CREST：マルチロボット倉庫棚の組み替えのための制約解放実行（Constraint-Release Execution）

arXiv cs.AI / 2026/4/1

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、マルチロボット倉庫棚の組み替えに対する二段積載のマルチエージェントによるピックアップ・配送（DD-MAPD）問題を扱い、衝突回避の計画と実行の枠組みとして位置づける。
MAPF-DECOMPのアプローチを批判し、厳密な軌道依存がアイドル時間や不必要な棚の切り替えといった実行品質の低下につながり得ると論じる。
CRESTを提案し、実行中に軌道の制約を前もって解放することで、より連続的な棚の運搬を可能にする実行フレームワークを示す。
多様な倉庫レイアウトに対する実験により、CRESTは実行指標を改善することが示され、エージェントの移動、メイクスパン、棚の切り替えをそれぞれ最大40.5%、33.3%、44.4%削減する。特に、リフト／設置のオーバーヘッドが高い場合に効果が大きい。
著者らは、リンクされたGitHubリポジトリを通じてコードとデータを公開しており、再現や追加評価を支援する。

要旨: Double-Deck Multi-Agent Pickup and Delivery（DD-MAPD）は、自動倉庫におけるマルチロボットの棚の組み替え問題をモデル化します。MAPF-DECOMPは、まずMAPFソルバで衝突のない棚の軌道を計算し、その後エージェントを割り当てて実行させるという、新しい枠組みです。効率的である一方で、厳密な軌道間依存関係を課すため、待機してしまうエージェントや不要な棚の切り替えによって実行品質が低くなることがしばしばあります。私たちは、実行中に軌道の制約を先回りして解放することで、棚の搬送をより連続的に実現する新しい実行枠組みCRESTを提案します。多様な倉庫レイアウトでの実験により、CRESTは一貫してMAPF-DECOMPを上回り、エージェントの移動、メイクスパン、棚の切り替えに関する指標をそれぞれ最大40.5
a%、33.3
a%、44.4
a%まで削減し、さらにリフト／配置のオーバーヘッドがある場合にはより大きな利点が得られることが示されました。これらの結果は、スケーラブルな倉庫の組み替えのために、実行を意識した制約解放が重要であることを強調しています。コードとデータは https://github.com/ChristinaTan0704/CREST で入手可能です。