يعتبر إنتاج الروبوتات المرنة عملية معقدة تتطلب قرارات جماعية على مسارات المعالجة وتوجيه المواد وتخصيص الموارد. هذا الأمر يتطلب تعاوناً مؤقتًا بين الروبوتات، لا سيما في ظل نظام تحكم لامركزي حيث تعتمد القرارات على معلومات محلية محدودة. ولتحقيق ذلك، تم تقديم AssemblyGrid v1 كمعيار مبتكر للإنتاج الروبوتي المتعدد، يتضمن تقدماً واضحاً في سير العمل، انتقال المواد، وتعاون الروبوتات مع مراعاة القيود الهندسية.

يشمل المعيار الجديد أنواعًا متعددة من الأحمال العمل مثل Flow وCoalition وConcurrency، مع ثلاث مستويات من السيناريوهات. تتمثل إحدى الميزات الفريدة لـ AssemblyGrid v1 في تعريف نجاح وتقييم المهام بطريقة مستقلة عن طريقة الحل والمكافآت التعلمية، مما يسمح باستخدام طرق التعلم وغير التعلم لمواجهة نفس المشكلة الإنتاجية.

تم تقييم AssemblyGrid v1 من خلال فحوصات تطابق قابلة للتنفيذ، ودراسات آلية، وتجارب خوارزمية باستخدام مرجع مركزي متميز، ووحدات تحكم لامركزية منظمة، وطرق تعلم متعددة الوكلاء مثل IPPO وMAPPO وQMIX. أظهرت النتائج تنفيذًا مثمرًا تحت السيطرة المركزية واللامركزية. كما أثبتت تجارب التعلم متعددة الوكلاء أن السياسات اللامركزية يمكن أن تتعلم سلوك إنتاج فعّال من الملاحظات المحلية والإجراءات، مما يدعم AssemblyGrid كمعيار مُتحكّم لدراسة اتخاذ القرارات التعاونية في الإنتاج الروبوتي المرن.