在自動化制造領域，多個機械臂如何在充滿障礙物的共享空間中高效協(xié)作、避免碰撞，一直是困擾業(yè)界的難題。如今，一項發(fā)表于《科學·機器人學》（Science Robotics）的新研究，為這一難題提供了創(chuàng)新解決方案——由DeepMind、Intrinsic AI和倫敦大學學院等機構聯(lián)合開發(fā)的“機器芭蕾”（RoboBallet）系統(tǒng)，通過將圖神經(jīng)網(wǎng)絡（GNN）與強化學習結合，實現(xiàn)了多機械臂的協(xié)同運動規(guī)劃。

研究團隊介紹，傳統(tǒng)方法在處理多機器人任務分配、調(diào)度和運動規(guī)劃時，需分別解決三個子問題：任務分配需決定“誰做哪項任務”；任務調(diào)度需確定“任務執(zhí)行順序”；運動規(guī)劃則需在關節(jié)空間中尋找無碰撞路徑。這三個問題相互交織，導致計算復雜度呈指數(shù)級增長，工業(yè)界目前仍依賴人工規(guī)劃，效率低下且成本高昂。

RoboBallet的創(chuàng)新之處在于，它將整個場景建模為圖結構：機器人、任務和障礙物作為節(jié)點，節(jié)點間的關系（如相對位置）作為邊。例如，機器人節(jié)點間存在雙向邊以支持避碰協(xié)調(diào)，任務和障礙物節(jié)點到機器人節(jié)點則存在單向邊，用于傳遞環(huán)境信息。這種圖結構表示，使系統(tǒng)能夠動態(tài)適應不同數(shù)量的機器人和任務。

在算法層面，RoboBallet采用圖神經(jīng)網(wǎng)絡作為策略網(wǎng)絡，通過權重共享處理不同規(guī)模的圖輸入。系統(tǒng)以觀測圖為輸入，在每個時間步為所有機械臂生成關節(jié)速度指令，使其僅憑原始狀態(tài)輸入即可完成關系推理。為解決稀疏獎勵問題，研究團隊引入了“事后經(jīng)驗回放”（Hindsight Experience Replay）方法，使模型無需人工設計獎勵函數(shù)即可高效學習。

實驗中，研究團隊在模擬環(huán)境中部署了4至8個Franka Panda七自由度機械臂，測試場景包含40個任務和30個障礙物。與經(jīng)典RRT-Connect算法對比顯示，RoboBallet在多個關鍵指標上表現(xiàn)優(yōu)異：在訓練擴展性方面，任務數(shù)量增加四倍時，收斂所需訓練步數(shù)僅略有增加；在規(guī)劃速度上，8個機械臂和40個任務的最大場景中，每個規(guī)劃步在NVIDIA A100 GPU上僅需0.3毫秒，在單核CPU上約需30毫秒，均遠超實時需求；在協(xié)同效率上，機器人數(shù)量從4個增至8個時，平均執(zhí)行時間減少約60%。

更引人注目的是，RoboBallet展現(xiàn)了強大的零樣本泛化能力。模型在隨機生成的環(huán)境中訓練后，可直接遷移至具有不同機器人位置、障礙物形狀和任務姿態(tài)的新環(huán)境，無需額外訓練。這種特性使其能夠應用于工作單元布局優(yōu)化（任務執(zhí)行時間縮短33%）、容錯規(guī)劃和基于在線感知的重新規(guī)劃等場景。

研究團隊指出，RoboBallet的高速和可擴展性，為自動化制造提供了新的技術路徑。其每步0.3毫秒的規(guī)劃速度，足以支持10Hz時間步下的實時控制，而單GPU即可完成所有計算，顯著降低了部署成本。未來，這一技術有望進一步推動智能制造的發(fā)展。