論文の概要: Cloud Kitchen: Using Planning-based Composite AI to Optimize Food Delivery Processes

• arxiv url: http://arxiv.org/abs/2402.10725v2
• Date: Tue, 20 Aug 2024 12:38:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-21 20:19:21.644044
• Title: Cloud Kitchen: Using Planning-based Composite AI to Optimize Food Delivery Processes
• Title（参考訳）: Cloud Kitchen: 計画ベースの複合AIを使用してフードデリバリープロセスを最適化する
• Authors: Slavomír Švancár, Lukáš Chrpa, Filip Dvořák, Tomáš Balyo,
• Abstract要約: 本稿では,食品デリバリーを行うレストランの意思決定ツールとして,Cloud Kitchenプラットフォームを提案する。 プラットフォームには、レストランやシミュレーターと通信するためのインターフェースを提供するTechnology-Specific Bridge (TSB) が含まれている。 当社のプラットフォームによる意思決定は,現実の過去のデータセットを用いて,納品の遅れを減らすことで,顧客満足度を向上させることができることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The global food delivery market provides many opportunities for AI-based services that can improve the efficiency of feeding the world. This paper presents the Cloud Kitchen platform as a decision-making tool for restaurants with food delivery and a simulator to evaluate the impact of the decisions. The platform contains a Technology-Specific Bridge (TSB) that provides an interface for communicating with restaurants or the simulator. TSB uses a planning domain model to represent decisions embedded in the Unified Planning Framework (UPF). Decision-making, which concerns allocating customers' orders to vehicles and deciding in which order the customers will be served (for each vehicle), is done via a Vehicle Routing Problem with Time Windows (VRPTW), an efficient tool for this problem. We show that decisions made by our platform can improve customer satisfaction by reducing the number of delayed deliveries using a real-world historical dataset.
• Abstract（参考訳）: グローバルフードデリバリー市場は、世界の給餌効率を改善するAIベースのサービスに多くの機会を提供する。 本稿では,食品デリバリーを行うレストランの意思決定ツールとして,Cloud Kitchenプラットフォームを提案する。 プラットフォームには、レストランやシミュレーターと通信するためのインターフェースを提供するTechnology-Specific Bridge (TSB) が含まれている。 TSBは計画ドメインモデルを使用して、統一計画フレームワーク(UPF)に組み込まれた決定を表現する。 顧客の注文を車両に割り当て、顧客がどの順序で配送するか(各車両について)を決定する決定は、この問題の効率的なツールであるVine Routing Problem with Time Windows (VRPTW)を介して行われる。 当社のプラットフォームによる意思決定は,現実の過去のデータセットを用いて,納品の遅れを減らすことで,顧客満足度を向上させることができることを示す。

