Сеул , Южная Корея, 2 октября 2025 г.: Южнокорейские исследователи разработали новую робототехническую систему, имитирующую обработку данных человеческой памяти, для повышения производительности автономных мобильных роботов в промышленных условиях. Эта технология позволяет роботам приоритизировать данные в режиме реального времени и отбрасывать устаревшую информацию, повышая эффективность навигации в логистических центрах и на интеллектуальных заводах. Исследование было проведено Институтом науки и технологий Кёнбук в Тэгу (DGIST) и опубликовано в журнале Journal of Industrial Information Integration.
В исследовании представлена модель «физического ИИ», основанная на концепции «распространения и забывания», вдохновлённой тем, как социальные проблемы возникают и исчезают со временем. Этот подход позволяет автономным роботам отфильтровывать устаревшие данные, такие как ранее встреченные препятствия, которые больше не существуют, тем самым избегая ненужных обходных путей и оптимизируя поток задач. Профессор Кён Джун Пак из Центра физического ИИ Немецкого института науки и технологий (DGIST) возглавил исследовательскую группу, в которую также входили Джиён Чэ и Санхун Ли. Группа сосредоточилась на улучшении кооперативных навигационных возможностей автономных мобильных роботов (AMR), которые широко используются в производстве, логистике и складских операциях.
Традиционные навигационные системы часто заставляют роботов менять маршрут, объезжая прежние препятствия, что снижает производительность даже после их преодоления. Для тестирования новой системы исследователи использовали симулятор Gazebo, воссоздающий логистическую среду. Производительность модели физического ИИ сравнивалась с широко используемой платформой ROS 2 (Robot Operating System 2). Новая модель продемонстрировала сокращение среднего времени в пути до 30,1% и увеличение производительности выполнения задач до 18%.
Южная Корея расширяет исследования в области робототехники с помощью новых альянсов
По словам исследователей , модель позволяет роботам обмениваться только высокоприоритетными данными, такими как местоположение текущего препятствия, постепенно забывая информацию, которая больше не актуальна. Такой выборочный обмен данными предназначен для снижения коммуникационной нагрузки внутри парка роботов и улучшения общей координации без необходимости внешних вычислений или облачной обработки. Система работает с использованием двумерных лидарных датчиков (LiDAR), что устраняет необходимость в дорогостоящем дополнительном оборудовании.
Система была разработана как плагин для ROS 2, что обеспечивает её простую интеграцию в существующие роботизированные платформы. Исследователи подчеркнули, что этот подход предназначен для работы в режиме реального времени, без зависимости от предварительно настроенных статических сред. Помимо улучшенной навигации, система предлагает потенциальные преимущества в виде снижения энергопотребления и износа механизмов за счёт исключения неэффективных маршрутов и ненужных остановок. Эти улучшения могут способствовать снижению эксплуатационных расходов в условиях высокой пропускной способности, где задержки и износ оборудования являются существенными факторами.
Производительность задач улучшена благодаря выборочной модели памяти
Технология разработана для непосредственного промышленного использования и совместима с существующей робототехнической инфраструктурой. Хотя первоначальные испытания проводились в условиях моделирования, исследователи отметили, что плагин теперь доступен для применения в коммерческих системах автоматизированного мониторинга и мониторинга (AMR). Эта разработка происходит на фоне возросшего интереса к робототехнике в Южной Корее . Ранее в этом году в стране был запущен альянс K-Humanoid Alliance — национальная инициатива, направленная на координацию исследований в области робототехники и искусственного интеллекта в академическом, промышленном и государственном секторах.
Исследование DGIST дополняет растущий портфель инноваций, направленных на повышение адаптивности и эффективности автономных систем в реальных условиях эксплуатации. Модель на основе физического ИИ представляет собой новый подход к обработке и использованию роботами данных об окружающей среде, уделяя особое внимание принятию решений в режиме реального времени и точности операций. Исследовательская группа сделала плагин общедоступным, чтобы облегчить его внедрение в различных отраслях, включая логистику, производство и разработку автономных систем. – Content Syndication Services .