Soul , Jižní Korea, 2. října 2025: Jihokorejští vědci vyvinuli nový robotický systém, který napodobuje zpracování lidské paměti, a zlepšuje tak výkon autonomních mobilních robotů v průmyslovém prostředí. Technologie umožňuje robotům upřednostňovat data v reálném čase a zahazovat zastaralé informace, čímž se zvyšuje efektivita navigace v logistických centrech a chytrých továrnách. Studie byla provedena Institutem vědy a techniky Daegu Gyeongbuk (DGIST) a publikována v časopise Journal of Industrial Information Integration.
Výzkum představuje model „fyzické umělé inteligence“, který vychází z konceptu „šíření a zapomínání“, inspirovaného způsobem, jakým se sociální problémy objevují a časem mizí. Tento přístup umožňuje autonomním robotům filtrovat zastaralá data, jako jsou dříve narážející překážky, které již neexistují, čímž se vyhnou zbytečným objížďkám a optimalizují se pracovní postupy. Výzkumný tým, jehož součástí byli Jiyeong Chae a Sanghoon Lee, vedl profesor Kyung-Joon Park z Centra fyzické umělé inteligence DGIST. Tým se zaměřil na zlepšení kooperativních navigačních schopností autonomních mobilních robotů (AMR), které se běžně používají ve výrobě, logistice a skladových operacích.
Konvenční navigační systémy často způsobují, že roboti objíždějí staré překážky, což snižuje provozní produktivitu i po odstranění překážky. Pro testování nového systému vědci použili simulátor Gazebo k vytvoření logistického prostředí. Výkon modelu fyzické umělé inteligence byl porovnán s široce používaným frameworkem ROS 2 (Robot Operating System 2). Nový model prokázal zkrácení průměrné doby jízdy až o 30,1 procenta a zvýšení propustnosti úkolů až o 18 procent.
Jižní Korea rozšiřuje výzkum robotiky s novými aliancemi
Podle výzkumníků model umožňuje robotům sdílet pouze data s vysokou prioritou, jako je například poloha aktuální překážky, a postupně zapomínat informace, které již nejsou relevantní. Toto selektivní sdílení dat je navrženo tak, aby se snížilo komunikační přetížení v rámci robotických flotil a zlepšila se celková koordinace bez nutnosti externích výpočtů nebo cloudového zpracování. Systém funguje na základě 2D LiDAR senzorů, což eliminuje potřebu drahého dodatečného hardwaru.
Byl vyvinut jako plugin pro ROS 2, což umožňuje snadnou integraci do stávajících robotických platforem. Výzkumníci zdůraznili, že tento přístup je navržen pro práci v reálném čase, bez závislosti na předem zmapovaných statických prostředích. Kromě vylepšené navigace nabízí systém potenciální výhody ve snižování spotřeby energie a mechanického opotřebení tím, že se vyhýbá neefektivnímu směrování a zbytečným zastávkám. Tato vylepšení by mohla přispět ke snížení provozních nákladů ve vysoce výkonných prostředích, kde jsou významnými faktory zpoždění a únava zařízení.
Propustnost úloh byla vylepšena díky modelu selektivní paměti
Technologie byla navržena pro okamžité průmyslové použití a je kompatibilní se současnou robotickou infrastrukturou. Počáteční testy byly provedeny v simulovaných prostředích, ale vědci poznamenali, že plugin je nyní k dispozici pro použití v komerčních systémech AMR. Tento vývoj přichází uprostřed rostoucího zájmu o robotickou automatizaci v Jižní Koreji . Začátkem tohoto roku země spustila K-Humanoid Alliance, národní iniciativu zaměřenou na koordinaci výzkumu v oblasti robotiky a umělé inteligence napříč akademickým, průmyslovým a vládním sektorem.
Výzkum DGIST doplňuje rostoucí portfolio inovací zaměřených na zvýšení přizpůsobivosti a efektivity autonomních systémů v reálném provozu. Model založený na fyzické umělé inteligenci představuje posun v tom, jak roboti zpracovávají a reagují na environmentální data, se zaměřením na rozhodování v reálném čase a provozní přesnost. Výzkumný tým zpřístupnil plugin veřejnosti, aby usnadnili jeho přijetí v řadě odvětví, včetně logistiky, výroby a vývoje autonomních systémů. – Content Syndication Services .