前言
隨著網際網路和電子商務的發展以及全球化的不斷加速，中國產業持續升級，人工智慧與機器人叢集逐步被應用於製造業與物流供應鏈產業中。機器人叢集的主要目的是與人協同合作，將人從沉重的重體力搬運任務中解放出來，專注於更精細的操作當中。由於在工業界的廣泛應用與進一步智慧化生產的思考，機器人叢集排程成為了多智慧體系統（Multi-agent System）學術研究中的一個新興研究方向，其核心問題是如何排程機器人執行合適的任務並規劃高效的路徑，使得系統整體效率最優。
與傳統工業優化不同，多智慧體系統中每個機器人互相替代性很強，流程是非線性的，導致系統效率很難直接建模。一般通過調整任務分配與移動路徑，優化總任務距離來間接逼近系統效率。但我們在實踐中發現，任務距離與系統效率並不強相關。由於成本的限制，機器人數量往往是有限的，當針對任務距離進行優化時，會導致部分作業人員過於繁忙，而部分作業人員無事可做的問題。
因此我們結合了菜鳥柔性自動化實驗室在多智慧體系統的實踐與反思，於論文《Idle Time Optimization for Target Assignment and Path Finding in Sortation Centers》中提出了基於工作站空閒時間的優化模型，關注如何最大化人的能力，從而推動整個系統達到更高的效率。我們對工作站的工作時間進行了離散化切分，模擬了機器人排隊與等待的情況，並通過一套統一的網路流模型獲得機器人與工作站的分配策略，以及機器人叢集的路徑規劃，提升了系統產能。
論文地址：https://aaai.org/Papers/AAAI/2020GB/AAAI-KouN.3001.pdf
應用場景
基於多智慧體叢集的自動化技術方案的興起和發展，促進了現代物流業的發展和全球化，代表著物流與供應鏈行業未來的一個主要方向。在阿里巴巴旗下菜鳥網路以及其合作伙伴的倉儲和分撥中心有著成百上千的機器人在工作，實現包裹高效安全的到達使用者手上。
圖1. 機器人叢集在分撥中心進行包裹分撥圖1是一個機器人分撥中心，幾百個機器人在快速的把大量的包裹根據城市分撥，幫助幹線物流網路更高效的運輸包裹。機器人分撥中心的核心是三部分：工作站（Station），機器人（Agent）以及道口（Sorting Bin）。機器人會自動行駛到工作站領取包裹，通過自動掃碼，然後再將包裹運輸到對應的目的地道口，此時機器人會將包裹投進道口，從而完成包裹分撥。如何讓這幾百個機器人高效的運轉，使得包裹可以更加快速的到達使用者手中。這裡要值得思考的是，一般性的會認為讓這些機器人總的行駛路線最短就會使得整個分撥中心的效率最高。然而並不是這樣，我們會看輸入和輸出，輸入是所有的包裹，輸出是各個道口中的包裹。受限於大量的包裹以及有限的機器人，僅僅是去優化路線最短並不能最大產出，這樣就會存在部分工作站機器人排隊而另一些工作站缺乏機器人的情況，在輸入部分就已經限制了整個系統的產能。所以我們的目標是最小化所有工作站的空閒時間，來達到最大化系統產能的目的。下面會介紹如何建模來解決最小化空閒時間的問題。