로봇 창고는 전자 상거래부터 자동차 생산에 이르기까지 다양한 산업의 공급망에서 필수적인 요소가 되었습니다. 그러나 이러한 창고 내 각종 로봇들의 움직임을 효율적으로 관리하는 것은 상당한 과제입니다. MIT 연구자들은 전통적인 경로 찾기 알고리즘들이 전자 상거래와 제조업의 요구 사항에 부합하지 못한다는 것을 발견했습니다. 이 문제에 대처하기 위해 그들은 인공지능을 활용하여 대규모 창고 내 교통 체증을 완화하기로 결정했습니다.
연구자들은 로봇 위치, 계획된 경로, 작업, 장애물과 같은 창고에 대한 중요 정보를 통합하는 딥러닝 모델을 개발했습니다. 이 모델은 혼잡 지역을 식별하고 혼잡을 해소하기에 가장 적합한 지역을 예측하여 전반적인 효율성을 향상시킵니다. 로봇을 작은 그룹으로 분할함으로써, 연구자들은 전통적인 알고리즘을 사용하여 각 그룹을 효과적으로 조정하고 혼잡을 해소할 수 있었습니다.
창고뿐만 아니라 임의의 장애물이 있는 공간, 건물 내부와 같은 미로 모양의 환경을 시뮬레이션하여 모델을 테스트하였습니다. 학습 기반 접근법이 비 학습 기반 방법보다 창고 혼잡을 최대 4배까지 빠르게 해소하는 것으로 나타났습니다. 또한 신경망을 실행하는 추가적인 계산 부하를 고려할 때에도 이 방법은 문제를 3.5배 빠르게 해결했습니다.
MIT의 주 저자이자 조교수인 Cathy Wu는 “우리는 이러한 창고의 규모와 복잡성에서 실시간 작업에 적합한 새로운 신경망 구조를 고안했습니다.”라고 말했습니다. Wu는 네트워크가 로봇 수백 대에 대한 정보를 효율적으로 부호화하며, 그들의 궤적, 출발지, 목적지 및 다른 로봇들과의 관계를 포함하고 있다고 설명했습니다.
로봇 수와 잠재적 충돌이 증가함에 따라 전통적인 검색 기반 알고리즘은 복잡성이 기하급수적으로 증가합니다. 온라인 작동 창고에서 필요한 매번 로봇의 경로를 약 100밀리초마다 다시 계획하는 작업이 신속한 작업을 요구하기 때문에 이러한 알고리즘에 도전적인 과제가 됩니다.
이어서 연구자들은 신경 모델에서 규칙 기반 통찰을 도출하여 간단한 의사 결정을 가능하게 하고 실제 로봇 창고 환경에서 구현 및 유지보수하는 것을 목표로 하고 있습니다. 아마존과 MIT 아마존 과학 허브의 지원을 받은 이 연구는 인공지능을 통해 창고 효율을 혁신할 수 있는 새로운 가능성을 열어줍니다.
The source of the article is from the blog zaman.co.at