Российские ученые разработали платформу для оптимизации работы складов и доставок
Российские разработчики представили платформу, способную обучать роботов слаженно работать вместе. Новая среда под названием CAMAR, созданная специалистами Института AIRI и МФТИ, позволяет управлять тысячами роботов одновременно и уже получила высокую оценку на международной конференции AAAI-2026.
Источник изображения: pxhere
Система нацелена на решение практических задач, где нужна четкая координация движений большого количества участников. Речь идет об автоматизированных складах, где десятки роботов перемещают грузы, о городской логистике и беспилотном транспорте. Главное преимущество CAMAR перед аналогами заключается в высокой скорости вычислений. Платформа способна просчитывать более ста тысяч шагов симуляции за секунду.
Инженеры и исследователи могут задавать любые правила передвижения и создавать виртуальные карты любой сложности, будь то простой складской коридор или хаотичная городская застройка. И даже при такой гибкой настройке высокая производительность сохраняется.
Платформа дает возможность в одном месте сравнивать разные методы управления – от классических алгоритмов поиска пути до продвинутых моделей машинного обучения и их гибридов. Это помогает объективно понять, какая стратегия лучше сработает в конкретных условиях.
Проект уже выложили в открытый доступ с лицензией MIT, чтобы ускорить развитие исследований в сфере автономной логистики и робототехники.
Система нацелена на решение практических задач, где нужна четкая координация движений большого количества участников. Речь идет об автоматизированных складах, где десятки роботов перемещают грузы, о городской логистике и беспилотном транспорте. Главное преимущество CAMAR перед аналогами заключается в высокой скорости вычислений. Платформа способна просчитывать более ста тысяч шагов симуляции за секунду.
Инженеры и исследователи могут задавать любые правила передвижения и создавать виртуальные карты любой сложности, будь то простой складской коридор или хаотичная городская застройка. И даже при такой гибкой настройке высокая производительность сохраняется.
Платформа дает возможность в одном месте сравнивать разные методы управления – от классических алгоритмов поиска пути до продвинутых моделей машинного обучения и их гибридов. Это помогает объективно понять, какая стратегия лучше сработает в конкретных условиях.
Проект уже выложили в открытый доступ с лицензией MIT, чтобы ускорить развитие исследований в сфере автономной логистики и робототехники.
Читайте также:
Ctrl
Enter
Заметили ошЫбку
Выделите текст и нажмите Ctrl+EnterЧитайте также:
.jpg)
