系統Roboballet允許機器人手一起工作，就像一個良好的編舞舞

來自UCL，Google DeepMind和Instinic的科學家開發了一種新的強大的AI算法，該算法允許大量的機器人武器在生動活潑的工業條件下更快，更聰明地工作，這有可能節省數百個小時的計劃小時的生產者，並釋放新的靈活性和效率。

開發了稱為Roboballet的系統，以幫助在充滿障礙物（例如裝配線和工廠地板）的公共房間工作的自動機器人團隊，以自動計劃其運動和彼此碰撞或環境碰撞的任務。

這是一個長期以來一直遭受製造商的問題。目前，這項工作由手動培訓的人類程序員進行。這是一個非常乏味的，並且會出現錯誤的過程，每組任務需要數百小時。

如研究中所述 紙 v 科學機器人技術Roboballet使用增強培訓（RL）教授腦腦神經網絡的Grabov。在RL的框架內，在執行任務時，機器人的大腦研究通過試驗和錯誤並獲得“報酬”，並更高的獎勵以更快地實現它們。

圖形神經網絡是神經網絡的體系結構，它以時間表的形式按時間表進行。它的使用使機器人可以理解和談論他們的環境（以有組織的方式將每個障礙視為網絡上的一個點），以便他們可以開發最有效的合作方式。神經網絡和增強培訓都是AI方法。

在這項研究中，經過幾天的培訓，Robobalet能夠在幾秒鐘內為複雜的佈局制定高質量的計劃，他從未見過，通過八個機器人武裝武裝武裝解決了多達40個任務，超出了以前系統的功能。

主要作家Matthew Lai，哲學博士。 UCL計算機科學和Google DeepMind的研究人員說：“ Roboballet將工業機器人技術變成了舞蹈舞蹈，每隻手都以其隊友的準確性，目標和意識來移動。這不僅在於避免發生事故；我們在談論在規模上實現和諧。

“這是我們第一次可以用優雅和舞步的幾個機器人自動化複雜的計劃，從而使工廠更加適應性，有效和聰明。”

Roboballet可以比實時計劃機器人運動數百倍。研究人員說，如果機器人失敗或佈局發生變化，這可以允許工廠立即改編。 Robotballet還確保了佈局的優化，幫助製造商決定將機器人放置在何處，以最大程度地效率和吞吐量。

研究人員說，該系統的可伸縮性是一個嚴重的突破。傳統的計划算法正在努力應對複雜性指數增長的多個機器人。在Roboballet計劃的基礎上，Roboballet架構使您可以研究協調的一般原則，並且不記得特定的方案，這使其適合於大規模的工業用途。

來自UCL計算機科學的同事Alex Lee說：“在現代工廠中，幾種機器人武器的協調與解決移動的3D頭部相同，每個動作都應經過完美計算並避免衝突。現在，此計劃需要數百小時和昂貴的設計。

“這個名字，Roboballet，反映了我們可以使用如此多的機器人的優雅和能做的。就像芭蕾舞舞者彼此完全和諧相同的方式，我們的機器人現在可以與超人的準確性和重力 – 重力Bobballet可以立即為全新的模型和速度帶來超級新模型和速度，從而獲得專門的專業範圍。

為什麼可以使用它？

由於生產繼續朝著更靈活和適應性生產的方向發展，因此該技術可用於汽車的生產，以及電子產品的組裝，甚至在帶有機器人的建築房中。這在機器人應該彼此緊密合作而不會相互干擾的地方特別有用。

接下來是什麼？

雖然當前版本的Roboballet專注於機器人將手移到焊接等任務的一定程度的任務的執行，但研究人員說，它可以擴展到更複雜的操作，例如採摘或繪畫。研究人員還代表了處理任務依賴，異質機器人團隊和更複雜的障礙幾何形狀的未來版本。

限制

該團隊承認Roboballet尚未處理所有可能的工廠場景。例如，目前，它沒有考慮到應以一定順序執行的任務或具有各種功能的機器人執行的任務。但是他們認為可以在以後的版本中添加這些功能，並且系統的靈活體系結構使其非常適合此類改進。