亚马逊仓库内成千上万的机器人如何高效协作避免拥堵？DEEPFLEET项目为此提出了一套基于真实运营数据训练的多智体基础模型。该模型套件通过预测机器人队伍的动态行为，为拥堵预测、路径规划等下游任务提供基础，旨在提升大规模自动化物流的运营效率和可靠性。
智能速览
DEEPFLEET是一套基于亚马逊全球仓库真实数据训练的多智体基础模型。
它包含四种核心架构：以机器人为中心(RC)、机器人-地板(RF)、图像-地板(IF)和图-地板(GF)。
实验表明，以机器人为中心(RC)和图-地板(GF)模型在参数效率和可扩展性上表现最优。
这些模型能有效预测机器人轨迹和拥堵形成，为主动调度提供决策支持。
该研究探索了大规模机器人系统的基础模型设计空间，为下一代机器人算法奠定基础。
精华内容
为了有效管理庞大的机器人队伍，亚马逊提出了DEEPFLEET模型套件。它通过四种不同的架构，探索了在真实仓库环境中预测机器人行为的核心设计选择，从而实现更智能的协同规划。
机器人协同的挑战
在亚马逊全球仓库中，数十万台移动机器人需要被精确协调，以在存储位置和工作站之间搬运货物。有效的协同需要理解复杂的多智体动态，以避免拥堵和死锁，最大化吞吐量。传统方法在如此密集和动态的环境中难以扩展，因此需要一种数据驱动的方法来预测并优化整个车队的未来行为。
四大核心架构探索
DEEPFLEET是一套包含四种架构的模型，每种都体现了独特的设计权衡。研究探索了时空上下文的广度（局部vs全局）、更新方式（异步事件vs同步快照）、状态表示（以智体为中心vs全局）等因素的影响。这四种模型分别是：以机器人为中心（RC）、机器人-地板（RF）、图像-地板（IF）和图-地板（GF）模型，共同构成了多智体基础模型的设计空间。
局部视角：以机器人为中心模型
以机器人为中心（RC）模型采用一种高效的局部视角。它为每个机器人建立一个包含其邻近机器人和目标的自回归序列，并使用Transformer来预测下一步动作。这种模型参数量为9700万，能很好地泛化到不同机器人实例和布局。由于其计算量与机器人数量呈线性关系，因此具有出色的可扩展性。在预测任务中，它通过关注局部交互结构，有效利用了运营数据。
全局视角：图-地板模型
图-地板（GF）模型则采用全局视角，将整个仓库表示为一个时空图。该模型在每个时间步预测所有机器人的动作，通过图神经网络和Transformer的结合，同时捕捉空间拓扑和时间依赖性。虽然参数量仅为1300万，但实验表明它能够高效利用全局信息，并展现出明确的规模化定律，即模型性能随数据量和模型规模的增大而提升，使其在长期扩展方面极具潜力。
实验验证与核心发现
通过在7个仓库的保留数据集上进行测试，研究人员使用动态时间规整（DTW）和拥塞延迟误差（CDE）等指标评估模型。结果显示，RC和GF模型在参数利用效率上优于需要处理全地板快照的RF和IF模型。RF和IF模型因卷积特征难以捕捉动态或计算成本过高而表现不佳。这表明，融合局部交互结构并采用异步更新是设计大规模多智体预测模型的关键。
DEEPFLEET的研究标志着大规模机器人系统向基础模型方法迈进的重要一步。它不仅证明了利用真实世界数据训练通用预测模型的可行性，也为未来更智能、更自适应的物流自动化系统指明了方向。这些基础模型能否催生出全新的机器人协同范式，值得我们持续关注。
