В условиях современных складов, где сотни роботов перемещаются по узким коридорам, важно избегать задержек из-за пробок или столкновений. Новая система, разработанная учеными MIT совместно с компанией Symbotic, предлагает эффективное решение для этой проблемы.
Оптимизация работы роботов
Система использует глубокое обучение с подкреплением, чтобы определять, какие роботы должны иметь приоритет в движении. Это позволяет заранее избегать узких мест на пути и поддерживать бесперебойную работу всей системы.
Метод также включает надежный алгоритм планирования, который позволяет роботам быстро реагировать на изменения в окружающей среде. В результате, производительность складов увеличивается на 25% по сравнению с традиционными методами.
Преимущества для логистики
Такая технология особенно актуальна для больших складов, где даже небольшой прирост производительности может оказать значительное влияние. Благодаря адаптивности, система может быстро подстраиваться под новые условия, такие как изменение количества роботов или реорганизация складских помещений.
"В таких гигантских складах даже 2-3% увеличение производительности может иметь огромное значение," — отмечает Хан Чжэн, ведущий автор исследования.
Будущее автоматизации складов
Система прошла успешное тестирование в симуляциях, которые моделируют реальные условия работы складов. Планы на будущее включают в себя расширение системы для работы с тысячами роботов и интеграцию задач по распределению заданий между ними.
Исследование поддержано компанией Symbotic и опубликовано в Journal of Artificial Intelligence Research.
