論文の概要: The Multi-AMR Buffer Storage, Retrieval, and Reshuffling Problem: Exact and Heuristic Approaches
- arxiv url: http://arxiv.org/abs/2603.26542v1
- Date: Fri, 27 Mar 2026 15:51:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 21:49:48.577996
- Title: The Multi-AMR Buffer Storage, Retrieval, and Reshuffling Problem: Exact and Heuristic Approaches
- Title（参考訳）: マルチAMRバッファストレージ,検索,リシャッフル問題:具体的およびヒューリスティックアプローチ
- Authors: Max Disselnmeyer, Thomas Bömer, Laura Dörr, Bastian Amberg, Anne Meyer,
- Abstract要約: 本稿では,マルチAMR BSRRPを導入し,ロボット群を協調して並列リシャッフルタスクを管理する。
ベンチマーク目的の正確なソリューションを得るために、バイナリプログラミング(IP)モデルを定式化します。
- 参考スコア（独自算出の注目度）: 0.5219568203653523
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Buffer zones are essential in production systems to decouple sequential processes. In dense floor storage environments, such as space-constrained brownfield facilities, manual operation is increasingly challenged by severe labor shortages and rising operational costs. Automating these zones requires solving the Buffer Storage, Retrieval, and Reshuffling Problem (BSRRP). While previous work has addressed scenarios where the focus is limited to reshuffling and retrieving a fixed set of items, real-world manufacturing necessitates an adaptive approach that also incorporates arriving unit loads. This paper introduces the Multi-AMR BSRRP, coordinating a robot fleet to manage concurrent reshuffling, alongside time-windowed storage and retrieval tasks, within a shared floor area. We formulate a Binary Integer Programming (IP) model to obtain exact solutions for benchmarking purposes. As the problem is NP-hard, rendering exact methods computationally intractable for industrial scales, we propose a hierarchical heuristic. This approach decomposes the problem into an A* search for task-level sequence planning of unit load placements, and a Constraint Programming (CP) approach for multi-robot coordination and scheduling. Experiments demonstrate orders-of-magnitude computation time reductions compared to the exact formulation. These results confirm the heuristic's viability as responsive control logic for high-density production environments.
- Abstract（参考訳）: バッファゾーンは、シーケンシャルなプロセスを分離するために本番システムで必須である。
宇宙に制約のあるブラウンフィールド施設のような密集したフロアストレージ環境では、労働力不足と運用コストの上昇により手動作業がますます困難になっている。
これらのゾーンの自動化には、Buffer Storage、Retrieval、Reshuffling Problem(BSRRP)の解決が必要である。
以前の作業では、固定されたアイテムのセットの再シャッフルと検索に焦点を絞ったシナリオに対処してきたが、現実の製造業では、到着するユニット負荷も取り入れた適応的なアプローチが必要である。
本稿では,マルチAMR BSRRPを導入し,共有フロア領域内において,タイムウインドドストレージと検索タスクとともに,ロボット群を協調して同時再シャッフル管理する手法を提案する。
ベンチマーク目的の正確なソリューションを得るために、バイナリ整数プログラミング(IP)モデルを定式化します。
問題はNPハードであり、産業規模で計算的に難解な手法をレンダリングするため、階層的ヒューリスティックを提案する。
このアプローチは,タスクレベルシーケンス計画のためのA*探索と,マルチロボット調整とスケジューリングのための制約プログラミング(CP)アプローチに分解する。
