共同第一作者：周俊亦、罗蔓、陈林江
共同通讯作者：江俊、尚伟伟、陈林江
通讯单位：中国科学技术大学
DOI: 10.1039/D4DD00313F
在化学科学研究中，多名研究人员经常在同一实验室并行开展多种实验任务，这种工作模式依赖有效的任务管理和人员协作来优化工作流程。利用多机器人复现这一工作模式是实现机器化学家实验室高通量、全自主、智能化运行的关键所在。
近期，中国科学技术大学江俊教授、尚伟伟教授和陈林江教授团队提出了一种专为机器化学家实验室设计的多机器人多任务调度系统，旨在提升复杂化学实验的操作效率。该系统通过优化机器人与工作站之间的任务分配，促进了实验间的协调与并行处理，并允许在操作过程中动态插入新任务，从而增强了实验室的灵活性和响应速度。实际应用表明，当执行四个具有不同步骤数量、持续时间及样品吞吐量的化学实验时，该系统能够将总执行时间减少近40%，显著提高了实验效率。该工作标志着智能化学领域的一项重要进展，它不仅加速了科学发现的步伐，还提供了一个通用的系统框架，用于开发可以应对大规模科学研究任务的机器化学家实验室。该成果以“A multi-robot-multi-task scheduling system for autonomous chemistry
laboratories”为题发表在《Digital Discovery》上。
近年来，化学科学领域正在实验室自动化和机器人技术的推动下经历深刻变革，高通量平台、灵巧机械臂、移动机器人和自动化实验工作站等复杂自动化系统快速发展。在此背景下，研究人员已经开发了适用于不同场景的调度系统，如单机器人单任务、多机器人单任务以及单机器人多任务系统，以实现简单实验室任务的自动化流程迭代。
然而，为了真正复现传统化学实验室中“多研究人员多任务”的工作模式，机器化学家实验室还需克服“多机器人多任务”高效协作的挑战——这是当前尚未充分解决的问题。为此，研究团队提出了一种新颖的多机器人多任务调度系统。通过评估实验室的当前资源，系统高效处理研究人员提交的各种任务，生成最优调度计划。根据调度计划，任务被实时动态分配给多个机器人，从而实现高效的并行处理。这种方法不仅为机器化学家实验室提供了智能调度、自动化操作及同步执行的解决方案，而且显著提升了实验效率，减少了时间成本，促进了化学发现和技术革新。
1. 提出了具有批处理能力的柔性实验调度（Flexible Experiment Scheduling Problem with Batch-processing capabilities，FESP-B）模型，这是首次将具有复杂约束的化学实验任务建模为全局优化问题。该模型以最小化整体完工时间为目标函数，并通过一系列约束条件指导优化过程。这种全局视角使FESP-B能够有效处理任务间的依赖关系、资源限制和复杂的同步需求，从而生成最优的任务调度方案。
2. 基于FESP-B模型，进一步开发了多机器人多任务调度算法，并实现了相应的调度系统。通过将FESP-B的优化结果与多机器人调度算法相结合，系统能够自动化整个化学实验流程，显著提高实验室操作的效率和准确性。
图1
多机多任务调度系统概念图
在化学实验室场景下，完成一个化学实验任务，相当于将一个实验样品依次通过特定工作站进行预定的实验操作。其中的每个实验操作，包括合成、表征、测试等操作步骤，都可以被认为是对最终反应产物或实验结果的一次“组装”。按序完成所有操作，便意味着一次实验任务的完成。
图2 以三个具有不同参数的化学实验任务为例，概述了多任务调度问题的调度过程。图2a显示了这些任务的初始顺序，并突出了它们之间的差异。经过分析，图2b展示了根据5个约束规则，使用约束规划算法的调度过程，图2c显示了最终的多任务调度结果。
