UMass Amherst는 자체 팀을 구성하는 로봇이 더 효율적이라고 말합니다.

다목적 로봇 대신, 로봇 팀은 협력하여 희소한 인간 근로자에게 지루하거나 위험한 작업을 실행할 수 있습니다. 그러나 일반적으로 이러한 작업을 실행하려면 미리 프로그래밍되거나 중앙 집중식 소프트웨어로 지시되어야 합니다. 매사추세츠 대학교 애머스트 캠퍼스(UMass Amherst)의 연구원들은 로봇이 스스로 팀을 만들고 자발적으로 팀원을 기다리도록 프로그래밍하면 작업을 더 빨리 완료할 수 있다는 것을 발견했습니다.

“모든 작업을 수행할 수 있는 단일 강력한 휴머노이드 로봇을 구축할 것인지, 아니면 협업할 수 있는 로봇 팀을 구축할 것인지에 대한 오랜 논쟁이 있습니다.”라고 그는 말했습니다. 장하오연구 저자 중 한 명입니다. 그는 UMass Amherst Manning 정보 및 컴퓨터 과학 대학의 준교수이자 인간 중심 로봇 연구실.

제조 환경에서 로봇 팀은 각 로봇의 역량을 극대화하기 때문에 비용이 덜 들 수 있다고 장은 말했다. 그러면 문제는 다양한 로봇을 어떻게 조정할 것인가이다. 어떤 로봇은 고정되어 있고, 어떤 로봇은 이동식일 수 있다. 어떤 로봇은 무거운 재료를 들어올릴 수 있고, 어떤 로봇은 작은 작업에 적합하다.

그만큼 대학교 연구자들은 로봇 스케줄링을 위한 그들의 접근 방식을 “자발적 대기 및 하위 팀 구성에 대한 학습”(LVWS)이라고 불렀습니다. 그들은 이것이 제조, 창고 및 농업의 자동화를 개선할 수 있다고 말했습니다.

그만큼 연구 다중 로봇 시스템 부문에서 최우수 논문상 후보로 선정되었습니다. IEEE 국제 로봇 및 자동화 컨퍼런스 2024.

UMass Amherst에서 LVWS 접근 방식 테스트

로봇 오케스트레이션 접근 방식을 테스트하기 위해 UMass Amherst 연구원들은 컴퓨터 시뮬레이션에서 6개의 로봇에 18개의 작업을 부여하고 LVWS 접근 방식을 다른 4가지 방법과 비교했습니다. 팀의 컴퓨터 모델은 가장 빠른 시간 내에 시나리오를 완료하기 위한 알려진 완벽한 솔루션을 가지고 있었습니다.

연구자들은 시뮬레이션을 통해 다양한 모델을 실행하고 각 방법이 이 완벽한 솔루션과 비교했을 때 얼마나 더 나쁜지 계산했습니다. 이 방법은 준최적성이라고 알려져 있습니다. 네 가지 비교 방법은 11.8%에서 23% 준최적성 범위에 있었고, 새로운 LVWS 방법은 0.8% 준최적성이었습니다.

하지만 로봇을 기다리게 하면 어떻게 전체 팀이 더 빨리 움직일까요? 연구자들은 로봇이 세 대 있다고 상상해 보세요. 각각 4파운드를 들어올릴 수 있는 로봇 두 대와 10파운드를 들어올릴 수 있는 로봇 한 대가 있다고 합니다. 작은 로봇 중 하나는 다른 작업으로 바쁘고, 옮겨야 할 7파운드 상자가 있습니다.

“큰 로봇이 그 작업을 수행하는 대신 작은 로봇이 다른 작은 로봇을 기다렸다가 함께 큰 작업을 수행하는 것이 더 유익할 것입니다. 왜냐하면 그 큰 로봇의 리소스가 다른 큰 작업을 수행하는 데 더 적합하기 때문입니다.”라고 설명했습니다. 논문의 저자인 Williard Jose. 그는 또한 컴퓨터 과학 박사 과정 학생입니다. 에서 매사추세츠 대학교 애머스트 인간 중심 로봇 연구실.

완벽한 솔루션이 있는데 왜 LVWS를 사용해야 합니까?

매사추세츠 대학교 애머스트 캠퍼스 연구원들은 비교를 위한 기준으로 완벽한 솔루션을 발견했지만, 이는 일반적으로 실제 로봇 리프팅 시나리오에서는 실행 가능하지 않습니다.

“그 정확한 솔루션을 사용하는 데 문제는 정말 오랜 시간이 걸린다는 것을 계산하는 것입니다.” 호세가 말했다. “더 많은 수의 로봇과 작업에서는 지수적으로 증가합니다. 적절한 시간 내에 최적의 솔루션을 얻을 수 없습니다.”

정확한 솔루션을 계산하기 어려운 100개 작업을 사용하는 모델을 볼 때, 팀은 해당 방법이 비교 모델의 23.05~25.85개 타임스텝이 아닌 22개 타임스텝으로 작업을 완료했다고 보고했습니다. 프로덕션 환경에서 효율성이 증가하면 차이가 생길 수 있습니다.

장 말했다 그는 이 작업이 로봇 기술의 발전에 도움이 되기를 바란다. 팀 구성특히 규모 문제가 작용할 때 그렇습니다. 예를 들어, 그는 단일 인간형 로봇은 단독 주택의 작은 면적에 더 잘 맞을 수 있습니다. 다중 로봇 시스템 특수한 작업이 필요한 대규모 산업 환경에는 더 나은 옵션입니다.

이 연구는 다음에 의해 자금 지원되었습니다: DARPA 이사 펠로우십 및 미국 국립 과학 재단 CAREER 상.

게시물 UMass Amherst는 자체 팀을 구성하는 로봇이 더 효율적이라고 말합니다. 처음 등장 로봇 리포트.