Разработка улучшит работу роботов на складах и в системах городской логистики, сообщила пресс-служба Института искусственного интеллекта AIRI.
«Мы хотели создать инструмент, который одновременно быстрый, гибкий и приближенный к реальным условиям. Наш подход позволяет проверять, как сотни агентов взаимодействуют в ограниченном пространстве и делать это на скорости, которая раньше была недоступна», — заявил исследователь группы RL-агентов Лаборатории когнитивных систем ИИ AIRI Артем Пшеницын, чьи слова приводит пресс-служба института.
Как отмечают Пшеницын и его коллеги, многие практические задачи, для решения которых сейчас используются роботы или роботизированные транспортные средства, требуют координации усилий сотен и тысяч автономных машин. Для их обучения необходима специальная среда, которая позволяет моделировать поведение агентов и их взаимодействия друг с другом в максимально реалистичной и при этом очень разнообразной обстановке.
Для решения этой задачи российские ученые создали универсальную среду для обучения и тестирования CAMAR, которая в процессе симуляции активности роботов за каждую секунду расчетов одновременно просчитывает более 100 тыс. шагов движения. Система поддерживает корректную работу с 800 и более роботами, что позволяет обучать алгоритмы значительно быстрее и тестировать их в сложных сценариях с большим числом объектов.
Также данная система симуляции активности роботов является очень гибкой: разработчик может задавать собственные правила движения агентов и создавать разные типы карт — от простых складских помещений до плотной городской застройки. При этом даже при высокой степени настройки среда сохраняет высокую скорость работы, что позволяет сравнивать разные подходы к управлению роботами, разрабатывать гибридные решения и находить оптимальные стратегии для решения конкретных задач, подытожили исследователи.