関連論文リスト

• The Restaurant Meal Delivery Problem with Ghost Kitchens [0.0]
  「ゴーストキッチン」では、中央コンプレックスに数軒のレストランを同調した料理が提案されている。 ゴーストキッチンを効果的に運用するための運用戦略を提案する。 本研究は,料理スケジューリングと派遣車両の統合最適化と,今後の需要と意思決定の予測の両方が,事業の成功に不可欠であることを示す。
  論文  参考訳（メタデータ） (2024-08-14T09:54:03Z)
• RoDE: Linear Rectified Mixture of Diverse Experts for Food Large Multi-Modal Models [96.43285670458803]
  Uni-Foodは、さまざまな食品ラベルを持つ10万以上の画像からなる統合食品データセットである。 Uni-Foodは、食品データ分析に対するより包括的なアプローチを提供するように設計されている。 本稿では,食品関連マルチタスキングの課題に対処するため,新しいリニア・リクティフィケーション・ミックス・オブ・ディバース・エキスパート (RoDE) アプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-17T16:49:34Z)
• Resource Allocation for Twin Maintenance and Computing Task Processing in Digital Twin Vehicular Edge Computing Network [48.15151800771779]
  車両エッジコンピューティング(VEC)は、車両の近くにVECサーバを配置することで、計算キャッシュサービスを提供する。 しかしながら、VECネットワークは、ハイカーモビリティのような課題に直面している。 本研究では,ネットワーク内のツイン処理による2種類の遅延について検討した。
  論文  参考訳（メタデータ） (2024-07-10T12:08:39Z)
• DeliverAI: Reinforcement Learning Based Distributed Path-Sharing Network for Food Deliveries [1.474723404975345]
  既存の食品の配送方法は、各配送が個別に最適化され、最も短い時間経路で生産者から直接消費者に届けられるため、準最適である。 強化学習に基づくパス共有アルゴリズムであるDeliverAIを提案する。 以上の結果から,DeliverAIは配送船の規模を12%減らし,走行距離を13%減らし,ベースラインに比べて50%高い艦隊利用率を達成することができた。
  論文  参考訳（メタデータ） (2023-11-03T16:23:22Z)
• Towards Autonomous and Safe Last-mile Deliveries with AI-augmented Self-driving Delivery Robots [4.671260337086703]
  ラストマイル・デリバリー(LMD)は、出荷プロセスの最も時間がかかり、コストがかかる段階として有名である。 本稿では,AIによる自律配送ロボットをベースとした,小規模都市コミュニティを対象とした顧客中心型安全意識型LMDシステムを提案する。
  論文  参考訳（メタデータ） (2023-05-28T12:25:40Z)
• PlanT: Explainable Planning Transformers via Object-Level Representations [64.93938686101309]
  PlanTは、自動運転のコンテキストにおける計画のための新しいアプローチである。 PlanTは、コンパクトなオブジェクトレベルの入力表現を持つ模倣学習に基づいている。 この結果から,PlanTは幾何学的に距離をおいても,現場で最も関連性の高い物体に焦点を合わせることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-10-25T17:59:46Z)
• The Future of Consumer Edge-AI Computing [58.445652425379855]
  Deep Learningは、主にデバイス間のハードウェアアクセラレーションによって、消費者のエンドに急速に浸透している。 将来を見据えて、孤立したハードウェアが不十分であることは明らかです。 本稿では,コンシューマエッジにおける計算資源とデータアクセスの再編成と最適化を目的とした,EdgeAI-Hubデバイスを中心とした新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2022-10-19T12:41:47Z)
• A Framework for Multi-stage Bonus Allocation in meal delivery Platform [14.64089765133449]
  食事提供プラットフォームにおける多段階のボーナスアロケーション問題に対処する枠組みを提案する。 提案するフレームワークは,半ブラックボックスの受け入れ確率モデル,ラグランジアンデュアルベース動的プログラミングアルゴリズム,オンラインアロケーションアルゴリズムから構成される。 その結果,提案手法を用いることで,全体の注文キャンセルを25%以上削減できることがわかった。
  論文  参考訳（メタデータ） (2022-02-22T06:52:34Z)
• Bayesian Optimization and Deep Learning forsteering wheel angle prediction [58.720142291102135]
  本研究の目的は,自動走行システムにおける操舵角度予測の精度の高いモデルを得ることである。 BOは限られた試行数で、BOST-LSTMと呼ばれるモデルを特定し、古典的なエンドツーエンド駆動モデルと比較して最も正確な結果を得た。
  論文  参考訳（メタデータ） (2021-10-22T15:25:14Z)
• Reliable Fleet Analytics for Edge IoT Solutions [0.0]
  AIoTアプリケーションのエッジで機械学習を容易にするためのフレームワークを提案する。 コントリビューションは、大規模にフリート分析を提供するためのサービス、ツール、メソッドを含むアーキテクチャである。 本稿では,大学キャンパスの部屋でiotデバイスを用いた実験を行うことで,フレームワークの予備検証を行う。
  論文  参考訳（メタデータ） (2021-01-12T11:28:43Z)
• National Access Points for Intelligent Transport Systems Data: From Conceptualization to Benefits Recognition and Exploitation [55.41644538483948]
  欧州連合は各加盟国による国家アクセスポイント(NAP)の開発を提案した。 本稿では,ITS エコシステムにおける NAP の役割を確認し,そのようなプラットフォームの設計手法を検討することを目的としており,拡張されたユースケースの起草を通じて NAP の運用プロセスを紹介し,そのメリットを特定のステップに関連付けることを目的とする。
  論文  参考訳（メタデータ） (2020-10-14T17:13:00Z)

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。