麻省理工学院的研究人员在让仓库更好、更快地运转方面取得了重大飞跃。
利用人工智能，他们找到了一种智能方法，可以让数百个机器人四处移动而不会相互碰撞，从而使整个系统更加高效。
对于在线购物和汽车制造等行业来说，这是一件大事，因为快速将货物从 A 点运送到 B 点是关键。
仓库的问题想象一下，试图管理一个巨大仓库中的 800 个机器人，它们同时移动。
这是一项艰巨的工作。
这些机器人需要拾取物品并准备好运输，而不会发生任何碰撞。
这是一个即使是最好的计算机程序也很难解决的难题，因为事情发展得太快了。
麻省理工学院的团队利用他们所知道的缓解城市交通的知识并将其应用于这个问题。
他们创建了一个深度学习模型，研究仓库布局、机器人路径、工作和障碍物。
然后，它会找出缓解交通拥堵的最佳地点。
最酷的部分是他们将机器人分成更小的组。
这样，他们就可以用更简单的方法更快地整理出每个组中的流量。
他们的系统清理机器人流量的速度比旧方法快了近四倍。
技术细节 Cathy Wu 是麻省理工学院人工智能和工程领域的知名人士，而尖子生严忠夏是这项研究的幕后黑手。
他们设计了一种新的神经网络，可以处理数百个机器人的复杂舞蹈。
它可以跟踪它们的路径、起点、终点以及它们之间的关系。
该系统的运行速度足以满足仓库的需求，消除混乱。
在仓库中，当收到订单时，机器人会抓取该物品并将其交给工人进行包装。
由于有数百人同时这样做，因此必须避免崩溃。
麻省理工学院的方法利用机器学习来快速发现和缓解最繁忙的地点。
通过关注小型机器人群体，网络可以预测在哪些方面放松最有帮助。
然后，它会将这些斑点一一修复。
为什么重要 除了使仓库运行更顺畅之外，这种方法还可以帮助完成其他大型规划任务，例如设计计算机芯片或在建筑物中铺设管道。
它是一种多功能工具，可以改变我们解决复杂问题的方式。
麻省理工学院的团队并没有就此止步。
他们希望让自己的系统更加清晰、更易于使用，从复杂的人工智能决策过程转向更简单、基于规则的解决方案。
这可以让他们更容易地将他们的发现应用到真实的仓库和其他环境中。
专家观点 安德里亚·洛迪（Andrea Lodi）是一位德高望重的教授，并未参与这项研究，他对麻省理工学院的工作表示赞赏。
他强调了其创新的技术组合，使其在解决空间和时间挑战方面脱颖而出，而无需进行超级专业的调整。
结果令人印象深刻，提高了解决方案的速度和质量，即使在新情况下也能正常工作。
麻省理工学院的最新研究可能会改变仓库的运作方式，使其更快、更高效。
这仅仅是个开始。
