搬运AI机器人的Agent系统:物料搬运与路径规划

title: “搬运AI机器人的Agent系统:物料搬运与路径规划”
authors: “[DeepThink.ai]”
affiliations: “[AI Genius Institute]”
keywords: “[多智能体系统, 物料搬运, 路径规划, 任务分配, 多智能体路径规划, 仓储机器人]”

Abstract

仓储与制造场景中,搬运机器人(Automated Guided Vehicle / Autonomous Mobile Robot)需要在共享空间内持续完成取货、搬运与投递任务。现有方案通常将任务分配与路径规划割裂求解,导致分配结果与实际通行成本脱节,在拥堵和动态扰动下性能下降。本文提出 MatHand-Agent,一个面向物料搬运的分层多智能体(Agent)系统,将任务管理、任务分配、路径规划与执行监控建模为四类协作 Agent。任务分配 Agent 以"预估行驶成本 + 拥堵惩罚"为代价函数进行全局匹配;路径规划 Agent 采用时空搜索与冲突消解相结合的多智能体路径规划(Multi-Agent Path Finding, MAPF)方法输出无碰轨迹;执行监控 Agent 在延迟与新任务到达时触发增量重规划。本文给出系统的问题形式化、模块设计与复杂度分析,并设计了可在仿真环境复现的实验方案与评价指标。预期结果用于验证分层协同相对"分配-规划"串行基线在总成本与完成率上的收益。本工作为中小规模搬运机器人集群提供了一套可实现、可扩展的 Agent 系统设计参考。

—

你离拥有一支永不停歇、持续进化的 AI 超级研发团队,只差一次 git clone——DeepThink 是 AI Genius Institute & 光剑AI 打造的开源、免费、可自由使用的私有 AI 操作系统(AI OS):在安全隔离的沙箱中自主执行代码、管理文件、完成超复杂长程任务,作为自托管、多用户、本地优先的 AI Agent Loop Engineering 系统,支持桌面端+浏览器+移动端,让 DeepThink 成为你的全能数字助手;它不止让你使用 AI,更要让你从工具使用者进化为代码创造者,最终成长为可自我繁衍的超级智能体,让每家企业都拥有自己的 AI 超级研发团队,一起走向 AGI——现在就去 git clone,顺手点亮 Star:你收藏的不是一个仓库,而是通往 AGI 的入场券。🚀

DeepThink,开源企业级自主 Agent 超级智能体自进化平台,是从 Harness Engineering 到 Loop Engineering 范式的先行者,面向企业客户的新一代 AI 基础设施(AI Infra)。DeepThink 平台以多 Agent 协作框架为核心,融合 AI 自主编程(AI Coding)、自主进化(Self-Evolving)、全栈可观测性(Full-Stack Observability)、Bug 自修复闭环(Bug Auto-Fix Loop)与 程序员-Agent 共生协作(Human-Agent Symbiosis),构建一个能持续学习、自我改进、最终成长为超级智能体的企业级 AI 系统。

DeepThink 项目开源代码(如果你觉得好玩,就一起来玩, Star 一下):
Gitcode: https://gitcode.com/AIGeniusInstitute/deepthink
Github: https://github.com/AIGeniusInstitute/deepthink

—

1 Introduction

仓储物流与柔性制造对搬运自动化的需求持续增长。搬运机器人集群需要在货架、工位与出货口构成的共享通道网络中,反复执行"取货—搬运—投递"(pick-and-delivery)任务,并在人员、其他设备与同类机器人构成的动态环境中保持安全与效率。与单机器人导航不同,集群搬运的瓶颈在于两层耦合决策:一是把不断到达的搬运任务分配给哪台机器人(物料搬运层),二是每台机器人以何种时空轨迹通过共享空间(路径规划层)。两层决策相互影响:分配决定了未来各通道的负载,而通行拥堵反过来改变任务的实际完成时间。

现有工程实践的常见做法是"先分配、后规划"的串行流水线:先用最近距离或拍卖机制把任务分给机器人,再为每台机器人独立规划最短路,冲突由局部规则临时消解。这一范式有三点局限。其一,分配阶段使用的距离代价忽略了时空拥堵,容易把多个任务压到同一条主通道上。其二,独立规划产生的交叉冲突依赖在线等待解决,造成隐性死锁与反复停车。其三,执行层出现延迟或新任务插入时,缺少统一的重规划触发机制,系统在扰动下退化为被动响应。近年来 MAPF 研究在无碰路径的最优与次优求解上取得进展(如基于冲突搜索的框架),多机器人任务分配(Multi-Robot Task Allocation, MRTA)研究在异构车队与多投递站场景也给出了有效算法,但两条技术线在搬运 Agent 系统层面的整合仍缺少清晰的模块化设计与评估协议。

