如何協調一群機械手臂聯合且自動化作業，至今仍是製造業界之中，最為棘手且難解的問題。
在過去，機器人作業的規劃工作，大多都落到人類工程師身上，導致他們經常必須花費數百小時，只為對機台、機器人撰寫相關的作業程式碼。
為避免機械手臂之間互相碰撞，並且順利完成生產線上的任務，工程師撰寫程式碼與協調機器人運動的過程，通常十分繁瑣並容易出錯，成本亦十分高昂。
作業如同跳芭蕾，協調機械手臂互動
對此，英國倫敦大學學院、Google DeepMind 與機器人技術公司 Intrinsic，選擇利用 AI 技術打造全新系統，英文稱為 RoboBallet，中文直譯為「機器人芭蕾」，號稱可以在幾秒鐘之內，就替機械手臂群完成動作規劃，大幅降低工程師的時間開銷，為工廠帶來極高的效率提升。
DeepMind 研究員 Matthew Lai 向外媒表示，RoboBallet 將工業機器人的動作，變成了一場精心編排的舞蹈；這套系統不僅使每條機械手臂的移動，全都變得更精準且具備目的性，甚至還能感知隊友即其他機械手臂的動作。
換句話說，RoboBallet 系統所瞄準的目標，並非只是為了避免機械手臂之間互相碰撞，更是為了實現大規模的協調性生產作業。
導入 AI 突破限制，規劃工作只要數秒
RoboBallet 結合了強化學習與圖像化神經網路（GNN）技術，並藉由試誤法將機械手臂可能遇到的不同場景，直接輸入機器人大腦，推論後找出最佳結果。
此外，當 AI 系統順利完成任務，或者處理效率比之前更好，工作時間較先前更短，系統就會給予正面的獎勵訊號，引導 RoboBallet 不斷進步。
Matthew Lai 指出，相較於現行技術通常得動用 5 台機器人執行 10 項任務，RoboBallet 可以規劃並指揮 8 條機械手臂，自動化完成多達 40 項工作，甚至僅需數秒鐘，就能協調、規劃出全新工作流程，遠勝傳統系統的數天時間。
RoboBallet 的另一項優點，在於 AI 所學習的協調方法是「原則」，而非只記憶特定場景再找出解決方案，這賦予了 RoboBallet 大規模工業應用所需要的適應性，使系統可以應對生產線上的各種變化，進行後續的彈性調整。
實際應用尚有難題，期盼不斷進化
Intrinsic首席科學長 Torsten Kroeger 直言，RoboBallet 絕對是人工智慧技術發展至今的里程碑之一，更是真正具備適應性與超高效率規劃相關技術，精準應用於機器人與製造業領域的關鍵一大步。
RoboBallet 所展現出來的進步，有望於未來改變機器人的移動與導航方式，使它們能夠更快速的接受訓練，以承擔更加複雜的工作，快速適應環境變化。
技術專家期盼，當由機器人動作影像所組成的訓練資料庫日益擴大，將能持續提升機器人於生產線上的工作品質，就像大型語言模型不斷從文字檔案中汲取學習，提升準確度與效率一樣。
只不過，目前 RoboBallet 尚未部署於任何工廠的實際生產線，專家指出，主要限制在於單套系統無法處理能力各異的工業機器人，也無法執行需要按特定順序處理的任務，然而這些問題日後都能夠獲得整合、擴充與解決。
導入 AI 成趨勢，開源助力工業轉型
RoboBallet 將來的應用範圍有望涵蓋各行各業，如汽車製造商、電子產品組裝工廠，甚至建築公司都可以藉助這套系統，部署無縫協作的機械手臂團隊。
麻省理工學院教授 Russ Tedrake 認為，雖然 RoboBallet 在技術層面上，並沒有太過驚人的突破之處，但確實能夠比現有的作業方法，提供更快的任務處理速度，以及更高的系統部署效率。
Russ Tedrake 強調，RoboBallet 將是業界研究機器人運動規劃難題，試圖找出高效解決方案的重要部分，未來只要它運作足夠良好，肯定會變得非常有用。
特別值得一提之處在於，RoboBallet 專案是由 Google DeepMind 與 Intrinsic 所資助開發，因此官方也將其程式碼完整開源，希望藉此加速相關產業發展，並鼓勵機器人技術更廣泛的採用 AI 進行驅動，替工業轉型帶來實用能量。
【推薦閱讀】
◆ 讓機器人從「鐵塊」變「人類」？打造「柔軟肌肉」已成最新目標
◆ 通用機器人將來臨？波士頓動力人形機器人出現「意料之外」新技能
◆ 人形機器人是「技術展示品」還是「真實勞動力」？專家指發展關鍵在電池
＊本文開放合作夥伴轉載，參考資料：《FT》、《Interesting Engineering》，首圖來源：University College London
（責任編輯：鄒家彥）
