Massachusetts Amherst Üniversitesi’nden araştırmacılar, endüstriyel robotların işbirliğini optimize eden yeni bir yaklaşım geliştirdi. Bu yöntemin, büyük ve güçlü bir robottan ziyade, küçük robot ekiplerinin daha verimli çalışmasını sağladığı ortaya çıktı.
Endüstriyel ortamlarda robotlar, genellikle maliyet etkinliği sağlamak amacıyla birlikte çalıştırılır. Ancak, farklı yeteneklere sahip robotların koordinasyonu karmaşık bir süreç olabilir. Massachusetts Amherst Üniversitesi’nde gerçekleştirilen yeni bir araştırma, bu zorluğun üstesinden gelmek için robotların kendi aralarında daha etkili bir işbirliği yapmasını sağlayan bir yöntem geliştirdi.
Araştırmacılar, “Gönüllü Bekleme ve Alt Ekip Oluşturma ile Öğrenme” (LVWS) adı verilen bu yeni yaklaşımın, robotların görevleri daha hızlı ve verimli bir şekilde tamamlamalarına yardımcı olduğunu belirtti. Bu yöntem, robotlara belirli durumlarda diğer robotları beklemeyi ve birlikte hareket etmeyi öğretiyor. Örneğin, küçük bir görevi hemen yerine getirmek yerine, daha büyük bir görevi diğer robotlarla işbirliği yaparak tamamlamaları sağlanıyor.
LVWS yöntemi, bir bilgisayar simülasyonunda 18 görev verilen altı robotla test edildi. Bu testlerde LVWS, diğer yöntemlere kıyasla daha az optimal bir sonuç verse de, mümkün olan en iyi çözüme oldukça yaklaştı. Diğer yöntemler, mükemmel çözüme %11,8 ila %23 arasında düşük performans gösterirken, LVWS yalnızca %0,8 daha az optimal sonuç verdi.
Araştırmanın ortak yazarı ve UMass Amherst İnsan Merkezli Robotik Laboratuvarı’nın direktörü Dr. Hao Zhang, “Tek ve güçlü bir insansı robot mu yoksa işbirliği yapabilecek bir robot ekibi mi daha iyidir?” sorusunun uzun zamandır tartışıldığını belirtti. Zhang, araştırmanın sonuçlarının, küçük robotların işbirliği yaparak büyük görevleri birlikte tamamlamasının daha verimli olabileceğini gösterdiğini söyledi.
Bilgisayar bilimleri alanında doktora öğrencisi ve çalışmanın diğer yazarı Williard Jose ise, bu yeni yaklaşımın, büyük bir robotun belirli bir görevi yerine getirmesi yerine, küçük robotların işbirliği yaparak daha büyük görevleri birlikte tamamlamasının daha faydalı olduğunu ifade etti.
Araştırmacılar, LVWS yöntemiyle yapılan simülasyonlarda, 100 görevin yer aldığı senaryolarda görevlerin 22 zaman adımında tamamlandığını, diğer modellerin ise 23,05 ila 25,85 zaman adımında tamamlandığını belirtti. Bu bulgular, LVWS yönteminin karmaşık görevlerde daha verimli olduğunu gösteriyor.