本文的核心思路是把物料搬运系统组织为一个分层多 Agent 系统 MatHand-Agent。系统将四类职责显式建模为 Agent:任务管理 Agent 维护任务队列与状态机;任务分配 Agent 以"预估行驶成本 + 拥堵惩罚"为代价做全局匹配;路径规划 Agent 以时空搜索加冲突消解生成无碰轨迹;执行监控 Agent 监测执行偏差并触发增量重规划。分配阶段引入拥堵先验,使分配结果与后续规划阶段的目标一致;规划阶段输出带时间戳的轨迹,供监控 Agent 判断是否需要重规划。四类 Agent 通过黑板式共享状态与事件消息协作,避免紧耦合的单体求解器。

本文贡献如下:

  • 提出一个面向物料搬运的四层 Agent 系统架构,显式划分任务管理、任务分配、路径规划与执行监控职责,并定义 Agent 间的状态与事件接口。
  • 给出搬运任务与多机器人路径规划的统一问题形式化,设计包含拥堵惩罚的分配代价函数,使分配目标与通行成本对齐。
  • 给出基于时空搜索与冲突消解的路径规划流程,以及事件驱动的增量重规划机制,覆盖延迟与动态任务插入两类扰动。
  • 设计可复现的实验方案:场景、基线、指标与消融项均已明确;实验数值以占位符标注,待实测后填充。

本文余下部分组织如下:第 2 节按技术流派回顾相关工作;第 3 节给出问题形式化、框架与模块细节;第 4 节描述实验设置与预期结果表格;第 5 节讨论适用边界与伦理影响;第 6 节总结并给出具体未来工作。

2 Related Work

基于搜索的多智能体路径规划。 MAPF 在栅格或图结构上为多台机器人求解无碰路径,代表工作包括以最优性为目标的冲突搜索框架(Conflict-Based Search, CBS)及其有界次优变体 ECBS,它们把联合路径分解为单智能体最短路子问题并通过冲突约束树消解冲突。竞赛与工业场景中的启发式方法(如 Shadoks 的低完工时间协调策略)展示了高密度实例上的可扩展求解;时空 A* 与 Safe Interval Path Planning(SIPP)类方法把时间维并入状态空间以处理等待;近期工作还考虑运动学约束下的平滑轨迹生成与带风险层的分布式规划。本文与这类工作的差异在于:本文不以提出新的 MAPF 求解算法为目标,而是把成熟的时空搜索与冲突消解组件封装为路径规划 Agent,重点解决它与任务分配、执行监控的接口与协同问题。

多机器人任务分配与车辆路径。 MRTA 与取送货车辆路径问题(pickup-and-delivery)密切相关,传统方法包括合同网、拍卖与匈牙利算法等匹配机制。面向智能仓储的研究考虑多投递站与异构车队,通过成本估计器降低分配代价并提升求解速度;去中心化方法以二部图匹配支持动态任务空间下的异步决策;近期工作关注计算负载控制(任务准入合并)与异构能力建模(共享超网络架构)。本文与这类工作的差异在于:本文的分配 Agent 显式引入拥堵惩罚项,并以规划阶段的时空代价回填校准分配代价,而非仅用静态距离或任务特征成本。

学习驱动的多机器人协调。 学习方法被用于打破对称冲突与提升泛化,例如通过社会价值取向选择差异化行为的 MAPF 框架,以及面向异构团队的软权重共享策略网络。学习方法在大规模与零样本泛化上表现出潜力,但训练成本与可解释性仍是部署障碍。本文与这类工作的差异在于:MatHand-Agent 主体为非学习的确定性流程,仅把学习模块作为可选插件(例如重规划获益预测),优先保证行为可解释与可审计。

大模型与 Agent 化的机器人决策。 近期研究将大语言模型用于机器人任务分配与调度,通过结构化校验与多阶段重试提升可靠性,并与动态规划、强化学习基线做对比,显示出可解释、免重训练的优势。本文与这类工作的差异在于:本文关注的是搬运域的运动层闭环(分配—规划—监控),大语言模型可作为任务管理 Agent 的自然语言接口层,但不进入安全攸关的路径决策回路。

鲁棒执行与重规划。 计划执行中的不同步会引发冲突,动作依赖图(Action Dependency Graph, ADG)通过动作间先后依赖保证安全执行,其稀疏化构建降低了开销;实测研究表明原始代价指标(sum-of-costs)与真实执行时间存在差距,基本运动负担与协调结构特征更有解释力;另有工作用神经网络估计"何时值得重规划"以降低延迟影响。本文与这类工作的差异在于:本文把重规划触发规则化为执行监控 Agent 的事件条件(延迟阈值、冲突计数、队列压力),并给出与分配、规划模块联动的增量流程,而非仅预测重规划收益。

