Bis zu viermal schneller: Neue KI für Logistikroboter

Forschende des MIT Instituts haben ein neues neuronales Netzwerk entwickelt, das dafür sorgt, dass Logistikroboter in einem Lager schneller und effektiver umherfahren. Roboter in der Intralogistik sind ein riesiger Trend und immer mehr Unternehmen steigen in den Markt ein, sowohl aus Hersteller als auch als Anwender.

In einer Branche, die mit steigendem Arbeitspensum und fehlenden Fachkräften zu kämpfen hat, macht der Einsatz von Roboter natürlich viel Sinn, genau deshalb kommt es hier aktuell zu so einem Boom. Allerdings ist die Technologie noch nicht vollkommen ausgereift, und die Geschwindigkeit der Roboter ist oft noch verbesserungswürdig. Deshalb hat ein Forscherteam des MIT nun versucht, die digitale Steuerung von Logistikrobotern effektiver zu machen. Das Besondere daran war, dass die Forschenden eigentlich darauf spezialisiert sind, Verkehrsstaus zu verhindern und zu entschärfen, weshalb sie eine andere Sichtweise auf die Situation hatten.

Das Problem mit Lagerrobotern ist, dass viele Roboter gleichzeitig unterwegs sind. Jeder Roboter ist auf der Mission, eine Ware zu holen und dann dem menschlichen Arbeiter zu geben, damit der diese kommissionieren und verpacken kann. Bei einem Roboter ist das einfach, da aber teilweise hunderte Roboter in einem Lager umherfahren, kommt es zu vielen Halten oder Staus.

Herkömmliche Algorithmen sind oftmals nur auf die Vermeidung von Kollisionen ausgelegt und die Roboter suchen sich eine neue Route, wenn die eigene blockiert ist. Dabei ist die Routenplanung nicht auf Effizienz ausgelegt, sodass hier Zeit verloren geht, die sich natürlich auf Dauer summiert.

Genau für dieses Problem haben die Forscher des MIT also nach einer Lösung gesucht. Entwickelt wurde dann ein Deep-Learning Modell, das Daten und Informationen über das Lagerhaus, die Wege, die Roboter und der Aufgaben sammelt und kodiert. Das ermöglicht es der KI zu analysieren, welche Problembereiche es gibt und wie man hier für Verbesserungen sorgen kann. Durch diesen gezielten Fokus ist es möglich, mit relativ geringem Aufwand für große Verbesserungen zu sorgen.

Die Technologie ist mit maschinellem Lernen ausgestattet und unterteilt große Flotten in kleinere Gruppen. Danach wird vorhergesagt, in welchen dieser Gruppen es am meisten zu Staus kommen wird, und die Software ist dann darauf fokussiert, diese bestmöglich zu koordinieren.

In Praxistests hat sich die KI-basierte Steuerung bereits bewiesen, die Forscher setzten sie in fiktiven Lagern mit Hindernissen und teils labyrinthartigen Umgebungen ein. Nach Angaben des Forscherteams waren die Roboterflotten bis zu viermal schneller als nicht lernbasierte Ansätze.

Die Technologie soll nun weiterentwickelt werden und auch vereinfacht werden, damit sie leichter implementiert werden kann.