На складах, где сотни роботов заняты сбором и распределением товаров, даже небольшие задержки могут привести к значительным убыткам. Чтобы избежать таких проблем, специалисты из MIT и компании Symbotic разработали инновационный метод управления роботами.
Как работает новая система ИИ
Новое решение использует глубокое обучение с подкреплением, чтобы решать, какие роботы должны двигаться в первую очередь, избегая пробок на складе. Это позволяет системе заранее перенаправлять роботов, предотвращая заторы и увеличивая общую эффективность работы.
В основе этого метода лежит мощная нейронная сеть, которая обучается на симуляциях реальных складских условий. Она контролирует перемещения роботов, основываясь на текущих и будущих взаимодействиях между ними, что позволяет избегать возможных конфликтов.
Достижения и результаты
В симуляциях, вдохновленных реальными условиями работы крупных складов, новая технология показала увеличение производительности на 25% по сравнению с традиционными методами. Система быстро адаптируется к различным условиям, будь то изменения в количестве роботов или новая планировка склада.
Исследователи подчеркивают, что даже небольшое увеличение производительности на 2-3% может иметь огромное значение для складов, обрабатывающих тысячи заказов в день.
Планы на будущее
Хотя система пока не готова к внедрению в реальные условия, успешные тесты демонстрируют ее потенциал для автоматизации складов. В будущем планируется расширение системы для работы с еще большим количеством роботов и решением задач, связанных с назначением задач конкретным роботам для снижения заторов.
Исследование было поддержано компанией Symbotic и опубликовано в Journal of Artificial Intelligence Research.