3 Method

3.1 Problem Formulation

考虑一个搬运机器人集群在栅格化的仓储工作空间中作业。工作空间建模为无向图 G = ( V , E ) G=(V, E) G=(V,E),其中 V V V 为可通行位置集合, E ⊆ V × V E \subseteq V \times V E⊆V×V 为相邻通行关系。设机器人集合 R = { r 1 , … , r N } R=\{r_1, \dots, r_N\} R={r1​,…,rN​},每台机器人 r i r_i ri​ 在离散时间步 t = 0 , 1 , 2 , … t=0,1,2,\dots t=0,1,2,… 占据一个顶点 s i ( t ) ∈ V s_i(t) \in V si​(t)∈V,其运动受图邻接约束,允许动作集合为"移动到相邻顶点"或"原地等待"。

搬运任务集合记为 T = { τ 1 , … , τ M } \mathcal{T}=\{\tau_1, \dots, \tau_M\} T={τ1​,…,τM​}。每个任务 τ j \tau_j τj​ 定义为四元组 τ j = ( p j , d j , w j , δ j ) \tau_j = (p_j, d_j, w_j, \delta_j) τj​=(pj​,dj​,wj​,δj​): p j ∈ V p_j \in V pj​∈V 为取货点(pickup), d j ∈ V d_j \in V dj​∈V 为投递点(delivery), w j w_j wj​ 为物料重量或占用容量单位, δ j \delta_j δj​ 为期望完成时限(软约束)。机器人 r i r_i ri​ 的容量上限记为 C i C_i Ci​;在同一行程内,机器人可合并运送多个任务的物料,但任一时刻的载重不得超过 C i C_i Ci​。

任务分配变量为 x i j ∈ { 0 , 1 } x_{ij} \in \{0,1\} xij​∈{0,1},表示任务 τ j \tau_j τj​ 是否分配给机器人 r i r_i ri​,满足 ∑ i x i j = 1 \sum_i x_{ij} = 1 ∑i​xij​=1(每个任务恰好由一台机器人执行)。机器人 r i r_i ri​ 的执行序列由分配结果导出的取送货顺序决定,其轨迹记为 π i = ⟨ s i ( 0 ) , s i ( 1 ) , … , s i ( T i ) ⟩ \pi_i = \langle s_i(0), s_i(1), \dots, s_i(T_i) \rangle πi​=⟨si​(0),si​(1),…,si​(Ti​)⟩。

安全性约束为顶点冲突与边冲突约束:

∀ t ,   ∀ i ≠ k : s i ( t ) ≠ s k ( t ) ( 顶点约束 ) \forall t,\ \forall i \neq k:\quad s_i(t) \neq s_k(t) \quad (\text{顶点约束}) ∀t, ∀i=k:si​(t)=sk​(t)(顶点约束)

∀ t ,   ∀ i ≠ k : ( s i ( t ) , s i ( t + 1 ) ) ≠ ( s k ( t + 1 ) , s k ( t ) ) ( 边约束 ) \forall t,\ \forall i \neq k:\quad \big(s_i(t), s_i(t{+}1)\big) \neq \big(s_k(t{+}1), s_k(t)\big) \quad (\text{边约束}) ∀t, ∀i=k:(si​(t),si​(t+1))=(sk​(t+1),sk​(t))(边约束)

优化目标为最小化加权总成本:

min ⁡ x , π   J = ∑ i = 1 N c o s t ( π i ) ⏟ 行驶成本 + λ 1 C o n g e s t i o n ( π ) ⏟ 时空拥堵 + λ 2 ∑ j = 1 M max ⁡ ( 0 , f j − δ j ) ⏟ 超时惩罚 \min_{\mathbf{x}, \boldsymbol{\pi}} \ J = \underbrace{\sum_{i=1}^{N} \mathrm{cost}(\pi_i)}_{\text{行驶成本}} + \lambda_1 \underbrace{\mathrm{Congestion}(\boldsymbol{\pi})}_{\text{时空拥堵}} + \lambda_2 \underbrace{\sum_{j=1}^{M} \max(0, f_j - \delta_j)}_{\text{超时惩罚}} x,πmin​ J=行驶成本 i=1∑N​cost(πi​)​​+λ1​时空拥堵 Congestion(π)​​+λ2​超时惩罚 j=1∑M​max(0,fj​−δj​)​​

其中 c o s t ( π i ) \mathrm{cost}(\pi_i) cost(πi​) 为轨迹长度(含等待步), f j f_j fj​ 为任务 τ j \tau_j τj​ 的实际完成时刻, C o n g e s t i o n ( π ) \mathrm{Congestion}(\boldsymbol{\pi}) Congestion(π) 为全体轨迹在同一时空单元上的叠加占用度量(本文取各顶点—时间对 ( v , t ) (v,t) (v,t) 上机器人数的最大值与超过 1 的超额之和), λ 1 , λ 2 > 0 \lambda_1, \lambda_2 > 0 λ1​,λ2​>0 为权重系数。

