2020年4月，陈卫东教授课题组于Robotics and Autonomous Systems期刊发表文章Coupled task scheduling for heterogeneous multi-robot system of two robot types performing complex-schedule order fulfillment tasks。
图：论文标题，来源于Robotics and Autonomous Systems, Elsevier
随着自动化和智能化程度的不断提升和发展，未来的智慧物流、智慧工厂、智能制造、或智能健康等应用场景中会出现不同种类的机器人分工合作，协同完成任务。场景中的移动机器人或移动自主体一般包含两类：移动运输机器人，如AGV、AMR等；移动操作机器人，如移动机械臂等。无论从理论研究还是场景应用，如何把两类机器人紧密协同起来完成场景中的任务是一项挑战，但目前鲜有相关研究。
针对以上问题，该研究从整体出发，根据机器人调度问题和开放车间调度问题的相似性，建立了耦合任务调度模型，并设计了精确算法、启发式算法和元启发式算法。在自制数据集上的仿真结果表明，耦合的任务调度策略可产生更加紧密协同的任务作业计划表。
以本研究为基础，针对大规模的机器人调度问题，团队继续对比了不同启发式方法的计算效率(runtime)与最大时间跨度(makespan)的性能指标，并在Autonomous Intelligent Systems期刊上发表题目为Task scheduling for transport and pick robots in logistics: a comparative study on constructive heuristics的文章。通过大量的数据集测算，给出大规模场景中算法的使用建议。
图：耦合的任务调度模型
该研究受国家自然科学基金重点项目资助。
文章链接：doi: 10.1016/j.robot.2020.103560，doi: 10.1007/s43684-021-00017-9
