人机协作拆解规划

效率与奖励双优

一种基于Stackelberg博弈与多智能体深度强化学习的任务规划方法，能为人机协作拆解退役动力电池提供高效、鲁棒的决策支持。

张旭刚 · Chuang, Liu · Yong, Yue · 龚青山 · 马峰 · Wang, Yan

Journal of Manufacturing Systems 2025

技术优势

决策更高效

引入领导者-跟随者博弈结构，将任务分配建模为Stackelberg博弈，使规划过程更符合人机协作中的主从关系。

抗干扰能力强

方法在面对意外环境扰动时表现出强鲁棒性，意味着实际产线中突发状况不会显著影响规划质量。

应用场景

• 电池回收产线：用于退役动力电池拆解线上的人机任务分配，提升拆解效率。
• 人机协作制造：为人机协作制造中的任务规划提供基于博弈与强化学习的决策方案。
• 智能拆解机器人：赋予拆解机器人智能任务分配能力，使其适应动态人机协作环境。
• 制造系统集成：作为决策模块嵌入制造系统，优化人机协作流程的集成与调度。