13、分布式无人机配送系统与混合行为规划系统的开发

分布式无人机配送系统与混合行为规划系统的开发

1. 引言

随着电子商务的发展，全球对快速可靠包裹运输的需求不断增长。传统的陆地运输依赖良好的基础设施，且成本高昂，尤其是在最后一公里的配送上。无人机作为一种无人驾驶飞行器，在最后一公里配送中具有很大潜力，它对基础设施的依赖较低，并且在速度上有优势，可用于医疗产品配送等特殊场景。目前，虽然已有一些无人机配送系统在实际中进行测试，但大多聚焦于单架或少量无人机。本文将探索大规模合作场景下的无人机配送应用。

为实现这一目标，我们将原型系统部署在经过修改的多智能体系统模拟平台（MASSIM）上。MASSIM 是基于真实 OpenStreetMap 数据的离散分布式最后一公里配送模拟系统。在模拟中，多个独立智能体团队通过将物品配送到仓库来竞争。配送任务随机生成，分为三类：任务型任务是强制分配的，拍卖型任务通过预先拍卖分配，常规任务则奖励给第一个完成的团队。任务可能包含多个需在商店购买并存储在仓库的物品。我们对模拟环境进行了调整，以更贴近最后一公里无人机配送，例如忽略其他智能体角色（如卡车）和物品组装，引入改进的健康和充电生命周期。

2. 方法

强化学习虽能灵活适应动态环境，但可能的状态和动作空间巨大，存在维度灾难问题，且多个智能体同时行动导致的动态环境使强化学习更加复杂。因此，我们寻求一种更轻量级、易扩展的解决方案。

分布式问题解决有多种方法：
- 基于市场的方法：通常基于拍卖协议来管理任务分配。
- 层次任务网络：可用于分解任务。
- 同步计划：减少智能体之间的依赖问题。
- 先验约束：对依赖关系进行建模。
- 社会法则：类似于现实世界的法律，如交通