Ny metod för robotars samarbete förbättrar effektivitet, visar studie om ökad arbetskapacitet.
StockholmForskare vid University of Massachusetts Amherst har utvecklat en ny metod för robotar att samarbeta som kallas learning for voluntary waiting and subteaming (LVWS). Denna metod gör det möjligt för robotar att självständigt bilda team och vänta på sina lagkamrater, vilket leder till snabbare slutförande av uppgifter. Detta har viktiga fördelar för industrier som tillverkning, jordbruk och lagerautomation.
LVWS-metoden fungerar bättre än äldre schemaläggningsmetoder eftersom den tillåter robotar att hantera både stora och små uppgifter effektivt. Istället för att använda en kraftfull robot för alla uppgifter använder denna metod olika robotar, där varje robot är specialiserad på specifika uppgifter.
- Stationära robotar för fasta uppgifter
- Mobila robotar för transport och rörlighet
- Tunglyftande robotar för stora laster
- Precisionrobotar för mindre och detaljerade arbetsuppgifter
LVWS-metoden säkerställer att resurser används effektivt genom att fokusera på teamformation och frivillig väntan. Till exempel, i en fabrik, om en stor uppgift passar bäst för en tunglyftande robot, kommer denna robot att avvakta och undvika att utföra mindre uppgifter som lättare robotar kan hantera. Denna planerade schemaläggning ökar den totala produktiviteten.
LVWS är mycket effektivt när det gäller beräkning. Traditionella schemaläggningsmetoder tar avsevärt längre tid ju fler robotar och uppgifter som läggs till. Däremot fungerar LVWS bra även med många uppgifter. I tester med 100 uppgifter fullbordade LVWS dem på 22 steg, medan andra metoder behövde upp till 25,85 steg.
Robotar kan nu skapa grupper på egen hand och vänta på andra robotar. Denna förändring förbättrar deras förmåga att samarbeta, vilket gör dem bättre anpassade för att hantera verkliga problem.
Denna forskning kan bana väg för robotar som kan arbeta på fler platser. För mindre områden, som hem, kan en enda robot vara tillräcklig. Men för större platser, som fabriker och lager, är det fördelaktigt med flera robotar som utför olika uppgifter. Denna strategi ökar produktiviteten och minskar kostnaderna utan att kräva komplicerad schemaläggning.
Denna forskning presenterar nya metoder för att använda flerrobotssystem inom olika områden, vilket ger stora förbättringar i effektivitet och kostnadsbesparingar. Studien, som finansieras av DARPA och den amerikanska National Science Foundation, framhäver framsteg inom robotteknik och tar oss närmare en framtid där robotteam arbetar smidigt i komplexa miljöer.
Studien publiceras här:
http://dx.doi.org/10.1109/ICRA57147.2024.10610342och dess officiella citering - inklusive författare och tidskrift - är
Williard Joshua Jose, Hao Zhang. Learning for Dynamic Subteaming and Voluntary Waiting in Heterogeneous Multi-Robot Collaborative Scheduling. EEE International Conference on Robotics and Automation 2024, 2024 DOI: 10.1109/ICRA57147.2024.10610342Dela den här artikeln