AIが産業ロボットの協調作業を最適化

Google DeepMind、Intrinsic、UCLの研究者たちは、複数の産業ロボットを安全かつ効率的に調整できるAIを開発しました。このアプローチは、複雑で時間のかかる手動ロボットプログラミングのプロセスを置き換えるための初期段階とされています。

Google DeepMind Robotics、ロボット企業Intrinsic、ロンドン大学（UCL）の研究者たちは、手動ロボットプログラミングの問題を解決するために「RoboBallet」というAI手法を導入しました。Alphabet傘下のIntrinsicによれば、現在世界の430万台の産業ロボットをプログラミングするのに1億時間以上がかかり、タスクやレイアウトが変わるたびにこの数値はリセットされます。この研究はScience Roboticsに発表されており、複数のロボットのための完全自動化された衝突のない調整を可能にすることを目指しています。

このチームのアプローチは、強化学習で訓練されたグラフニューラルネットワーク（GNN）を使用します。ロボット、タスク、障害物はグラフのノードとして表現され、システムがそれらの間の複雑な関係をモデル化できるようにします。数百万のシミュレーションシナリオで練習することにより、AIはロボットのための最適化された衝突のない経路を見つけることを学びます。研究者によれば、CADファイルと大まかなタスクの説明だけで開始できるとのことです。

実験室でのテストでは、RoboBalletは従来の方法や専門家が設計したソリューションよりも約25%優れた性能を示しました。Intrinsicによれば、効率の向上はロボットの数に応じて拡大し、ロボットの数を4台から8台に増やすと、平均タスク完了時間が60%短縮されました。

Intrinsicの最高科学責任者であるトルステン・クローガーは、この技術を製造業における適応的で非常に効率的な計画のための重要なステップと評価しています。目標は、人間が高レベルのタスクのみを定義し、システムが最適な順序を決定し、各ロボットのための衝突のない経路を生成することです。AI駆動の認識と組み合わせることで、リアルタイムの再計画も可能になるかもしれません。

このシステムはまだ実際の生産ラインでテストされていません。現在の制限事項には、異なる能力を持つロボットや厳密な順序を必要とするタスクを処理できない点が含まれます。