في عالم التخزين الحديث، تعتبر المركبات الآلية الموجهة (AGVs) جزءاً لا يتجزأ من تحسين الإنتاجية. ومع زيادة استخدامها، تبرز التحديات المرتبطة بتوجيه أسراب كبيرة من هذه المركبات. حيث كانت الحلول التقليدية تواجه صعوبات كبيرة في التعامل مع التعقيد المتزايد والزمن الطويل لتنفيذ خطوات التوجيه.

لكن، النظام الجديد HiRAD (Hierarchical Reinforcement Adaptive Routing Decision) يمثل خطوة كبيرة إلى الأمام. يعتمد HiRAD على إطار عمل متقدم يعتمد على التعلم المعزز (Reinforcement Learning) لتوجيه المركبات بكفاءة في الوقت الحقيقي.

**ما الذي يميز HiRAD؟**
1. **نموذج الحركة المستمر**: بدلاً من الاعتماد على نماذج الحركة التمهيدية، يعتمد HiRAD تمثيلاً فضائياً-زمانياً يُحول الحركة المستمرة إلى مشكلة قابلة للاشتقاق.
2. **استراتيجية هرمية**: يقوم HiRAD بتقسيم اختيار الاتجاه عن التحكم في السرعة، مما يقلل من نطاق الإجراءات المتاحة.
3. **قناة قرار قائمة على الأحداث**: عن طريق تقليل التعقيد من O(n^2) إلى O(n)، تم تقليص زمن الاستجابة لكل خطوة بنسبة تصل إلى 71%.

في اختبارات على خرائط عشوائية وخريطتين من warehouses، أظهر HiRAD قدرة على تقليل الزمن الكلي للإجراءات بين 45% إلى 63%. مع هذه التحسينات، يبدو أن HiRAD قد يكون من أهم الحلول لتحديات توجيه AGVs في المستقبل.