面向智能制造零件拣选的多机器人无冲突路径规划方法
来源：计算机集成制造系统杂志2025年第11期北京时间：
作者：袁瑞萍, 傅之家, 李俊韬, 王伟, 姜盈帆
单位：1.北京物资学院计算机与人工智能学院2.智能物流系统北京市重点实验室3.申通快递有限公司西安分公司
摘要：当机器人被应用于智能制造场景进行零件拣选作业时,多机器人在复杂动态环境中运行极易发生拥堵和冲突,而传统路径规划方法在感知环境动态变化和处理路径冲突方面效率不高。本文提出了一种基于深度强化学习的多机器人无冲突路径规划方法来求解该问题。首先,采用部分可观测的马尔可夫决策过程对机器人路径规划过程进行建模,在奖励函数设计中加入势能引导和区域密度奖励减少拥堵、冲突的发生。其次,提出一种改进的多智能体优势演员-评论家路径规划算法,通过引入注意力机制加强机器人之间的信息传递和共享,提高算法的效率。汽车智能装配场景下零件拣选仿真实验表明,相比其他路径规划算法,本文所提算法收敛速度最快、完成所有订单拣选总耗时最短,验证了所提出的多机器人路径规划模型和算法应用于智能制造零件拣选场景中的优越性。
关键词：智能制造,零件拣选,深度强化学习,多机器人路径规划,注意力机制
基金资助：国家自然科学基金资助项目（72101033）;北京市教委科技计划重点资助项目（KZ202210037046）;通州区优秀科技创新团队资助项目（CXTD2023010）。
