Исследователи из MIT совместно с компанией Symbotic разработали инновационную систему управления роботами на складах, которая помогает избежать заторов и повысить скорость обработки заказов. Этот метод позволяет роботам эффективно распределять приоритеты и двигаться без задержек.
Искусственный интеллект на службе логистики
Новая система использует глубокое обучение с подкреплением, чтобы в реальном времени определять, какие роботы должны двигаться первыми. Это позволяет избежать пробок, даже когда в складском помещении работает множество роботов одновременно. В процессе обучения система анализирует различные сценарии и учится оптимально управлять движением роботов.
Координация в меняющейся среде
На складах, где роботы постоянно получают новые задачи, важно быстро перенаправлять их, чтобы избежать задержек. Традиционные алгоритмы, разработанные экспертами, не всегда справляются с этой задачей. Если происходит затор или столкновение, работа склада может быть приостановлена на несколько часов. Однако новая система способна быстро адаптироваться к изменениям и предугадывать возможные проблемы.
Преимущества гибридного подхода
Комбинируя машинное обучение и традиционные методы планирования, исследователи достигли значительного роста производительности. В симуляциях, основанных на реальных складских условиях, их система показала увеличение пропускной способности на 25% по сравнению с традиционными методами. Это позволяет избегать заторов и повышать эффективность работы склада.
Будущее складской автоматизации
Хотя система пока не готова к внедрению в реальной жизни, её успехи в симуляциях внушают оптимизм. В будущем исследователи планируют расширить возможности системы, включая автоматическое распределение задач между роботами, что позволит ещё более эффективно справляться с нагрузками.
Этот проект был поддержан компанией Symbotic и опубликован в «Journal of Artificial Intelligence Research».