主要符号见表 1。

表 1:符号表

符号含义
G = ( V , E ) G=(V,E) G=(V,E)工作空间无向图, V V V 顶点集, E E E 边集
R = { r 1 , … , r N } R=\{r_1,\dots,r_N\} R={r1​,…,rN​}机器人集合, N N N 为机器人数量
T = { τ 1 , … , τ M } \mathcal{T}=\{\tau_1,\dots,\tau_M\} T={τ1​,…,τM​}搬运任务集合, M M M 为任务数量
τ j = ( p j , d j , w j , δ j ) \tau_j=(p_j,d_j,w_j,\delta_j) τj​=(pj​,dj​,wj​,δj​)任务 j j j 的取货点、投递点、载重、时限
C i C_i Ci​机器人 r i r_i ri​ 的容量上限
x i j x_{ij} xij​任务 τ j \tau_j τj​ 分配给机器人 r i r_i ri​ 的 0-1 变量
π i \pi_i πi​机器人 r i r_i ri​ 的时空轨迹
c ( r i , τ j ) c(r_i,\tau_j) c(ri​,τj​)机器人 r i r_i ri​ 执行任务 τ j \tau_j τj​ 的预估代价
λ 1 , λ 2 \lambda_1, \lambda_2 λ1​,λ2​拥堵惩罚与超时惩罚权重
f j f_j fj​任务 τ j \tau_j τj​ 的完成时刻

图 1 给出业务逻辑视角下的搬运流程。

                 ┌──────────────────────────────────────────────┐
                 │                 仓储工作空间 G                │
                 │   货架区(pickup)   通道网   出货口(delivery)   │
                 └──────────────────────────────────────────────┘
                        │ 任务到达                 ▲ 执行反馈
                        ▼                          │
   ┌─────────┐   ┌─────────────┐   ┌──────────┐  │  ┌──────────┐
   │ 任务队列 │──▶│ 任务管理Agent │──▶│ 分配决策  │─▶│ 路径决策  │
   └─────────┘   └─────────────┘   └──────────┘  │  └────┬─────┘
                        ▲                          │       │轨迹
                        │ 事件(延迟/冲突/插入)      │       ▼
                        └──────────────────────────┴── 执行监控Agent
                                                    │
                                                    ▼
                                             机器人集群 R

图 1:物料搬运业务逻辑图

3.2 Framework Overview

MatHand-Agent 采用"分层职责 + 黑板状态 + 事件消息"的架构。四个 Agent 的职责如下。

  • 任务管理 Agent(Task Management Agent, TMA):接收上游订单并解析为原子搬运任务,维护任务状态机(待分配、已分配、取货中、投递中、完成、异常),向其他 Agent 发布任务事件。
  • 任务分配 Agent(Allocation Agent, AA):为待分配任务集合计算机器人—任务代价矩阵并求解匹配,输出分配方案与预估完成时间。
  • 路径规划 Agent(Routing Agent, RA):接收分配结果,为受影响的机器人重算时空轨迹,消解机器人间冲突,输出带时间戳的可执行轨迹。
  • 执行监控 Agent(Execution Monitor Agent, EMA):跟踪机器人实际状态与计划轨迹的偏差,判定是否触发重规划,并维护执行层安全兜底(紧急停车、局部避障)。

Agent 之间的交互流程见图 2。

 TMA            AA             RA             EMA          机器人
  │ 任务事件     │              │              │              │
  │────────────▶│              │              │              │
  │             │ 代价矩阵+匹配 │              │              │
  │             │─────────────▶│              │              │
  │             │  分配方案     │ 时空轨迹     │              │
  │             │◀─────────────│ (带时间戳)   │              │
  │  分配结果   │              │─────────────▶│              │
  │◀────────────│              │              │ 下发轨迹     │
  │             │              │              │─────────────▶│
  │             │              │              │  状态回报     │
  │             │              │              │◀─────────────│
  │ 重规划请求  │◀─────────────│◀─────────────│ 偏差超阈值    │
  │────────────▶│ 增量重分配    │ 增量重规划    │              │

图 2:Agent 交互流程图

设计原则有三点。第一,分配与规划共享同一套代价定义,避免目标错位。第二,Agent 间以事件驱动异步通信,单个模块失败不阻塞全局。第三,安全约束(冲突消解、紧急停车)不依赖学习模块,保证最坏情况下行为可预测。

3.3 Module Details

3.3.1 任务管理 Agent。 TMA 将订单解析为任务 τ j \tau_j τj​,并按取货点位置做区域聚类以减少跨区往返。任务状态机的每一次迁移都写入共享黑板,并向 AA 发布 TaskArrived 事件。当任务被判定异常(货架缺货、路径封堵超过阈值)时,TMA 负责重排或取消并通知下游。

