巨大な自律型倉庫内では、数百台のロボットが通路を駆け巡り、商品のピッキングと配送を行い、絶え間なく続く顧客の注文に応えています。この混雑した環境では、小さな交通渋滞や小さな衝突でも、大幅な速度低下につながる可能性があります。 このような非効率の雪崩を避けるために、MIT とテクノロジー企業 Symbotic の研究者たちは、ロボット群を自動的にスムーズに動かし続ける新しい方法を開発しました。彼らの手法は、渋滞の発生状況に基づいて各瞬間にどのロボットを最初に進めるべきかを学習し、行き詰まりそうなロボットを優先するように適応します。このようにして、システムは事前にロボットのルートを変更してボトルネックを回避できます。 ハイブリッド システムは、複雑な問題を解決するための強力な人工知能手法である深層強化学習を使用して、どのロボットを優先すべきかを判断します。高速で信頼性の高い計画アルゴリズムがロボットに命令を送り、刻々と変化する状況にロボットが迅速に対応できるようにします。 実際の電子商取引倉庫のレイアウトにヒントを得たシミュレーションでは、この新しいアプローチは他の方法と比べてスループットが約 25% 向上しました。重要なのは、このシステムは、ロボットの数や倉庫のレイアウトが異なる新しい環境にもすぐに適応できることです。 「製造業や物流業では、企業が人間の専門家によって設計されたアルゴリズムに依存しているため、多くの意思決定の問題があります。しかし、深層強化学習の力を使えば、超人的なパフォーマンスを達成できることを示しました。これは非常に有望なアプローチです。なぜなら、これらの巨大な倉庫では、生産量が 2 ～ 3% 増加するだけでも、学生やデータに精通した学生に大きな影響を与える可能性があるからです。」と Han Zheng 氏は言います。 MIT の Decision Systems (LIDS) であり、この新しいアプローチに関する論文の筆頭著者です。 Zheng […]