任务调度表为多个实验任务提供了清晰的执行计划。在机器人根据任务调度表执行任务时，一个时间指针从左端开始遍历，指导任务的执行。机器人必须在操作步骤的结束时间等于时间指针时从工作站中取出样品，并在开始时间等于时间指针时将样品放入工作站。由于任务内的操作步骤是顺序的，样品必须完成当前步骤后才能开始下一步。因此，在时间指针指示的时间点，机器人首先取出所有需要取出的样品，然后将需要开始下一步的样品放入相应的工作站。在任何给定的时间点，需要取出的样品按其所属的工作站分类，所有来自同一工作站的样品都分配给同一个机器人。如果机器人的数量与工作站类别的数量相匹配，则每个机器人被分配到一个指定的工作站以取出样品。如果机器人的数量少于工作站类别的数量，则处理较少样品的机器人会被分配额外的工作站。如果机器人的数量多于工作站类别的数量，则一些机器人保持空闲。需要放入工作站的样品由携带它们的机器人处理。如果多个机器人需要访问同一工作站而发生冲突，它们将轮流放置样品。
图2
（a）初始任务序列；（b）约束规划过程；（c）调度结果
为了评估多机器人多任务调度系统的效果，研究团队对四种不同类型的化学实验进行了模拟调度，每种实验具有独特的设置。具体来说：实验1包含3个任务，每个任务有11个步骤；实验2包括14个任务，每个任务有12个步骤；实验3由4个任务组成，每个任务有23个步骤；实验4涉及15个任务，每个任务有6个步骤。这些任务共使用了18个不同的自动化实验工作站，容量从1到20不等，单个步骤的处理时间从3分钟到720分钟不等。图3展示了在实验室中使用两个移动机器人对四种化学实验（共36个任务，即样品）进行优化的任务调度表。考虑了两种场景：（1）四种不同类型的实验按顺序执行，仅在每个实验内应用多机器人多任务调度（图3a）；（2）对所有四个实验中的任务应用完全并行的多机器人多任务调度（图3b）。在第一种场景中，顺序执行实验1（3个任务）需要1958分钟，实验2（14个任务）需要1413分钟，实验3（4个任务）需要829分钟，实验4（15个任务）需要324分钟，总计4524分钟。相比之下，完全并行调度仅需2912分钟，将总执行时间减少到顺序实验所需时间的64%，显著提高了时间效率。
图3
（a）不同实验间顺序进行、实验内并行调度的任务调度表；（b）不同实验间、实验内均并行调度的任务调度表
系统能够在现有任务运行期间动态处理新任务的插入。图4a展示了在完成初始四个实验后，进行新实验5的模拟场景，这四个实验是使用图3b中所示的跨实验并行调度方法调度的。在这种情况下，实验5耗时748分钟完成，导致所有五个实验的总完成时间为3660分钟。作为对比，图4b模拟调度了在第800分钟后动态地将实验5插入到初始四个实验的并行进行过程的情况。当插入新实验时，会触发任务重调度策略，将正在进行的实验中未完成的任务步骤与新添加的实验结合起来进行约束评估和优化，生成新的任务调度表。在此过程中，已完成的任务步骤不参与约束规划，其调度状态保持不变。因此，如图4b所示，第800分钟之前的调度计划保持不变；第800分钟后，原始调度中未完成的任务步骤与新添加的实验5一起被重调度。实验5的任务在插入后不久与其他实验并行开始，充分利用了空闲的可用资源。最终，总完工时间仅增加了39分钟，仅为不具备动态处理能力场景中增加时间的5.2%。这表明，高效的任务重调度显著提高了资源利用率和整体效率。
图4
（a）在四个实验完成后进行第5个实验的插入生成的任务调度表；（b）在四个实验进行过程中进行第5个实验的插入生成的任务调度表
为了实现从用户指定的实验到使用机器人和工作站精确执行化学实验任务步骤的无缝过渡，如图5所示部署多机器人多任务调度系统。首先，研究人员通过交互式图形用户界面（Graphical
User Interface，GUI）提交各种化学实验（图5a）。这些任务被添加到任务池中，并由多任务调度模块（图5b）进行处理，该模块根据任务间的依赖关系和约束条件将任务序列优化为调度表。之后，多机器人多任务调度模块利用该调度表以及机器人、工作站和操作记录的实时状态（图5c），评估每个任务的状态和进度，并将下一步骤分配给相应的机器人和工作站。
在整个任务执行过程中，时间指针管理任务的进展，随时间递增来指示从任务开始到完成的每个步骤。调度系统动态监控任务的运行状态以及工作站（图5d）和机器人（图5e）的状态。当机器人需要在工作站之间转移样品时，使用基于冲突的搜索（Conflict-Based Search，CBS）算法规划无冲突的最优路径进行导航。交互式任务管理GUI与调度系统保持实时通信，使用户能够实时查看任务状态、机器人状态、工作站状态和操作记录。