3.3.2 任务分配 Agent。 AA 对当前待分配集合 T f r e e \mathcal{T}^{free} Tfree 与可用机器人集合 R i d l e ∪ R b u s y R^{idle} \cup R^{busy} Ridle∪Rbusy 计算代价矩阵。单个机器人—任务代价定义为

c ( r i , τ j ) = d G ( s i n o w , p j ) + d G ( p j , d j ) ⏟ 预计行驶距离 + α ⋅ q ^ i ⏟ 机器人当前负载 + β ⋅ Γ ( p j , d j ∣ π ) ⏟ 走廊拥堵先验 c(r_i, \tau_j) = \underbrace{d_{G}\big(s_i^{\mathrm{now}}, p_j\big) + d_{G}(p_j, d_j)}_{\text{预计行驶距离}} + \alpha \cdot \underbrace{\hat{q}_i}_{\text{机器人当前负载}} + \beta \cdot \underbrace{\Gamma\big(p_j, d_j \mid \boldsymbol{\pi}\big)}_{\text{走廊拥堵先验}} c(ri​,τj​)=预计行驶距离 dG​(sinow​,pj​)+dG​(pj​,dj​)​​+α⋅机器人当前负载 q^​i​​​+β⋅走廊拥堵先验 Γ(pj​,dj​∣π)​​

其中 d G ( ⋅ , ⋅ ) d_G(\cdot,\cdot) dG​(⋅,⋅) 为图上最短路距离, q ^ i \hat{q}_i q^​i​ 为机器人 r i r_i ri​ 已承担的未完成任务数或预估剩余里程, Γ ( ⋅ ) \Gamma(\cdot) Γ(⋅) 依据当前全体轨迹 π \boldsymbol{\pi} π 统计取货—投递走廊上的时空占用, α , β \alpha, \beta α,β 为系数。求解匹配时,AA 在 T f r e e \mathcal{T}^{free} Tfree 与机器人之间求最小总代价的指派;任务数或机器人数超过阈值时改用逐任务贪心拍卖(对每个任务选代价最小且容量可行的机器人),以控制在线求解时延。贪心拍卖的复杂度为 O ( ∣ T f r e e ∣ ⋅ ∣ R ∣ ) O(|\mathcal{T}^{free}| \cdot |R|) O(∣Tfree∣⋅∣R∣),指派求解(匈牙利算法)为 O ( max ⁡ ( ∣ T ∣ , ∣ R ∣ ) 3 ) O(\max(|\mathcal{T}|,|R|)^3) O(max(∣T∣,∣R∣)3) 量级,两者均为多项式时间。

3.3.3 路径规划 Agent。 RA 分两层工作。全局层为受影响机器人求解 MAPF 子问题:先用 A* 为每台机器人生成忽略他人的最短时空路径,再用冲突检测—约束添加的两阶段迭代消解顶点冲突与边冲突(CBS 类框架),冲突消解时在冲突节点对相关机器人添加时空约束后重搜。为控制求解时延,冲突树的扩展预算设为 B B B 秒,超时则退化为"优先级规划":按机器人优先级顺序依次用 SIPP 思路在时空图上为机器人找路,低优先级机器人避让高优先级机器人。局部层为差速底盘提供轨迹跟踪与动态避障,处理人员与未建模障碍物,其输出不改变全局轨迹的拓扑结构,仅在安全兜底层面介入。

3.3.4 执行监控 Agent。 EMA 比较实际状态 s i r e a l ( t ) s_i^{\mathrm{real}}(t) sireal​(t) 与计划轨迹 π i \pi_i πi​ 的偏差 e i ( t ) = d i s t ( s i r e a l ( t ) , s i p l a n ( t ) ) e_i(t) = \mathrm{dist}\big(s_i^{\mathrm{real}}(t), s_i^{\mathrm{plan}}(t)\big) ei​(t)=dist(sireal​(t),siplan​(t))。触发重规划的事件条件为:(i) 任一机器人偏差持续超过阈值 e max ⁡ e_{\max} emax​;(ii) 两台机器人在计划中产生新的冲突且局部等待无法消解;(iii) 高优先级新任务到达且现有分配的预估超时代价超过阈值。触发后,EMA 向 TMA 发送重规划请求,由 TMA 决定重分配范围(全部或受影响子集),AA 与 RA 执行增量更新:仅重算受影响机器人的代价行与轨迹,未受影响轨迹保持不变,以降低抖动与计算开销。执行层安全兜底与重规划解耦:任何情况下 EMA 都有权触发紧急停车。

3.4 Training / Inference

MatHand-Agent 的主体流程不含可训练参数,运行时为推理/求解过程:任务事件进入后,依次执行"解析—匹配—时空规划—执行监控"的闭环循环,循环周期与机器人控制周期解耦(建议规划周期为 1–5 秒量级,具体取值取决于场景规模,实验中取值见 4.1 节超参数设置)。可选的学习插件有两处:(a) 用回归模型预测重规划获益以减少不必要重规划,训练数据为执行日志中"重规划前后完成时间差"的标注样本;(b) 用图神经网络对走廊拥堵先验 Γ ( ⋅ ) \Gamma(\cdot) Γ(⋅) 做离线拟合,替代在线统计。两个插件均为增量增强,缺失时系统回退到统计先验与规则触发,功能不受影响。

