[논문 리뷰] Optimizing Automated Picking Systems in Warehouse Robots Using Machine Learning

Keqin Li, Jinmin Wang외 8명|arXiv (Cornell University)|2024. 08. 29.

Advanced Manufacturing and Logistics Optimization인용 수 5

한 줄 요약

이 논문은 딥 러닝과 강화 학습을 통합하여 창고 로봇의 피킹 효율성, 정확성 및 강건성을 향상시키고 전통적인 방법을 능가한다.

ABSTRACT

With the rapid growth of global e-commerce, the demand for automation in the logistics industry is increasing. This study focuses on automated picking systems in warehouses, utilizing deep learning and reinforcement learning technologies to enhance picking efficiency and accuracy while reducing system failure rates. Through empirical analysis, we demonstrate the effectiveness of these technologies in improving robot picking performance and adaptability to complex environments. The results show that the integrated machine learning model significantly outperforms traditional methods, effectively addressing the challenges of peak order processing, reducing operational errors, and improving overall logistics efficiency. Additionally, by analyzing environmental factors, this study further optimizes system design to ensure efficient and stable operation under variable conditions. This research not only provides innovative solutions for logistics automation but also offers a theoretical and empirical foundation for future technological development and application.

연구 동기 및 목표

• 물류 자동화를 촉진하기 위한 전자상거래 수요의 증가.
• 창고 로봇의 피킹 효율성과 정확성 향상.
• 시스템 고장률 감소 및 복합 환경에 대한 적응력 향상.
• ML 기반 접근법이 전통적 방법을 능가한다는 실증적 근거 제공.

제안 방법

• 피킹 작업의 인지 및 의사결정에 딥 러닝 기법 적용.
• 다양한 조건에서 피킹 정책을 최적화하기 위한 강화 학습 활용.
• ML 기반 모델과 전통적 접근법 간의 비교에 대한 실증 분석 수행.
• 가변 환경에서의 안정성 향상을 위한 시스템 설계 최적화를 위한 환경 요인 분석.

실험 결과

연구 질문

• RQ1 통합 ML 모델이 전통적 방법에 비해 피킹 성능을 향상시킬 수 있는가?
• RQ2 ML 방법이 피크 주문 및 복잡한 창고 환경에 대한 강건성에 어떠한 영향을 미치는가?
• RQ3 피킹 시스템의 성능과 안정성에 영향을 주는 환경 요인은 무엇인가?
• RQ4 ML 기반 접근법이 운영상의 오류를 감소시키고 전반적 물류 효율성을 향상시키는가?

주요 결과

• 통합 기계 학습 모델이 피킹 성능에서 전통적 방법을 크게 능가한다.
• ML 접근법이 복잡하고 가변적인 환경에 대한 적응성을 향상시킨다.
• 피크 주문 처리 문제를 해결하고 운영 오류를 감소시킨다.
• 환경 분석이 가변성 하에서 최적화되고 안정적인 시스템 설계를 지원한다.