图5
（a）交互式图形用户界面；（b）多任务调度模块；（c）多机器人多任务调度模块；（d）工作站；（e）机器人
为了评估多机器人多任务调度系统在实际应用中的性能，研究团队精心设计并实施了四种具有代表性的化学实验，这些实验不仅涵盖了广泛的应用领域，还展示了不同的复杂性和操作要求：石墨相氮化碳（g-C
3
N
4
）的制备、五元金属有机高熵催化剂（MO-HECs）的合成、双元层状双氢氧化物（LDHs）的合成以及聚集诱导发光（AIE）材料的合成。
图6展示了四个实验的优化调度结果和执行时间。研究团队使用两种方法对这四个实验进行了两次实际执行，包括顺序执行和并行执行，以展示多机器人多任务调度算法的能力。顺序执行时，实验1耗时1947分钟，实验2耗时1316分钟，实验3耗时833分钟，实验4耗时252分钟。这些实验对工作站的需求存在显著重叠：实验2、3和4都需要磁力搅拌工作站；所有四个实验都需要液体工作站；实验1和3都需要PXRD工作站；实验2和3都需要吸液工作站、离心工作站和电催化工作站。当四个实验按顺序执行并结合各实验内的多机器人多任务调度时，总累计时间达到4348分钟（图6a）。相比之下，当跨四个实验进行完全并行的多机器人多任务调度时，总执行时间减少到2580分钟，与顺序执行相比节省了近40%的时间。
图6
（a）四个实验间顺序执行、实验内并行执行的任务调度表；（b）四个实验完全并行执行的任务调度表；（c）四个实验完全并行执行、并以工作站视角标注的任务调度表
研究团队成功开发并实现了一种多机器人多任务调度系统，专用于机器化学家实验室。该系统将多个机器人和工作站无缝集成，实现了多类型复杂化学实验任务的高效协调与并行操作。实验结果表明，与实验顺序执行相比，多机器人多任务调度显著减少了实验的总执行时间。此外，系统具备动态处理能力，可在执行任务过程中插入新任务，进一步提升了实验任务的效率和灵活性。
随着自动化与机器人技术在化学领域的飞速发展，单机器人执行单任务的现有普遍模式已难以满足多元实验并行以及规模化实验室对资源共享和高通量研究的需求。研究团队的“多机器人多任务调度”系统正加速在规模化机器化学家实验室落地。通过在实验室内的多台机器人与多台工作站之间灵活编排和协同，系统形成了高度并行的“集群式作业”模式。在此模式下，不同实验任务可同时展开，在最短时间内充分利用有限的实验资源，大幅提升效率与灵活性，并支持在操作过程中动态插入新任务，真正让自动化研究如同“多人合作实验室”般运转自如。集群式作业的核心是以智能调度为支点，将多种实验操作和机器人资源统筹安排。该系统如同一个“指挥中心”，对所有正在进行的实验进行全局分析，对各实验步骤进行排序、合并或并行化处理。通过这一过程，实验室可同时进行多个研究项目，并快速融入突发的新需求，实现高效实验通量与资源使用率的“双赢”。
目前，机器化学家领域发展迅猛，世界各国纷纷部署智能化的化学实验室，实验室内不同任务间的信息与资源共享成为关键技术需求。随着云端系统的加入，机器化学家实验室将进入一个新的阶段。在分布式与异步化的协作模式下，系统对多个、不同实验流程进行拆分与调度，跨越任务、时间甚至地域限制去调度、整合和适配实验与资源，极大扩充了科研探索的可能性。这种新组织形态可以确保大规模的机器化学家实验平台高效地运作、产生和累积海量数据，精进科学模型，并将这些方法与技术分发到广泛的分布式机器化学家实验网络，使研究者能更加便捷地开展个性化、跨学科的实验项目。随着“集中-分布”式模式的成熟，整个科学界将迎来新的范式：在全国乃至全球范围内，资源、知识与实验能力的统一调度将加快化学与材料创新的步伐。在这一宏大图景中，集群式作业与多机器人多任务调度将扮演不可或缺的“基础结构”与“加速器”角色，推动规模化机器化学家实验平台迈向更高层次的自主、协同与智联时代。
欢迎关注我们，订阅更多最新消息