実験では、厳密な定式化と比較して、マグニチュード計算時間の削減が示されている。
これらの結果から,高密度生産環境における応答性制御ロジックとしてのヒューリスティックの生存性が確認された。
関連論文リスト
- A Learning Method with Gap-Aware Generation for Heterogeneous DAG Scheduling [6.655206888698601]
異種有向非巡回グラフ(DAG)のためのエンドツーエンド強化学習フレームワークを提案する。
WeCANはタスクプール互換性係数と生成誘起最適性ギャップに対処する。
グラフと実世界のTPC-H DAGの実験は、古典に匹敵する推論時間で、強いベースラインよりも改善されたメイスパンを示す。
論文 参考訳（メタデータ） (2026-03-24T14:16:08Z) - BOTS: A Unified Framework for Bayesian Online Task Selection in LLM Reinforcement Finetuning [82.925106913459]
強化微調整(Reinforcement Finetuning, RFT)は、大規模言語モデル(LLM)を人間の嗜好と整合させ、推論を強化するための重要な手法である。
RFT強化微調整におけるベイズオンラインタスク選択のための統合フレームワークBOTSを紹介する。
論文 参考訳（メタデータ） (2025-10-30T11:15:23Z) - Dependency-Aware Task Offloading in Multi-UAV Assisted Collaborative Mobile Edge Computing [53.88774113545582]
本稿では,新しい無人航空機(UAV)による協調移動エッジコンピューティング(MEC)フレームワークを提案する。
システムコストを最小限に抑え、タスク消費とエネルギー消費のトレードオフを改善することを目的としている。
提案手法はシステムコストを大幅に削減し,タスク消費とエネルギー消費のトレードオフの改善を実現する。
論文 参考訳（メタデータ） (2025-10-23T02:55:40Z) - Controlled Data Rebalancing in Multi-Task Learning for Real-World Image Super-Resolution [51.79973519845773]
実世界の画像超解像(Real-SR)は、低解像度画像の複雑な劣化パターンのために難しい問題である。
本稿では,データヘテロジニアスなマルチタスク学習問題としてReal-SRの枠組みを改良したパラダイムを提案する。
論文 参考訳（メタデータ） (2025-06-05T21:40:21Z) - Learning to Solve the Min-Max Mixed-Shelves Picker-Routing Problem via Hierarchical and Parallel Decoding [0.3867363075280544]
混合棚ピッカールーティング問題(MSPRP)はロジスティクスにおける基本的な課題であり、ピッカーはSKUを効率的に回収するために混合棚環境をナビゲートする必要がある。
マルチエージェント強化学習により,MSPRPのmin-max変異を解くための新しい階層的並列デコーディング手法を提案する。
実験では、特に大規模およびアウト・オブ・ディストリビューションインスタンスにおいて、ソリューションの品質と推論速度の両方で最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-02-14T15:42:30Z) - DAP: Diffusion-based Affordance Prediction for Multi-modality Storage [31.103726511999767]
本稿では,多モードオブジェクト記憶問題に対する拡散型Affordance予測パイプラインを提案する。
我々の実験は、DAPが現在最先端のRDDiffよりも優れた性能と訓練効率を示すものである。
我々の貢献は、計算効率が高く、現実の変動性を扱うことができるソリューションを提供することで、ロボット操作研究のギャップを埋める。
論文 参考訳（メタデータ） (2024-08-31T16:37:29Z) - Multi-Agent Path Finding with Real Robot Dynamics and Interdependent Tasks for Automated Warehouses [1.2810395420131764]
MAPF(Multi-Agent Path Finding)は、自動倉庫や工場にロボットを配置する際の重要な最適化問題である。
ロボットの群れが各注文の商品を棚からワークステーションに届ける倉庫において、オンラインでの注文配達の現実的な問題を考える。
これにより、相互依存型ピックアップおよびデリバリタスクのストリームが生成され、関連するMAPF問題は、現実的な衝突のないロボット軌道の計算によって構成される。
論文 参考訳（メタデータ） (2024-08-26T15:13:38Z) - A Memetic Algorithm with Reinforcement Learning for Sociotechnical
Production Scheduling [0.0]
本稿では、フレキシブルジョブショップスケジューリング問題(DRC-FJSSP)に深層強化学習(DRL)を適用したメメティックアルゴリズムを提案する。
産業における研究プロジェクトから、フレキシブルマシン、フレキシブルなヒューマンワーカー、作業能力、セットアップと処理操作、材料到着時間、材料製造の請求書の並列タスク、シーケンス依存のセットアップ時間、人間と機械のコラボレーションにおける(一部)自動化タスクを検討する必要性を認識します。
論文 参考訳（メタデータ） (2022-12-21T11:24:32Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳（メタデータ） (2020-05-27T01:10:41Z)
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。