
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于分层多智能体强化学习的医院自主移动机器人调度优化
《Scientific Reports》:Hierarchical reinforcement learning with model predictive elevator control for risk-sensitive multi-robot transport scheduling in hospitals
【字体: 大 中 小 】 时间:2026年10月21日 来源:Scientific Reports 4.9
编辑推荐:
摘要医院越来越多地部署自主移动机器人(AMR)来在病房与实验室之间运送标本和药品。这些机器人车队必须满足各类请求不同的临床截止时间要求,这耦合了两项决策:每台机器人负责服务哪一项请求,以及其停靠点的顺序。院内运输在此被建模为一个多目标马尔可夫博弈,并使用面向运输的分层多智能体
医院越来越多地部署自主移动机器人(AMR)来在病房与实验室之间运送标本和药品。这些机器人车队必须满足各类请求不同的临床截止时间要求,这耦合了两项决策:每台机器人负责服务哪一项请求,以及其停靠点的顺序。院内运输在此被建模为一个多目标马尔可夫博弈,并使用面向运输的分层多智能体强化学习(HMART)进行求解。一个共享的图注意力编码器分别为顺序分配解码器和路线改进解码器提供输入;一个条件风险价值约束限制了按类别加权的迟滞尾部;一个模型预测控制层协调具有容量限制的电梯。本文评估了两种实例:HMART-H,其解码器为人工设计;以及HMART-RL,其分配解码器为一个经过训练的注意力网络。在一个模拟四层医院、三部电梯、十二台机器人、重负载条件下的离散事件仿真器中,基于二十对配对随机种子,与最强调度规则相比,HMART-H将平均总加权迟滞从2359?±?214降至29?±?6,将平均在制品数量从80.1?±?6.4降至14.3?±?1.9,将第95百分位迟滞尾部降低了超过一个数量级,同时将STAT紧急请求的准时率从0.925?±?0.011提升至0.969?±?0.007;所有差异在经Holm校正的Wilcoxon符号秩检验下均具有显著性。HMART-RL达到40?±?8的性能水平,并能在不同车队规模和建筑配置之间迁移,无需重新训练。上述性能提升基于仿真环境取得,仍需在真实建筑中加以验证。