- Los investigadores del MIT han desarrollado un sistema de IA para acelerar las operaciones en almacenes, ayudando a los robots a evitar colisiones.
- Este nuevo método funciona casi cuatro veces más rápido que las estrategias anteriores.
- También podría mejorar otras tareas complejas, como el diseño de chips informáticos.
Los investigadores del MIT han dado un gran salto para hacer que los almacenes funcionen mejor y más rápido. Utilizando IA, han encontrado una forma inteligente de permitir que cientos de robots se muevan sin chocar entre sí, haciendo que todo el sistema sea más eficiente. Esto es un gran avance para industrias como el comercio en línea y la fabricación de automóviles, donde mover cosas del punto A al punto B rápidamente es clave.
El problema con los almacenes
Imagina intentar gestionar 800 robots en un enorme almacén, todos moviéndose al mismo tiempo. Es un trabajo difícil. Estos robots necesitan recoger artículos y prepararlos para el envío sin ningún choque. Es un rompecabezas que incluso los mejores programas informáticos encuentran difícil de resolver porque las cosas se mueven tan rápido.
El equipo del MIT tomó lo que saben sobre aliviar el tráfico urbano y lo aplicó a este problema. Crearon un modelo de aprendizaje profundo que analiza la disposición del almacén, las rutas de los robots, los trabajos y los obstáculos. Luego, determina los mejores lugares para despejar los atascos de tráfico. La parte interesante es que dividieron a los robots en grupos más pequeños. De esta manera, pueden resolver el tráfico en cada grupo más rápidamente utilizando métodos más simples. Su sistema despejó el tráfico de robots casi cuatro veces más rápido que los métodos anteriores.
Detalles técnicos
Cathy Wu, una figura destacada en IA e ingeniería en el MIT, y Zhongxia Yan, un estudiante destacado, están detrás de esta investigación. Diseñaron una nueva red neuronal que puede manejar la compleja danza de cientos de robots. Puede rastrear sus rutas, puntos de inicio, puntos finales y cómo se relacionan entre sí. Este sistema funciona lo suficientemente rápido para mantenerse al día con las necesidades del almacén, atravesando el caos.
En un almacén, cuando llega un pedido, un robot toma el artículo y lo lleva a un trabajador para empaquetarlo. Con cientos haciendo esto al mismo tiempo, evitar choques es esencial. El enfoque del MIT utiliza el aprendizaje automático para detectar y aliviar rápidamente los puntos más congestionados. Al centrarse en pequeños grupos de robots, la red puede predecir dónde aliviar ayudará más. Luego, corrige esos puntos uno por uno.
Por qué importa
Más allá de hacer que los almacenes funcionen más suavemente, este enfoque podría ayudar con otras grandes tareas de planificación, como diseñar chips informáticos o instalar tuberías en edificios. Es una herramienta versátil que podría cambiar la forma en que abordamos problemas complejos.
El equipo del MIT no se detiene aquí. Quieren hacer que su sistema sea aún más claro y fácil de usar, pasando de un proceso de toma de decisiones de IA complejo a soluciones más simples basadas en reglas. Esto podría facilitar la aplicación de sus hallazgos en almacenes reales y otros entornos.
Opiniones de expertos
Andrea Lodi, un respetado profesor no involucrado en el estudio, elogió el trabajo del MIT. Destacó su innovadora combinación de tecnología que la hace destacar en la resolución de desafíos espaciales y temporales sin necesidad de ajustes superespecializados. Los resultados son impresionantes, mejorando la velocidad y la calidad de las soluciones y funcionando bien incluso en situaciones nuevas.
La última investigación del MIT podría cambiar la forma en que operan los almacenes, haciéndolos más rápidos y eficientes. Esto es solo el comienzo. Las técnicas desarrolladas aquí tienen el potencial de resolver una variedad de problemas complejos, marcando un paso significativo hacia adelante en IA y logística.
Si estás leyendo esto, ya vas por delante. Mantente así con nuestro boletín.
Aviso de responsabilidad. La información proporcionada no es un consejo de trading. Cryptopolitan.com no asumimos responsabilidad alguna por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente la investigación independiente y/o la consulta con un profesional calificado antes de tomar cualquier decisión de inversión.
Randa Moses
Randa Moses es editora y reportera en Cryptopolitan, donde cubre tecnología, IA, robótica, criptomonedas, estafas y ciberataques. Ha trabajado en el espacio de las criptomonedas desde 2017. Ocupó cargos en Forward Protocol, AmaZix y Cryptosomniac. Randa posee un grado en Ingeniería Eléctrica y Electrónica de la Universidad de Bradford.
