INTERSHIP DYNALOG- Cooperative game-based decision-making for AMR fleet operations in a logistics warehouse using discrete-event simulation (FlexSim)

Title: Cooperative game-based decision-making for AMR fleet operations in a logistics warehouse using discrete-event simulation (FlexSim)

Titre : Prise de décision coopérative par théorie des jeux pour le pilotage d’une flotte d’AMR en entrepôt, via simulation à événements discrets (FlexSim)

Abstract

Catchphrase: Enabling robust and efficient AMR fleet coordination through cooperative decision mechanisms under real-time warehouse uncertainty.

Keywords: AMR, cooperative game theory, multi-robot task allocation, warehouse logistics, discrete-event simulation, FlexSim, negotiation, charging scheduling, congestion

Autonomous Mobile Robots (AMRs) are increasingly deployed for internal transport in warehouses, but their performance depends on continuous decisions under uncertainty (new requests, changing priorities, congestion, charging needs, robot downtime). This internship focuses on the design and evaluation of cooperative decision-making mechanisms among robots, grounded in cooperative game theory, to dynamically allocate tasks and coordinate robot actions..

The work will rely on a discrete-event simulation model implemented in FlexSim to represent warehouse flows, task arrivals, resources, and disruptions. On top of this simulation layer, cooperative coordination strategies will be developed (e.g., coalition formation, cost-sharing rules, bargaining mechanisms, cooperative allocation schemes) to decide: (i) task-to-robot assignment, (ii) mission sequencing, and (iii) charging/availability management while mitigating congestion effects. Strategies will be assessed through KPIs such as service level for high-priority tasks, throughput, energy/distance, utilization rate, fairness among robots, and robustness to disruptions.

Résumé

Slogan : Coordonner efficacement une flotte d’AMR par coopération (théorie des jeux) malgré les incertitudes et la dynamique temps réel d’un entrepôt.

Mots clés : AMR, théorie des jeux coopératifs, allocation de tâches multi-robots, entrepôt logistique, simulation à événements discrets, FlexSim, négociation, recharge, congestion

Les robots mobiles autonomes (RMA) sont de plus en plus utilisés pour le transport interne en entrepôt, mais leurs performances dépendent d’une prise de décision continue face à des événements (arrivées de nouvelles missions, changements de priorités, congestion, recharge, indisponibilités). Ce stage vise à concevoir et évaluer des mécanismes de décision coopératifs entre robots, basés sur la théorie des jeux coopératifs, afin d’améliorer la coordination d’une flotte d’AMR.

Le travail s’appuiera sur un modèle de simulation à événements discrets sous FlexSim, décrivant les flux, les ressources (AMR, stations, chargeurs), et les perturbations. Au-dessus de cette couche simulation, des stratégies coopératives seront développées (coalitions, partage de coût/gain, mécanismes de négociation, schémas d’allocation coopératifs) pour décider : (i) l’affectation des tâches aux AMR, (ii) le séquencement des missions, et (iii) la gestion de la recharge/disponibilité tout en limitant la congestion. Les politiques seront comparées via des indicateurs : niveau de service des tâches prioritaires, débit, distance/énergie, taux d’utilisation, équité entre robots, robustesse aux aléas.

Skills

Scientific and technical skills:

• Multi-robot coordination and AMR fleet management

• Cooperative game theory for decision-making (coalitions, bargaining, cost sharing)

• Discrete-event simulation of warehouse operations (FlexSim)

• Optimization / algorithm design and data analysis in Python

• Intralogistics knowledge (transport, dispatching, charging, congestion effects)

Soft skills:

• Autonomy and scientific curiosity

• Strong coding discipline (tests, reproducibility, documentation)

• Clear communication (KPI-driven comparisons, reporting)

• Teamwork with researchers and industrial stakeholders

Compétences

Compétences scientifiques et techniques :

• Gestion de flotte d’AMR et coordination multi-robots

• Théorie des jeux coopératifs appliquée à la décision (coalitions, négociation, partage de coûts)

• Simulation à événements discrets d’un entrepôt (FlexSim)

• Conception d’algorithmes et analyse de données en Python

• Intralogistique (transport interne, dispatching, recharge, congestion)

Compétences relationnelles :

• Autonomie et curiosité scientifique

• Rigueur de développement (tests, reproductibilité, documentation)

• Communication orientée indicateurs (KPIs) et résultats

• Travail en équipe (chercheurs/ingénieurs, partenaires industriels)

Research Work

Scientific context 

Warehouse intralogistics is rapidly automating with AMR fleets to inc