Искусственный интеллект революционизирует эффективность складских операций в Массачусетском технологическом институте

Исследователи из Массачусетского технологического института совершили большой прорыв в повышении эффективности и скорости работы складов. Используя искусственный интеллект, они нашли умный способ заставить сотни роботов перемещаться без столкновений друг с другом, что значительно повысило эффективность всей системы. Это имеет большое значение для таких отраслей, как онлайн-торговля и автомобилестроение, где быстрая доставка товаров из пункта А в пункт Б имеет ключевое значение.

Проблема со складами

Представьте, что вы пытаетесь управлять 800 роботами на огромном складе, движущимися одновременно. Это сложная задача. Роботы должны поднимать товары и подготавливать их к отправке, не допуская столкновений. Это головоломка, которую даже лучшие компьютерные программы с трудом решают, потому что всё движется очень быстро.

Команда из MIT взяла свои знания о разгрузке городских пробок и применила их к этой проблеме. Они создали модель глубокого обучения, которая анализирует планировку склада, траектории движения роботов, выполняемые задачи и препятствия. Затем она определяет лучшие места для устранения заторов. Самое интересное, что они разделили роботов на небольшие группы. Таким образом, они могут быстрее распределять транспортные потоки в каждой группе, используя более простые методы. Их система устранила заторы с участием роботов почти в четыре раза быстрее, чем старые методы.

Технические характеристики

Кэти Ву, известная специалистка в области искусственного интеллекта и инженерии из Массачусетского технологического института, и Чжунся Янь, один из лучшихdent, стоят за этим исследованием. Они разработали новую нейронную сеть, способную обрабатывать сложный поток сотен роботов. Она может tracих траектории, начальные и конечные точки, а также их взаимосвязь. Эта система работает достаточно быстро, чтобы справляться с потребностями склада, устраняя хаос.

На складе, когда поступает заказ, робот захватывает товар и доставляет его работнику для упаковки. При одновременной работе сотен роботов предотвращение сбоев крайне важно. Подход MIT использует машинное обучение для быстрого выявления и разгрузки наиболее загруженных участков. Сосредоточившись на небольших группах роботов, сеть может предсказать, где разгрузка будет наиболее эффективной. Затем она устраняет проблемы в этих местах по одному.

Почему это важно

Помимо повышения эффективности работы складов, такой подход может помочь в решении других важных задач планирования, таких как проектирование компьютерных чипов или прокладка трубопроводов в зданиях. Это универсальный инструмент, способный изменить подход к решению сложных проблем.

Команда из MIT на этом не останавливается. Они хотят сделать свою систему еще более понятной и простой в использовании, перейдя от сложного процесса принятия решений с помощью ИИ к более простым решениям, основанным на правилах. Это может упростить применение их результатов в реальных складских помещениях и других условиях.

Мнения экспертов

Андреа Лоди, уважаемый профессор, не участвовавший в исследовании, высоко оценил работу MIT. Он отметил инновационное сочетание технологий , которое выделяет проект в решении пространственных и временных задач без необходимости в сверхспециализированных настройках. Результаты впечатляют: повышается скорость и качество решений, и они хорошо работают даже в новых условиях.

Новейшие исследования Массачусетского технологического института могут изменить принципы работы складов, сделав их быстрее и эффективнее. И это только начало. Разработанные здесь методы потенциально способны решить целый ряд сложных задач, что знаменует собой значительный шаг вперед в области искусственного интеллекта и логистики.