Компактная упаковка продукции в паллеты или корзины — задача, с которой сталкивается большинство производств. Если известно, что и куда нужно сложить, то найти оптимальный способ укладки — задача понятная, описанная (в математике она называется “задача о рюкзаке”) и решаемая вполне классическими методами. Нам она хорошо знакома — мы как раз недавно закончили разрабатывать подобное решение для одного из наших заказчиков.

Тем интереснее было наткнуться на разработку от коллег из AmbiRibotics. Их система AmbiStack решает всю ту же задачу о рюкзаке — размещает коробки разных размеров на паллеты так, чтобы занять как можно меньше места. Но вот ключевое отличие — заранее неизвестно сколько и какие коробки нужно будет уложить. То есть решение о том, куда положить очередную коробку приходится принимать в условиях неопределенности, угадывать. Такую задачу, наверное, можно в каком-то смысле назвать задачей о рюкзаке, но вот решить её классическими методами уже точно не получится.

AmbiStack использует компьютерное зрение и модель, обученную в симуляции по методу reinforcement learning. В процессе обучения системе предлагали коробки случайных размеров и предлагали уложить их в контейнер. Чем рациональнее было использовано пространство, тем выше было полученное вознаграждение. В результате получилось хорошо масштабируемое решение, подходящее для совершенно разных сценариев. Хороший пример того, как AI решает задачи там, где классические методы не работают. Кстати, вполне возможно, что подобная система окажется полезной и для кого-то из наших читателей — мы с удовольствием взялись бы за подобный проект.

Больше подобных новостей о роботах и AI в индустрии — в нашем канале