3.5 Complexity or Theoretical Properties

任务分配层的复杂度:不带容量与顺序约束的指派为多项式可解;加入取送货顺序与容量约束后,问题可由多旅行商问题归约,因而是 NP-hard 的。MAPF 在一般图上同样是 NP-hard,本文不声称改变该复杂度下界,而是采用有界次优或优先级退化策略在求解质量与在线时延之间折衷。分层设计的整体收益体现在常数与可扩展性上:分配层把联合决策分解为 O ( ∣ T ∣ ⋅ ∣ R ∣ ) O(|\mathcal{T}|\cdot|R|) O(∣T∣⋅∣R∣) 规模的匹配问题,规划层把联合状态空间的搜索分解为单机器人子问题加冲突树;在冲突稀疏的场景中,冲突树规模随机器人数量近似线性增长(该性质为经验观察,不构成理论保证)。增量重规划保证未受影响机器人轨迹不变,因而其可行性由原轨迹的可行性继承。

4 Experiments

4.1 Experimental Setup

场景与数据集。 实验在离散时间栅格仿真环境中进行,工作空间取三类地图:(a) 规则货架通道地图(窄巷道、多交叉口),(b) 含瓶颈通道的非对称地图,© 随机障碍稀疏地图。任务流按泊松过程生成,取货点与投递点从货架区与出货口集合中均匀抽样;负载强度以"单位时间任务到达数"控制,分为低、中、高三档。地图文件、随机种子与任务流生成脚本随论文附件发布,保证可复现。

基线方法。 对比对象包括:(B1) 最近距离贪心分配 + 机器人独立 A* 规划 + 在线等待消解(工程串行基线);(B2) 匈牙利指派分配 + 独立规划;(B3) 贪心拍卖分配 + 优先级规划;(B4) MatHand-Agent 完整版;(B5) MatHand-Agent 去掉拥堵先验( β = 0 \beta = 0 β=0);(B6) MatHand-Agent 去掉增量重规划(改为全局重算)。

评价指标。 主指标为:总成本 J J J(含行驶、拥堵与超时项,见 3.1 节)、平均任务完成时间、任务完成率(时限内完成比例)、规划求解时延(P50/P95)、冲突消解次数、单位时间机器人停车等待步数。指标定义先于实验确定,不随结果调整。

实现细节与超参数。 仿真步长对应机器人移动一步的时间;规划周期取 2 秒;冲突树扩展预算 B B B 取 1 秒;偏差阈值 e max ⁡ e_{\max} emax​ 取 2 个栅格;拥堵权重 λ 1 = 1.0 \lambda_1 = 1.0 λ1​=1.0、超时权重 λ 2 = 2.0 \lambda_2 = 2.0 λ2​=2.0、代价系数 α = 0.5 \alpha = 0.5 α=0.5、 β = 1.0 \beta = 1.0 β=1.0。机器人数量 N N N 取 { 4 , 8 , 16 , 32 } \{4, 8, 16, 32\} {4,8,16,32},任务池规模 M M M 取 { 50 , 100 , 200 } \{50, 100, 200\} {50,100,200}。每组配置运行 20 个随机种子,报告均值与标准差。

4.2 Main Results

表 2 为主结果模板。所有数值单元在实验完成前标注为 [实验数据待填],本稿不填入未经实测的数字。

表 2:主结果(数值待实测填充)

方法 J J J(总成本)↓平均完成时间 ↓完成率 ↑P95 规划时延 ↓等待步数 ↓
B1 贪心+独立 A*[实验数据待填][实验数据待填][实验数据待填][实验数据待填][实验数据待填]
B2 匈牙利+独立规划[实验数据待填][实验数据待填][实验数据待填][实验数据待填][实验数据待填]
B3 拍卖+优先级规划[实验数据待填][实验数据待填][实验数据待填][实验数据待填][实验数据待填]
B4 MatHand-Agent(完整)[实验数据待填][实验数据待填][实验数据待填][实验数据待填][实验数据待填]

预期的验证假设为:在中、高负载档位下,B4 的总成本 J J J 低于 B1–B3,且完成率不低于 B3;在低负载档位下,各方法差异应收敛。上述为待检验假设,不构成结果声明。

4.3 Ablation Study

消融项为 B5(去拥堵先验)与 B6(去增量重规划),关注问题为:(i) 拥堵先验 Γ ( ⋅ ) \Gamma(\cdot) Γ(⋅) 对瓶颈地图上 J J J 与完成率的贡献;(ii) 增量重规划相对全局重算在时延与轨迹稳定性上的差异。表 3 为消融结果模板。

表 3:消融结果(数值待实测填充)

配置 J J J ↓完成率 ↑P95 规划时延 ↓重规划次数 ↓
B4 完整版[实验数据待填][实验数据待填][实验数据待填][实验数据待填]
B5 去拥堵先验[实验数据待填][实验数据待填][实验数据待填][实验数据待填]
B6 全局重算[实验数据待填][实验数据待填][实验数据待填][实验数据待填]

