新的研究发现，教导机器人自主组建团队并耐心等待同伴的做法，可以更快地完成任务，展现出制造业、农业和仓库自动化进步的前景。
马萨诸塞大学阿默斯特分校的最新研究表明，当机器人被编程以组建自己的团队并愿意等待同伴时，它们能更快地完成任务。这项研究被认可为2024年IEEE国际机器人与自动化会议多机器人系统最佳论文奖的决赛入围作品。
据马萨诸塞大学阿默斯特分校曼宁信息与计算机科学学院的副教授、人性化机器人实验室主任Hao Zhang表示：“关于我们是否应该开发一个强大的类人机器人来处理所有任务，还是利用协作机器人的团队，一直存在辩论。”
在制造业中，雇佣一个机器人团队通常可以更具成本效益，因为这能够优化每个机器人的优势。主要的挑战在于协调一个多样化的机器人组——其中一些可能是固定的，而另一些是移动的；有些可以处理重物，其他的则擅长轻量任务。
为了解决这一问题，Zhang及其团队提出了一种机器人调度的新方法，称为自愿等待和子团队学习（LVWS）。
“机器人面临的任务与人类类似，”Zhang解释道。“以一个大箱子为例，太重而无法由一台机器人单独搬运。在这种情况下，多个机器人必须协作。”
自愿等待的概念在这里也至关重要。“我们希望机器人具备主动等待的能力。如果它们总是急于完成较小的即时任务，可能永远不会处理更大的工作，”Zhang详细说明。
在对LVWS策略进行实验时，研究人员给六台机器人分配了18个任务，并在计算机模拟中将LVWS方法与四种替代技术进行了比较。模拟包含了一个明确的、最佳的解决方案，以最快的方式完成任务。团队评估了每种方法与这一理想解决方案的表现，这一度量被称为次优性。
评估发现，竞争方法的次优性范围在11.8%到23%之间。相比之下，创新的LVWS策略仅显示出0.8%的次优性。“我们的解决方案非常接近理论最优，”论文的共同作者、在人性化机器人实验室攻读计算机科学博士的Williard Jose表示。
让一台机器人等待是如何提高整个团队的效率的呢？想象一下这样一种场景：你有三台机器人——其中两台能够各自举起四磅，而一台能够举起十磅。如果其中一台较轻的机器人正在忙，而有一个七磅的箱子需要搬动，
“对于较大的机器人来说，等待第二台较轻的机器人可能更有利，这样它们可以共同移动重箱子。这样，较大的机器人可以将精力集中在另一项更合适的任务上，”José解释道。
如果能够识别一个最佳解决方案，那么调度系统的必要性何在？“推导出这个精确解决方案的挑战在于，耗时较长，”Jose澄清道。“随着机器人和任务数量的增加，复杂性呈指数级增长。在合理的时间内找到精确的最优解是不可行的。”
在涉及100个任务的场景中，推导出确切解决方案是不切实际的，他们的方法在22个时间步骤内完成了任务，而其他方法则需要23.05到25.85个时间步骤。
Zhang期望这项研究将推动自动化机器人团队的演变，特别是在我们考虑扩展时。例如，单个类人机器人可能适合紧凑的家庭，而多机器人系统则能在需要专业能力的大型工业环境中表现出色。
这项研究得到了DARPA主任奖学金和美国国家科学基金会的CAREER奖的资助。
