した多様性対策でレイアウトを生成できることが示唆された。
論文 参考訳(メタデータ) (2023-05-10T20:00:06Z) - OmniForce: On Human-Centered, Large Model Empowered and Cloud-Edge
Collaborative AutoML System [85.8338446357469]
我々は人間中心のAutoMLシステムであるOmniForceを紹介した。
我々は、OmniForceがAutoMLシステムを実践し、オープン環境シナリオにおける適応型AIを構築する方法について説明する。
論文 参考訳(メタデータ) (2023-03-01T13:35:22Z) - Scalable Multi-Agent Reinforcement Learning for Warehouse Logistics with
Robotic and Human Co-Workers [51.71901155656791]
我々は、多数の移動ロボットと人間のピッカーが協力して倉庫内でアイテムを収集、配達する倉庫を構想する。
我々は、マネージャが労働者エージェントに目標を割り当てる階層的MARLアルゴリズムを開発し、管理者と労働者の政策は、グローバルな目的を最大化するために協調訓練される。
我々の階層的アルゴリズムは、多様な倉庫構成において、サンプル効率とベースラインMARLアルゴリズムの全体的な選択率を大幅に向上させる。
論文 参考訳(メタデータ) (2022-12-22T06:18:41Z) - DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in
Complex Environments [55.204450019073036]
本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。
本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。
ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
論文 参考訳(メタデータ) (2022-09-07T00:35:27Z) - Reinforcement Learning for Location-Aware Scheduling [1.0660480034605238]
倉庫環境の様々な側面がパフォーマンスや実行の優先順位にどのように影響するかを示す。
位置認識型マルチエージェントシステムのための状態空間と動作空間のコンパクト表現を提案する。
また、特定の環境で訓練されたエージェントが、完全に見えない環境でパフォーマンスを維持する方法を示す。
論文 参考訳(メタデータ) (2022-03-07T15:51:00Z) - Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。
エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。
UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
論文 参考訳(メタデータ) (2021-03-03T20:54:19Z) - Formulating and solving integrated order batching and routing in
multi-depot AGV-assisted mixed-shelves warehouses [1.2117737635879038]
本稿では, 混合棚の蓄え方とAGVを用いた混合棚の採水システムを提案する。
そこで本研究では,より効率的に近似問題を解くために,変数近傍探索アルゴリズムを開発した。
単行および複数行の注文に対して,AGVを用いた混合棚システムにおいて,混合棚ストレージポリシは通常のストレージポリシよりも適している,と結論付けた。
論文 参考訳(メタデータ) (2021-01-27T15:04:05Z) - Dynamic Dispatching for Large-Scale Heterogeneous Fleet via Multi-agent
Deep Reinforcement Learning [10.835960004409708]
本研究では,鉱業における動的問題を解決するための新しい深層強化学習手法を提案する。
まず,実地雷のパラメータを校正したイベントベースマイニングシミュレータを開発した。
そこで我々は,異種エージェントから記憶を学習するための,新しい抽象的状態/行動表現を用いた体験共有型ディープQネットワークを提案する。
論文 参考訳(メタデータ) (2020-08-24T21:29:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。