Специалисты Института искусственного интеллекта AIRI создали универсальную среду для обучения и тестирования алгоритмов управления множеством автономных агентов.
Разработка позволяет решать задачи, требующие координации движения тысяч роботов одновременно, что значительно улучшит их работу на складских комплексах и в системах городской доставки. Об этом сообщила пресс-служба института.
«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», — приводит пресс-служба слова исследователя группы RL-агентов Лаборатории когнитивных систем ИИ AIRI Артема Пшеницына.
Как пояснили разработчики, многие практические задачи, в которых сегодня задействованы роботы или роботизированные транспортные средства, требуют согласованных действий сотен и тысяч автономных машин. Для их эффективного обучения необходима специальная среда, способная моделировать поведение агентов и их взаимодействие в максимально реалистичных и разнообразных условиях.
Созданная учеными система CAMAR за каждую секунду симуляции способна просчитывать более 100 тысяч шагов движения. Платформа поддерживает корректную работу с 800 и более роботами, что позволяет обучать алгоритмы значительно быстрее и тестировать их в сложных сценариях с большим количеством объектов, сообщает ТАСС.
Система отличается высокой гибкостью: разработчик может задавать собственные правила перемещения агентов и создавать различные типы карт — от простых складских помещений до моделей плотной городской застройки. При этом даже при высоком уровне настройки среда сохраняет высокую производительность. Это дает возможность сравнивать разные подходы к управлению роботами, разрабатывать гибридные решения и находить оптимальные стратегии для выполнения конкретных задач, подытожили исследователи.
