Reliable Task Allocation for Multi-Robot System Using Safe Deep Reinforcement Learning

doi:10.1109/tr.2026.3727234

Reliable Task Allocation for Multi-Robot System Using Safe Deep Reinforcement Learning

2026-08-25

0

PRE

AI

DOI：10.1109/tr.2026.3727234

原文链接

原文求助

摘要

En 中文

本文针对自动化制造中多站点多机器人焊接任务分配的可靠性及安全性挑战，研究了传统任务分配方法常忽视物理碰撞风险、导致系统故障和生产停机的问题。与现有方法（或忽略安全约束，或将约束以启发式方式作为奖励函数的惩罚项）不同，本文将多机器人任务分配问题建模为受约束马尔可夫决策过程（CMDP），以显式且严格地执行操作安全约束。在该框架下，提出了一种安全深度强化学习架构，结合基于图编码器的空间特征提取与基于拉格朗日约束的策略优化机制。该方法通过训练过程中自适应调整安全权重，系统性地平衡了最小化生产周期与确保机器人无碰撞运行的双目标。在真实焊接案例和大规模合成场景的广泛实验表明，所提方法在保持卓越任务效率的同时实现零安全违规，优于存在显著碰撞率的经典启发式及常规强化学习基线。结果验证了将安全作为正式约束而非事后考虑的有效性，为工业多机器人协同提供了可靠实用的解决方案。

Keyword:

Industrial robot

task allocation

deep reinforcement learning

safe reinforcement learning

Constrained Markov Decision Process

Reliable Task Allocation for Multi-Robot System Using Safe Deep Reinforcement Learning

摘要

期刊

机构

引用论文