4.4 Analysis

定性分析。 预期观察到三类现象。其一,在窄巷道场景中,串行基线把多任务压到同一走廊,出现集中等待;加入拥堵先验后分配趋于分散。其二,冲突消解集中在少数瓶颈交叉口,优先级退化策略在冲突树超预算时保证求解时延上界。其三,任务插入时增量重规划只改动受影响轨迹,未受影响机器人速度曲线保持连续。上述观察为实验计划中的检查点,需以实测轨迹日志佐证。

效率分析。 规划时延随机器人数量增长的主要来源是冲突树规模;实验将报告冲突树节点数与 N N N 的关系曲线(数值待填)。在线匹配的计算量在 N ≤ 32 N \le 32 N≤32、 M ≤ 200 M \le 200 M≤200 范围内预期远小于规划层,具体量级待实测。

失败案例。 预期失败模式包括:任务流密度超过通道容量导致的系统性拥堵(任何分配都无法缓解);动态障碍长时间封堵主通道导致的绕行代价激增;贪心拍卖在任务高度同质时的次优指派。失败案例将按上述三类归档并给出代表性轨迹快照。

4.5 Limitations

本研究的局限包括:(1) 环境建模为已知静态图,未建模多楼层与电梯调度;(2) 机器人运动以离散栅格抽象,未显式处理加减速与载荷对动力学的影响,实机部署需补充轨迹平滑层;(3) 时限为软约束,未处理带硬时间窗的契约型任务;(4) 实验结论目前依赖仿真,实机与半实物验证尚未开展;(5) 学习插件的收益未在本文评估范围内。

5 Discussion

分层 Agent 设计的收益来源于两点成因。其一,把"分配—规划"的目标统一到同一代价函数上,缓解了串行解耦带来的目标错位;其二,把执行偏差的处理收敛到单一监控 Agent,使重规划成为有明确触发条件的常规操作而非异常分支。适用边界方面,MatHand-Agent 面向中小规模集群(本文实验设计覆盖至 32 台机器人)与结构化的室内通道网络;对于完全去中心化的大规模蜂群或强对抗环境,本文的黑板式中心协调可能成为瓶颈,需要改为分布式协商机制。伦理与社会影响方面,搬运机器人与现场人员共享空间,安全兜底(紧急停车、限速区)必须优先于效率目标;系统日志的可审计性有助于事故定责;部署中应避免以效率为名缩减人工作业岗位而不提供转岗培训,这一点属于组织层面的责任,超出本文技术方案的控制范围。

6 Conclusion

本文提出 MatHand-Agent,一个面向物料搬运机器人的分层多智能体系统,将任务管理、任务分配、路径规划与执行监控建模为四个协作 Agent。本文给出统一的问题形式化与符号体系,设计了含拥堵先验的分配代价函数、基于时空搜索与冲突消解的路径规划流程,以及事件驱动的增量重规划机制,并完成复杂度分析。实验部分给出了完整的场景、基线、指标与超参数协议;由于实测尚未完成,本文未给出任何实验数值,主结果与消融表格均以占位符标注。

未来工作按优先级列出三项具体计划:(1) 在开源仿真器中实现本文协议并填充表 2、表 3 数值,发布任务流生成脚本与随机种子;(2) 在真实差速底盘集群上部署执行监控 Agent 的安全兜底,验证紧急停车与局部避障的实机时延;(3) 引入带硬时间窗的任务模型,并评估学习型重规划触发器相对规则触发器的收益。

References

[1] Hart, P. E., Nilsson, N. J., & Raphael, B. (1968). A Formal Basis for the Heuristic Determination of Minimum Cost Paths. IEEE Transactions on Systems Science and Cybernetics, 4(2), 100–107.

[2] Sharon, G., Stern, R., Felner, A., & Sturtevant, N. R. (2015). Conflict-Based Search for Optimal Multi-Agent Pathfinding. Artificial Intelligence, 219, 40–66.

[3] Barer, M., Sharon, G., Stern, R., & Felner, A. (2014). Suboptimal Variants of the Conflict-Based Search Algorithm for the Multi-Agent Pathfinding Problem. Proceedings of ICAPS 2014.

[4] Aakash & Saha, I. (2024). A Conflict-Aware Optimal Goal Assignment Algorithm for Multi-Robot Systems. arXiv:2402.13292.

[5] Edelkamp, S. (2025). Solving Multi-Agent Multi-Goal Path Finding Problems in Polynomial Time. arXiv:2512.22171.

[6] Yan, J., & Li, J. (2024). Multi-Agent Motion Planning with Bézier Curve Optimization under Kinodynamic Constraints. IEEE Robotics and Automation Letters. arXiv:2311.14145.

