Ученые разработали RoboBallet для координации работы промышленных роботов

Учёные Университетского колледжа Лондона и компании Alphabet разработали систему RoboBallet позволяющую промышленным роботам эффективно координировать свою работу Проект использует искусственный интеллект для оптимизации взаимодействия роботов предотвращая столкновения и достигая гармонии в их действиях Система успешно справляется с 40 задачами одновременно используя восемь манипуляторов в то время как существующие решения ограничены пятью роботами и десятью задачами Благодаря обучению с подкреплением RoboBallet может быстро планировать новые рабочие процессы что значительно сокращает время на это с нескольких дней до считанных секунд Хотя система ещё не тестировалась на реальных производственных линиях потенциал её масштабирования и адаптации к изменению условий делает проект многообещающим Более подробную информацию можно найти в статье Financial Times Источник изображений University College London Unlim AI

Учёные научили роботов танцевать вместе Система RoboBallet позволяет группе манипуляторов двигаться слаженно выполнять задачи быстрее и адаптироваться к изменениям на производстве

Google DeepMind показала как роботы учатся работать вместе с помощью обучения с подкреплением Учёные из UCL Google DeepMind и Intrinsic представили новый AI алгоритм RoboBallet систему которая позволяет нескольким роботизированным манипуляторам работать синхронно и без столкновений в сложной производственной среде В эксперименте участвовали 8 роботов каждый из которых мог выполнять 40 разных задач в одном общем пространстве Роботы могли брать любую задачу в любом порядке система сама решала кому что поручить и как построить безопасные траектории Алгоритм обучался в симуляции а затем сразу работал в новых условиях без дообучения zero shot Пока решение работает только для задач перемещения reaching без учёта порядка выполнения или разных типов роботов Однако архитектура гибкая в будущем возможно добавление сложных задач зависимостей и разнообразных роботов Один алгоритм смог координировать целую команду делая роботов гибкими и слаженными даже там где они раньше не работали Подробнее www science org doi 10 1126 scirobotics ads1204 ai machinelearning big data google robots ai rl

Google DeepMind создала ИИ для координации действий множества роботов Программирование промышленных роботов остаётся сложной задачей настройка каждого занимает много времени а управление несколькими машинами в одном пространстве требует огромных ресурсов и часто приводит к ошибкам Учёные из Google DeepMind Intrinsic и Университетского колледжа Лондона предложили решение этой проблемы Их система RoboBallet использует графовые нейронные сети и обучение с подкреплением чтобы строить безопасные траектории движения для группы роботов без столкновений В лабораторных испытаниях система повысила эффективность промышленных роботов на 25 hightech plus 2025 09 04 google deepmind sozdala ii dlya koordinacii deistvii mnozhestva robotov

Исследователи из Google DeepMind Robotics робототехнической компании Intrinsic и Университетского колледжа Лондона UCL представили метод искусственного интеллекта под названием RoboBallet для решения проблемы ручного программирования роботов По данным компании Intrinsic принадлежащей Alphabet программирование 4 3 миллиона промышленных роботов в мире в настоящее время занимает более 100 миллионов часов и эта цифра сбрасывается при изменении задач или макетов Исследование опубликованное в журнале Science Robotics направлено на обеспечение полностью автоматизированной координации работы нескольких роботов без столкновений В лабораторных испытаниях RoboBallet превзошёл традиционные методы и решения разработанные экспертами примерно на 25 По данным Intrinsic рост эффективности масштабируется с увеличением количества роботов при увеличении числа роботов с четырёх до восьми среднее время выполнения задачи сократилось на 60 Учишься балету робот

Google DeepMind представила алгоритм RoboBallet для командной работы роботов В рамках эксперимента восемь манипуляторов решали 40 различных задач самостоятельно распределяя обязанности и прокладывая безопасные маршруты Обучение проводилось в симуляции а в реальных условиях система функционировала без необходимости дополнительной настройки Роботы при этом действовали на 25 эффективнее превосходя традиционные методы Архитектура RoboBallet открывает возможности для масштабирования и внедрения более сложных операций с различными типами роботов Код системы открыт для научного сообщества что ускорит дальнейшее развитие всей области News Soft Gear Links