[加密 Nexus 社区]人工智能彻底改变了麻省理工学院的仓库效率

麻省理工学院的研讨人员在让库房更好、更快地工作方面取得了重大飞跃。

使用人工智能，他们找到了一种智能办法，能够让数百个机器人四处移动而不会相互磕碰，从而使整个体系愈加高效。

关于在线购物和轿车制造等职业来说，这是一件大事，因为快速将货物从 A 点运送到 B 点是要害。

库房的问题想象一下，企图管理一个巨大库房中的 800 个机器人，它们一起移动。

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，而不会发生任何磕碰。

这是一个即使是最好的计算机程序也很难处理的难题，因为事情开展得太快了。

麻省理工学院的团队使用他们所知道的缓解城市交通的常识并将其应用于这个问题。

他们创建了一个深度学习模型，研讨库房布局、机器人途径、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，他们就能够用更简略的办法更快地整理出每个组中的流量。

他们的体系清理机器人流量的速度比旧办法快了近四倍。

技能细节 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讨的幕后黑手。

他们规划了一种新的神经网络，能够处理数百个机器人的杂乱舞蹈。

它能够跟踪它们的途径、起点、终点以及它们之间的联系。

该体系的运转速度足以满足库房的需求，消除混乱。

在库房中，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。

因为稀有百人一起这样做，因此有必要防止溃散。

麻省理工学院的办法使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集体，网络能够预测在哪些方面放松最有协助。

然后，它会将这些斑驳逐个修复。

为什么重要 除了使库房运转更顺利之外，这种办法还能够协助完结其他大型规划任务，例如规划计算机芯片或在建筑物中铺设管道。

它是一种多功能工具，能够改动咱们处理杂乱问题的方式。

麻省理工学院的团队并没有就此停步。

他们期望让自己的体系愈加清晰、更易于使用，从杂乱的人工智能决策进程转向更简略、基于规则的处理方案。

这能够让他们更容易地将他们的发现应用到真实的库房和其他环境中。

专家观念 安德里亚·洛迪（Andrea Lodi）是一位德高望重的教授，并未参与这项研讨，他对麻省理工学院的工作表示赞赏。

他强调了其创新的技能组合，使其在处理空间和时间应战方面脱颖而出，而无需进行超级专业的调整。

成果令人印象深入，提高了处理方案的速度和质量，即使在新情况下也能正常工作。

麻省理工学院的最新研讨可能会改动库房的运作方式，使其更快、更高效。

这仅仅是个开端。

此时快讯

【Curve创始人关联地址再次向Binance充值150万枚CRV，价值110万美元】金色财经报道，据链上分析师@ai_9684xtpaCurve监测数据显示，Curve创始人Michael Egorov关联地址再次向Binance充值150万枚 CRV ，价值110万美元，2024.01.11 – 2024.03.04 期间，该地址累计向交易所充值了1250万枚CRV，均价0.609美元，总价值761万美元，该地址仍持有250万枚CRV。