在电商仓库中同时协调数百台机器人并非易事。图片来源：MIT

本报讯（记者张晴丹）在一个庞大的自动化仓库内，数百台机器人正在过道中穿梭，收集和分拣物品，以完成源源不断的客户订单。在这种繁忙的环境中，即便是微小的交通堵塞或轻微碰撞，都可能演变成严重的运行迟滞。为了避免这种低效状况的连锁反应，美国麻省理工学院（MIT）的研究人员与科技公司Symbotic合作开发了一种新方法，可让机器人车队平稳运行。近日，相关研究成果发表于《人工智能研究杂志》。

在模拟真实电商仓库布局的仿真环境中，这种新方法实现的吞吐量比其他方法高出约25%，并能够快速适应不同数量机器人或不同仓库布局的新环境。

“在制造业和物流领域的许多决策问题中，企业依赖的是专家设计的算法。但我们证明，借助深度强化学习的力量，可以实现超越人类的表现。”论文第一作者、MIT信息与决策系统实验室（LIDS）研究生Han Zheng表示。

MIT的研究人员首先设计了一个神经网络模型，用于观察仓库环境并决定如何为机器人设定优先级。当模型做出的决策能提高整体吞吐量的同时避免冲突时，它就会获得奖励。随着时间的推移，神经网络学会了高效地协调大量机器人。

“通过与受真实仓库布局启发的仿真环境进行交互，我们的系统获得了反馈，我们利用这些反馈使其决策更加智能。经过训练的神经网络随后能够适应布局不同的仓库。”Han Zheng解释说。

未来，研究人员希望将任务分配纳入问题框架中，因为决定哪台机器人完成哪个任务会影响拥堵状况。他们还计划将系统扩展到拥有数千台机器人的更大规模仓库中。

相关论文信息：

https://doi.org/10.1613/jair.1.20611