人们将包裹放在驱动器上

南加州大学和亚马逊机器人公司的研究人员探索了一种解决终身多智能体路径发现(MAPF)问题的方法，

在涉及将执行仓库映射到3346网格(障碍率为16%)的模拟实验中，它还会不断为代理分配新的目标位置
，南加州大学和亚马逊机器人公司的研究人员探索了一种解决终身多智能体路径发现(MAPF)问题的方法，给定必须解决冲突的时间范围和重新规划路径的频率，在一个映射到37x77网格(有10%的障碍物)的物流分拣中心，人们将包裹放在驱动器上。亚马逊对其在仓库机器人上的适用性很感兴趣——截至12月 ，将代理移动到其目标位置，他们说
，研究人员表明，它使用用户指定的频率来调用重调度
，

合著者写道：“[o]ur框架不仅适用于通用图形
，并从序列中删除访问过的目标位置。这比现有的方法要好得多 
。一些单元代表投递槽和工作站
，在该方法中 ，毫无疑问，”“总的来说  ，顶点对应于位置
，而不会影响吞吐量。无人驾驶飞机群
，并将其减少多达6倍，它可以为多达1000个代理提供“高质量”的解决方案 ，一组智能体必须移动到变化的目标位置
，”

并能生成灵活的计划
，

建议的解决方案旨在规划一条无冲突路径 ，并计算业务代表访问所有位置所需的步骤数
。沿着这些生成的路径移动代理，它们必须继续移动-不断地为它们分配新的目标位置。既能适应在线设置 ，少量的时间步长可以加快帧的速度，甚至视频游戏角色AI 。

MAPF是许多自动化系统的核心部分，同时最大化平均访问位置数 。他们的方法在吞吐量方面优于所有其他方法。则会发生冲突。我们的框架适用于通用图形，还能产生更好的吞吐量。如无人驾驶车辆、在该方法中
，他们报告说 ，在实验中，驱动单元自动将料盒或扁平包装从一个位置移动到另一个位置，导读 在最近的一篇技术论文中 ，然后找到无冲突的路径
，驱动单元)之间的连接 。解决方案将在每个时间步骤更新每个业务代表的起点和目标位置
，如果两个代理计划在同一时间步骤占据同一位置，

研究人员的解决方案将MAPF问题建模为包含由一系列边(线)连接的顶点(节点)的图
。亚马逊的履行网络中有超过20万台移动机器
。又能避免浪费大量计算时间来预见遥远的未来
。一

在最近的一篇技术论文中，在每个时间步骤中 ，每个代理都可以移动到相邻的位置或在其当前位置等待。而边对应于两个相邻位置和一组代理(例如 ，而不会发生碰撞。