Исследователи из Гарвардской школы инженерных и прикладных наук выяснили, как повысить эффективность работы большого числа роботов в ограниченном пространстве. Работа опубликована в журнале Proceedings of the National Academy of Sciences.
Когда в тесном пространстве работает много роботов, они начинают мешать друг другу — сталкиваются и образуют заторы. Особенно остро она проявляется при выполнении срочных задач, где дорога каждая секунда.
Ученые предложили нестандартное решение: внести в движение роботов контролируемую степень случайности, или «шум». Для проверки гипотезы создали компьютерную модель, где роботы были «агентами» со случайными стартовыми позициями и пунктами назначения. Каждый агент после достижения цели получал новую задачу — это имитировало непрерывное распределение заданий в реальных системах.
Эксперименты показали четкую закономерность. При отсутствии шума агенты двигались по прямой и создавали пробки в узких местах, в ограниченных зонах скапливалось сразу несколько роботов. При слишком высоком шуме траектории агентов становились хаотичными и неэффективными, роботы делали много лишних перемещений. Однако в «золотой середине» система поддерживала стабильный поток. Имели место лишь кратковременные скопления, роботы быстро обходили друг друга.
Это может показаться нелогичным, ведь как случайность может облегчить работу? Но в данном случае, когда случайности много, можно брать средние значения — средние расстояния, среднее время, среднее поведение. Это значительно упрощает прогнозирование
На основе данных моделирования команда разработала формулы для оценки «коэффициента достижения цели» — количества выполненных задач за определенный период. Это позволило определить идеальное сочетание плотности роботов и уровня хаотичности их движения для разных сценариев.
В лабораторных экспериментах с реальными роботами (оснащенными QR-кодами для отслеживания перемещений) подтвердились основные закономерности: даже с учетом меньшей точности физических машин эффект «контролируемого хаоса» работал. У роботов были ограничения по скорости и маневренности, но принцип сохранялся — умеренная случайность в выборе пути снижала число столкновений.
Результаты исследования могут найти применение не только в робототехнике, но и в управлении транспортными и человеческими потоками — от заводских цехов до городских улиц и эвакуационных маршрутов. Подход открывает новые возможности для оптимизации систем, где множество объектов движется в ограниченном пространстве.
Ранее Наука Mail рассказывала, что роботы в Китае будут заряжать электромобили и подкачивать шины.
