Investigadores del Instituto de Tecnología de Massachusetts (MIT) y la empresa tecnológica Symbotic han desarrollado un sistema de inteligencia artificial capaz de gestionar en tiempo real el tráfico de robots en almacenes autónomos, reduciendo atascos y optimizando la eficiencia operativa.
El enfoque se centra en decidir qué robots deben tener prioridad en cada momento, evitando congestión y manteniendo fluido el movimiento de la flota. El sistema combina aprendizaje profundo por refuerzo, planificación adaptativa y redirección anticipada de robots, lo que permite identificar unidades en riesgo de bloqueo y darles paso antes de que se formen cuellos de botella.
En simulaciones basadas en diseños reales de almacenes de comercio electrónico, el método logró un aumento de aproximadamente un 25% en throughput, superando los algoritmos tradicionales y los métodos de búsqueda aleatoria. Además, la red neuronal se adapta rápidamente a entornos con distintos números de robots y configuraciones de almacén, demostrando flexibilidad y escalabilidad.
Inteligencia artificial, robots y tráfico en almacenes
El sistema híbrido utiliza una red neuronal que observa el estado del almacén para priorizar los robots y un algoritmo de planificación rápido que traduce esas decisiones en instrucciones de movimiento. De esta manera, los robots reaccionan con agilidad a condiciones cambiantes, evitando choques y embotellamientos que podrían ralentizar todo el flujo de trabajo.
El aprendizaje por refuerzo profundo permite al modelo aprender de la experiencia, recibiendo recompensas por decisiones que aumenten la productividad general y reduzcan conflictos. Con el tiempo, la red neuronal coordina cientos de robots simultáneamente, considerando tanto restricciones a largo plazo en sus trayectorias como las interacciones dinámicas entre ellos.
Tras entrenar el sistema, los investigadores lo evaluaron en almacenes simulados distintos a los usados durante el entrenamiento, logrando planes de ruta viables y evitando congestión incluso en escenarios de alta densidad de robots. Esto muestra que el enfoque es capaz de superar la complejidad exponencial que suele colapsar los métodos tradicionales.
Aunque todavía está lejos de implementarse en entornos reales, los investigadores planean incorporar la asignación de tareas y ampliar el sistema a almacenes con miles de robots. La investigación, publicada en el Journal of Artificial Intelligence Research, fue financiada por Symbotic y apunta a transformar la logística moderna mediante un control más inteligente y eficiente de las flotas robóticas.