В условиях современных складов, где сотни роботов пересекают ряды для выполнения заказов, даже небольшие заторы могут привести к значительным задержкам. Ученые из MIT и компании Symbotic разработали инновационный метод, который позволяет избежать таких проблем.
Искусственный интеллект на страже порядка
Новая система использует глубокое обучение, чтобы в реальном времени решать, каким роботам давать приоритет. Это помогает эффективно избегать заторов, перенаправляя роботов на менее загруженные маршруты.
Система не только предотвращает столкновения, но и увеличивает общую пропускную способность склада на 25% по сравнению с традиционными методами.
Как работает новая система
Основой системы является гибридный подход, который сочетает методы машинного обучения с классическими алгоритмами планирования. Модель нейросети обучается на симуляциях, имитирующих реальные условия работы складов.
Нейросеть анализирует текущее состояние склада и предсказывает потенциальные столкновения, распределяя задачи между роботами так, чтобы минимизировать заторы. Затем алгоритм быстро дает команды роботам, позволяя им мгновенно реагировать на изменения.
Преимущества и будущие планы
Система уже показала свою эффективность в условиях симуляций, но исследователи планируют ее дальнейшее развитие. В будущем они хотят учесть распределение задач между роботами и масштабировать систему для работы на больших складах с тысячами роботов.
Такие технологии могут значительно улучшить логистику и автоматизацию складов, что особенно важно для крупных компаний, стремящихся повысить эффективность своих операций.
Эта работа была поддержана компанией Symbotic и опубликована в Journal of Artificial Intelligence Research.
