学习高效与公平的政策以应对不确定性的协作人机订单拣选

在协作人机订单拣选系统中，人类拣货员和自主移动机器人（AMRs）在仓库中独立移动，并在拣货地点会合，拣货员将物品装载到AMRs上。本文考虑了这样一个优化问题，即在随机环境中将拣货员分配给AMRs。我们提出了一种新颖的多目标深度强化学习（DRL）方法，旨在学习有效的分配政策，以最大化拣货效率，同时改善人类拣货员之间的工作负载公平性。我们的方法使用图模型化仓库状态，并定义一种神经网络架构，以捕捉区域信息并有效提取与效率及工作负载相关的表示。我们开发了一个离散事件模拟模型，用于训练和评估所提出的DRL方法。在实验中，我们证明了我们的方法能够找到非支配政策集，明确了公平和效率目标之间的良好权衡。经过训练的政策在效率和公平性方面均优于基准表现。此外，当在不同仓库规模的场景中测试时，它们显示出良好的可迁移性。模拟模型的实现、所提方法和实验已发表。