AlphaGo作者领衔，DeepMind新作登Science子刊

机械臂协作的科幻场景正成为现实。近日，DeepMind、Intrinsic AI和UCL等机构联合在《Science Robotics》上发表了一项新成果——RoboBallet（机器芭蕾）。这项技术将图神经网络（GNN）与强化学习结合，实现了多机械臂高效协作的突破。

RoboBallet最多可同时控制8个机械臂，协调56个自由度，并处理40个共享任务，每步规划仅需0.3毫秒。其核心创新在于将整个场景建模为图结构：节点代表机器人、任务和障碍物，边表示它们之间的关系。通过图神经网络作为策略网络，RoboBallet能够在复杂环境中完成任务分配、调度和运动规划，避免传统算法难以解决的高维复杂性问题。

该方法在随机生成的环境中训练后，可实现零样本迁移，适应不同机器人位置、障碍物形状和任务姿态的新场景。实验表明，RoboBallet在包含8个机械臂和40个任务的最大场景中，推理速度极快，每个规划步在NVIDIA A100 GPU上仅需0.3毫秒，比实时规划快300倍以上。此外，随着机械臂数量从4个增加到8个，任务执行时间减少了约60%。

值得一提的是，论文通讯作者Matthew Lai是DeepMind资深研究员，曾参与AlphaGo和AlphaZero等明星项目。RoboBallet的高速和可扩展性使其在工业自动化领域展现出巨大潜力，包括工作单元布局优化、容错规划以及在线感知重新规划等应用。

参考链接：
[1] https://x.com/GoogleDeepMind/status/1965040645103407572