機器人導航改善了30％，模仿人們如何分發和忘記信息

研究小組開發了一種新的“物理AI”技術，該技術通過多個機器人提高了自動導航的有效性，建模擴散並忘記了社會問題。預計這一成就將成為提高物流中心，大型倉庫和智能工廠的自動移動機器人性能的關鍵技術。

有工作 出版 v 工業信息整合雜誌這項研究是由電氣工程和計算機科學系的Köng-June Park教授以及DGIST物理AI中心進行的。

自主移動機器人（AMR）在物流和生產地點的自動化中起著核心作用。但是，在實際操作中，出乎意料的障礙物，例如叉裝載器，工作中的上升或出乎意料的負載，通常會違反平穩運動。到目前為止，機器人僅對即時情況做出反應，因此調整了其路線，這導致了不必要的旁路和延誤，最終導致了性能下降。

為了解決這個問題，Köng-June Park教授的團隊將人類社會的獨特現像用於機器人。他們專注於某些事件或問題如何迅速傳播，然後逐漸被遺忘。團隊在數學上模擬了這一過程，並將其包括在機器人的集體智能算法中。因此，機器人自然能夠忘記不必要的信息，立即僅分享重要的細節並實現更有效的合作導航。

在實際實驗中，團隊使用了“涼亭模擬器”，該實驗重複了物流中心的環境。結果表明，與通常的導航ROS 2相比，新技術將任務的吞吐量提高到18.0％，並將平均駕駛時間減少到30.1％。這表明機器人不再只是避免障礙的汽車。他們變成了人工智能的物理系統，這些系統可以理解社會原則並自主工作。

該技術的另一個有價值的特徵是應用的簡單性。它只能使用沒有其他傳感器的2D LIDAR實現，並以與ROS 2導航玻璃兼容的插頭形式開發。這意味著它可以直接應用於現有的自動導航系統，而無需複雜的設備，這使您可以在工業條件下快速部署，例如無人車，自動駕駛汽車和物流機器人。特別是，預計他將在實施智能城市運動的聯合自動導航系統以及大型探索和救援行動中發揮重要作用。

Köng-June Park教授說：“我們模仿了忘記不必要的信息的社會原則，同時僅保留重要的信息以確保有效的運動。這項研究很重要，從某種意義上說明了物理AI如何發展以類似於人類的行為。”