Исследователи Института AIRI и МФТИ разработали CAMAR — универсальную среду для обучения и тестирования алгоритмов управления большим числом автономных агентов. Разработка ориентирована на ускорение исследований и внедрение технологий автономной логистики и робототехники.
CAMAR способен координировать движение тысяч агентов одновременно. Такие сценарии характерны для автоматизации складов, городской логистики и систем автономного транспорта, где агент должен добраться до своей цели и не столкнуться с другими участниками движения.
Ключевые особенности и возможности:
- CAMAR за 1 секунду в симуляции просчитывает более 100 тысяч шагов движения, заявили разработчики. Это почти 3 реальных часа работы 32 роботов на сортировочном складе. Система поддерживает корректную работу с 800 и более роботами.
- Пользователь может задавать собственные правила движения агентов и создавать разные типы карт: от простых складских помещений до плотной городской застройки. По умолчанию система включает набор готовых сценариев и моделей движения.
- CAMAR позволяет сравнивать разные подходы к управлению: как обучаемые методы ИИ, так и классические алгоритмы поиска маршрута. Поддерживаются гибридные решения, где традиционные методы и обучение работают совместно.
- Проект распространяется как open-source под лицензией MIT и доступен для исследователей и компаний.
«Мы хотели создать инструмент, который одновременно быстрый, гибкий и приближенный к реальным условиям. CAMAR позволяет проверять, как сотни агентов взаимодействуют в ограниченном пространстве, и делать это на скорости, которая раньше была недоступна», — отмечает Артем Пшеницын, исследователь группы RL-агентов Лаборатории когнитивных систем ИИ Института AIRI.