Гібридний multi-agent deep reinforcement learning підхід до динамічного розподілу завдань і планування маршрутів AGV/AMR у складському господарстві транспортного підприємства

Abstract

Запропоновано гібридний метод динамічного розподілу завдань і планування маршрутів для флоту автоматизованих керованих транспортних засобів (AGV) та автономних мобільних роботів (AMR) у складському господарстві транспортного підприємства. Метод поєднує cooperative multi-agent deep reinforcement learning (MADRL) для спільного вирішення задач target assignment and path finding (TAPF) із класичним prioritized planning у rolling-horizon режимі. Задачу формалізовано як decentralized partially observable Markov decision process (Dec-POMDP) з урахуванням динамічних транспортних потоків (прибуття/відправлення транспортних засобів, змінні due dates). Запропонована архітектура HMADRL-PP використовує attention-based мережу для генерації пріоритетів агентів та децентралізовану політику для локальних рішень. За результатами попереднього імітаційного моделювання метод демонструє підвищення пропускної здатності орієнтовно на 18-24%, зменшення середнього часу виконання завдань на 15-21% та зниження кількості конфліктів порівняно з базовими підходами (стандартний MAPPO, rule-based WMS). Наведені результати потребують подальшої верифікації на розширеному наборі сценаріїв. Ключові слова: multi-agent deep reinforcement learning, AGV, AMR, складське господарство, транспортне підприємство, task allocation, multi-agent path finding, prioritized planning, цифрова логістика.