详细内容或原文请订阅后点击阅览
人工智能系统学习保持仓库机器人交通平稳运行
这种新方法可以随时决定哪些机器人应该获得通行权，从而避免拥堵并提高吞吐量。
来源:MIT新闻 - 人工智能在一个巨大的自主仓库内，数百个机器人沿着过道飞驰，收集和分发物品，以满足源源不断的客户订单。在这个繁忙的环境中，即使是很小的交通拥堵或轻微碰撞也会像滚雪球一样导致严重的减速。
为了避免这种雪崩式的低效率，麻省理工学院和科技公司 Symbotic 的研究人员开发了一种新方法，可以自动保持机器人车队平稳移动。他们的方法根据拥堵的形成情况来了解每个时刻哪些机器人应该先行，并调整即将陷入困境的机器人的优先级。这样，系统可以提前重新规划机器人路线，以避免出现瓶颈。
混合系统利用深度强化学习（一种用于解决复杂问题的强大人工智能方法）来确定应优先考虑哪些机器人。然后，快速可靠的规划算法向机器人提供指令，使它们能够在不断变化的条件下快速响应。
在受实际电子商务仓库布局启发的模拟中，这种新方法的吞吐量比其他方法提高了约 25%。重要的是，该系统可以快速适应不同数量的机器人或不同的仓库布局的新环境。
“在制造和物流领域，公司依赖人类专家设计的算法，存在很多决策问题。但我们已经证明，借助深度强化学习的力量，我们可以实现超人类的表现。这是一种非常有前景的方法，因为在这些巨型仓库中，即使吞吐量增加 2% 或 3% 也会产生巨大影响，”麻省理工学院信息与决策系统 (LIDS) 实验室 (LIDS) 的研究生、该新方法论文的主要作者韩正说道。
重新路由机器人
同时协调电子商务仓库中的数百个机器人并不是一件容易的事。
随着时间的推移，神经网络学会有效地协调许多机器人。