@techreport{oai:ipsj.ixsq.nii.ac.jp:00225538,
 author = {杉本, 寛直 and シュレスタマリ, サソット and 近藤, 正章 and Hirotada, Sugimoto and Shaswot, Shresthamali and Masaaki, Kondo},
 issue = {31},
 month = {Mar},
 note = {本稿では，複数台の無人搬送車 (AGV) を実環境で使用する際に必要な経路計画を強化学習により行う手法を検討する．特に，AGV 間の行動や経路情報となる局所グラフの情報を利用し，かつ入力次元の抑制のため各 AGV の行動可能範囲に限定して抽出したノード情報を用いた強化学習によるスケジューリング手法を提案する．本手法により，全ノードの情報を利用するよりも実環境に近い問題設定においてタスク処理のスループット向上を期待できることがわかった．, In this paper, we propose a reinforcement learning-based route planning method for multiple AGVs. The proposed scheduling method uses a local graphs stricture that provide information on the actions and routes among AGVs, and also uses node information extracted only within the scope where each AGV can act in order to reduce the input dimension. We found that the proposed method can improve the throughput of task processing in a realistic problem setting compared with the case that uses entire graph information.},
 title = {局所グラフ情報を用いた強化学習によるAGVの経路スケジューリング手法の検討},
 year = {2023}
}