在現代製造業中，協調多個機械手臂的運作仍然是一項極具挑戰性的任務。在擁擠的工廠車間中，機器不僅必須與彼此共享空間，還要面對各種障礙物，同時以高速度運作。傳統上，這些規劃工作由人類專家負責，他們需要花費數百小時來編程，確保機器人之間不會發生碰撞並能完成任務。這個過程既繁瑣又容易出錯，且成本高昂。
不過，來自倫敦大學學院（UCL）、Google DeepMind和Intrinsic的一個研究團隊卻推出了一種替代方案。他們開發了一個名為 RoboBallet 的人工智能系統，能在幾秒鐘內為多個機械手臂規劃運動。這一創新承諾取代以往需要數周的手動工作，並開創全新的效率水平。該系統結合了強化學習和圖神經網絡的技術，通過試錯的方式學習，並在更快完成任務時獲得獎勵。圖形基礎的設計使其能將障礙物和任務視為網絡中的點，從而簡化協調的計算過程。
研究小組的主要作者兼倫敦大學學院及Google DeepMind的博士研究生Matthew Lai表示：“RoboBallet將工業機械手臂的操作轉變為一場編排的舞蹈，每個手臂以精確的動作、明確的目的和對隊友的意識進行協作。這不僅僅是避免碰撞，而是實現大規模的和諧。”在測試中，RoboBallet能夠在全新佈局下，快速解決多達40個任務，並且在幾秒鐘內產出高質量的計劃，這一成果遠超以往的規劃系統。
工廠在某一機器失效或佈局變更時，常常會陷入停頓。RoboBallet能夠立即適應，生成的新計劃速度是實時的數百倍。它還幫助製造商決定機器人的最佳擺放位置，以實現最大產出。隨著機器人數量的增加，傳統規劃工具往往因複雜性而崩潰，而RoboBallet則通過學習一般的協調規則來避免這一困境，而非僅僅記憶具體案例。團隊認為，這種可擴展性是其主要突破所在。
倫敦大學學院計算機科學副教授Alex Li指出：“在今天的工廠中，協調多個機械手臂的運作就像解決一個不斷變動的三維拼圖，每一個動作都必須完美地定時和放置，以避免碰撞。”他補充道，RoboBallet“能夠為全新的佈局即時生成計劃，這樣的速度和規模是專家手工製作無法比擬的。”
該系統的潛在應用範圍橫跨多個行業。汽車製造商、電子設備組裝商甚至建築公司都能部署協同工作的機械手臂團隊。目前，RoboBallet能處理焊接等達到目標的任務，未來的版本可能會針對取放操作、噴漆，或涉及嚴格任務順序的工作進行優化。不過，目前的版本尚未考慮具備不同能力的機器人或各類障礙物。研究人員表示，靈活的設計應該能夠在未來的版本中加入這些功能。
該項目由Google DeepMind和Intrinsic資助，並已開源其代碼庫，這一舉措可能會加速開發，並促進人工智能驅動的機器人規劃的廣泛採用。這項研究成果已發表在《科學機器人學》期刊上，進一步證明了人工智能在現代製造業中的潛力。