[7] Nordström, S., Bai, Y., Lindqvist, B., & Nikolakopoulos, G. (2025). A Time-dependent Risk-aware distributed Multi-Agent Path Finder based on A*. arXiv:2504.19593.

[8] Choudhury, S., Solovey, K., Kochenderfer, M., & Pavone, M. (2022). Coordinated Multi-Agent Pathfinding for Drones and Trucks over Road Networks. Proceedings of AAMAS 2022. arXiv:2110.08802.

[9] Oliveira, G. S., Röning, J., Plentz, P. D. M., & Carvalho, J. T. (2022). Efficient Task Allocation in Smart Warehouses with Multi-delivery Stations and Heterogeneous Robots. arXiv:2203.00119.

[10] Ghassemi, P., DePauw, D., & Chowdhury, S. (2019). Decentralized Dynamic Task Allocation in Swarm Robotic Systems for Disaster Response. IEEE MRS 2019. arXiv:1907.04394.

[11] Fu, K., Jain, S. A., Howell, P., & Ravichandar, H. (2025). Capability-Aware Shared Hypernetworks for Flexible Heterogeneous Multi-Robot Coordination. CoRL 2025. arXiv:2501.06058.

[12] He, C., Duhan, T., Tulsyan, P., Kim, P., & Sartoretti, G. (2024). Social Behavior as a Key to Learning-based Multi-Agent Pathfinding Dilemmas. arXiv:2408.03063.

[13] Dunkel, J. (2024). Streamlining the Action Dependency Graph Framework: Two Key Enhancements. arXiv:2412.01277.

[14] Zahrádka, D., Woller, D., Mužíková, D., Kulich, M., & Přeučil, L. (2026). Should I Replan? Learning to Spot the Right Time in Robust MAPF Execution. arXiv:2604.25567.

[15] Seetharamu, A., Praharaj, B., & Sreeram, M. V. (2026). CADENCE: Predicting Realized MAPF Execution Time Beyond Sum of Costs. arXiv:2606.04746.

[16] Kaitha, S. P. R., & Yu, H. (2025). Phase-Adaptive LLM Framework with Multi-Stage Validation for Construction Robot Task Allocation. arXiv:2512.02810.

[17] Crombez, L., da Fonseca, G. D., Gerard, Y., Gonzalez-Lorenzo, A., Lafourcade, P., & Libralesso, L. (2022). Shadoks Approach to Low-Makespan Coordinated Motion Planning. ACM Journal of Experimental Algorithmics, 27, 3.2. arXiv:2103.13956.

[18] Meshram, P., Adhivarahan, C., Poddar, P., Esfahani, E. T., Wang, C., Chowdhury, S., & Dantu, K. (2026). HOPHY: A Hierarchical Hypergraph Representation for Off-Road Path and Mission Planning. arXiv:2609.20694.

[19] Patil, I., Zheng, R., Gupta, C., Song, J., Sriram, N., & Sycara, K. (2023). Graph-based Simultaneous Coverage and Exploration Planning for Fast Multi-robot Search. arXiv:2303.02259.

[20] Shaoul, Y., Mishani, I., Likhachev, M., & Li, J. (2024). Accelerating Search-Based Planning for Multi-Robot Manipulation by Leveraging Online-Generated Experiences. ICAPS 2024. arXiv:2404.00143.

[21] Lott, J., & Honary, V. (2026). Embedded Evaluation of Task Admission Coalescing in Decentralized Multi-Robot Systems. arXiv:2610.09187.

Appendix

A.1 重规划触发规则的伪代码

事件循环 (每个规划周期):
    对每个机器人 r_i:
        e_i <- dist(s_real_i, s_plan_i)
        if e_i > e_max 连续 K 个周期:
            触发 <- TRUE; 范围 <- 以 r_i 为中心的受影响子集
    若新增冲突对 (i,k) 且局部等待 > W_max:
        触发 <- TRUE; 范围 <- {i, k} 及其走廊邻居
    若新任务 τ 到达且 预估超时代价 > θ:
        触发 <- TRUE; 范围 <- 全体
    if 触发:
        TMA 决定范围; AA 增量更新代价行; RA 仅重算范围内轨迹
    else:
        沿用既有轨迹

A.2 实验协议核对清单

  1. 地图文件、任务流脚本与随机种子是否随稿发布;
  2. 所有基线是否使用同一冲突消解底层(避免实现差异混淆比较);
  3. 指标定义是否在运行实验前固定;
  4. 表 2、表 3 数值是否与正文引用一致;
  5. 是否报告均值与标准差(20 个随机种子);
  6. 失败案例是否按 4.4 节的三类归档。

A.3 关于数值的声明

本稿不含任何实测结果。所有表格中的 [实验数据待填] 占位符必须由作者在完成 4.1 节协议后以实测数据替换,方可用于投稿。引用文献均经 arXiv 检索核对;引用 [1]–[3] 为公开发表的经典文献。

Logo

DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