Исследователи из MIT и компании Symbotic разработали инновационную систему, которая позволяет управлять движением роботов на складе, избегая пробок и повышая скорость обработки заказов. Эта система выбирает, каким роботам дать приоритет в реальном времени, что помогает избежать заторов и повышает общую производительность.
Как работает новая система
Система использует методику глубокого обучения с подкреплением, чтобы решать, какие роботы должны двигаться первыми. Это позволяет адаптироваться к изменяющимся условиям на складе и предотвращать потенциальные заторы. Алгоритм быстро направляет роботов, чтобы они могли быстро реагировать на изменяющиеся условия.
Значительные улучшения в работе складов
В симуляциях, основанных на реальных планировках складов, новая система показала увеличение производительности на 25% по сравнению с традиционными методами. Это особенно важно для больших складов, где даже небольшое повышение производительности может привести к значительным улучшениям.
Гибридный подход: машинное обучение и алгоритмы
Система объединяет в себе мощь машинного обучения и проверенные алгоритмы планирования. Это позволяет эффективно решать сложные задачи, с которыми сталкиваются традиционные методы. Такой подход позволяет снизить трудозатраты на разработку алгоритмов и повысить их эффективность.
Будущее автоматизации складов
Хотя система еще не готова к внедрению на реальных складах, результаты показывают, что использование машинного обучения может значительно улучшить автоматизацию складских процессов. Исследователи планируют масштабировать систему для работы с большими складами и тысячами роботов, а также учитывать назначение задач для каждого робота, чтобы еще больше снизить заторы.
Это исследование было поддержано компанией Symbotic и опубликовано в Journal of Artificial Intelligence Research.
