盖世汽车讯 据外媒报道，伦敦大学学院（University College London，UCL）、谷歌DeepMind和Alphabet旗下软件和人工智能机器人公司Intrinsic的科学家们研发出一种强大的新人工智能算法，使大量机械臂能在繁忙的工业环境中更快、更智能地协同工作，有望为制造商节省大量的规划时间，并达到更高层次的灵活性和效率。

图片来源：伦敦大学学院

该系统名为RoboBallet，旨在协助在共享且充满障碍的空间（如装配线和工厂车间）中工作的自动化机器人团队，自动规划其运动轨迹和任务流程——同时避免机器人之间相互碰撞，或与周围环境发生碰撞。这一难题长期困扰着制造商；目前该工作由经过专门培训的人类程序员手动完成。这是一个极其繁琐且易出错的过程，每组任务需要耗费数百小时才能完成。

正如期刊《科学机器人学（Science Robotics）》的研究论文所述，RoboBallet系统通过强化学习（RL）训练基于图神经网络的机器人大脑。在RL框架下，机器人大脑通过试错学习，任务完成时获得“奖励”，完成速度越快奖励越高。

图神经网络是一种原生处理图结构数据的神经网络架构。其应用使机器人能够理解并推理周围环境的相关信息（将每个障碍物视为网络中的点，并以有序方式处理），从而规划出最有效的协作方案。图神经网络与强化学习均属于人工智能技术范畴。

在研究中，经过短短数天的训练，RoboBallet系统便能在数秒内生成高质量方案——即便面对从未接触过的复杂布局，也能运用八条机械臂完成多达40项任务，其能力远超以往系统。

该论文首席作者、伦敦大学学院计算机科学系兼谷歌DeepMind的博士研究员Matthew Lai表示：“RoboBallet系统使工业机器人像精心编排的舞蹈般协同工作，每条机械臂的动作均精准可控、目标明确，并能感知其他机械臂的动态。这不仅是为了避免碰撞，更是为了在大规模任务中实现完美协作。我们能够以舞蹈般的优雅与速度实现复杂多机器人规划的自动化，使工厂更具适应性、更加高效和智能化。”

RoboBallet能够以比实时速度快数百倍的速度规划机器人的动作。研究人员表示，这使工厂能在机器人故障或布局变更时即时调整。该系统还支持布局优化，帮助制造商确定机器人最佳放置位置以实现最高效率和吞吐量。

研究人员表示，该系统的可扩展性是重大突破。传统规划算法因复杂度呈指数级增长，难以处理涉及多台机器人的任务。RoboBallet系统基于图神经网络的架构使其能够学习协作的通用原则，而非记忆具体的任务情景，从而更适用于大规模工业应用。

伦敦大学学院计算机科学系副教授、论文合著者Alex Li表示："在当今的工厂中，协调多条机械臂如同解决动态三维拼图，每个动作都必须精准把控好时机与位置，以避免碰撞发生。目前这类规划需专家耗费数百个小时完成，且手动设计涉及成本极高。

“RoboBallet这个名称既体现了其优雅特质，也彰显了对多台机器人的应用能力。正如芭蕾舞者彼此间能完美协调，该系统的机器人如今也能以超越人类的精准度和优雅姿态相互协作——RoboBallet系统能以专家手工设计无法企及的规模和速度，即时生成布局全新的方案。”

用途:随着制造业不断向更灵活、更具适应性的生产模式发展，这项技术可应用于汽车制造、电子产品组装，甚至机器人建房等领域。它在需要机器人紧密协作且互不干扰的场景中尤为实用。

展望：当前版本的RoboBallet系统专注于“完成任务”——即机器人将手臂移动至特定点位以完成焊接等操作。研究人员表示，该技术可扩展至更复杂的操作，如拾取、放置或喷涂。研究人员还设想，未来的版本能够处理好任务依赖性、异构机器人团队协作以及更复杂的障碍物几何结构这些问题。

局限：该研究团队承认，RoboBallet系统尚未覆盖所有可能的工厂任务情景。例如，当前的版本无法处理好必须按特定顺序执行或适配不同能力机器人的任务。但研究人员相信，这些功能可在后续版本中实现，且该系统的灵活架构使其极易增强此类功能。

免责声明：本站登载此文仅出于信息分享，并不意味着赞同其观点及其描述，不承担侵权行为的连带责任。如涉及版权等问题，请与我们联系（联系QQ：26887486），我们将及时删除处理。
本文链接：https://www.yunlianauto.com/article/53/52531.html