Một hệ thống AI mới do các nhà nghiên cứu tại Massachusetts Institute of Technology phối hợp với Symbotic phát triển đang mở ra hướng đi đầy hứa hẹn cho ngành kho vận tự động: giúp hàng trăm robot trong kho hàng di chuyển trơn tru hơn.
Trong các kho logistics hiện đại, đặc biệt là thương mại điện tử, robot đóng vai trò trung tâm trong việc lấy hàng, phân loại và vận chuyển. Tuy nhiên, khi số lượng robot tăng lên hàng trăm hoặc hàng nghìn chiếc, việc điều phối di chuyển trở nên phức tạp. Chỉ một va chạm nhỏ hay điểm nghẽn ở lối đi hẹp cũng có thể gây hiệu ứng domino, làm chậm toàn bộ hệ thống và kéo theo chi phí lớn.
Hệ thống AI điều phối robot trong kho hàng mượt mà hơn, tối ưu vận hành. Ảnh: Midjourney
Để xử lý bài toán này, các nhà nghiên cứu đã phát triển một hệ thống điều phối lai, kết hợp học tăng cường sâu với thuật toán tối ưu truyền thống. Hệ thống sử dụng mạng nơ-ron để liên tục quan sát trạng thái kho – từ vị trí robot, hướng di chuyển đến mật độ giao thông – rồi quyết định robot nào cần được ưu tiên tại từng thời điểm. Nhờ đó, robot có thể “nhường đường” thông minh hơn, chủ động tránh ùn tắc trước khi sự cố xảy ra.
Mô hình này được huấn luyện bằng học tăng cường sâu – một phương pháp AI cho phép hệ thống học qua thử sai trong môi trường mô phỏng. Mỗi khi đưa ra quyết định tốt, giúp tăng số kiện hàng được xử lý hoặc giảm va chạm, mô hình sẽ được “thưởng”. Ngược lại, nếu gây tắc nghẽn hoặc làm giảm hiệu quả vận hành, hệ thống sẽ điều chỉnh chiến lược.
Sau hàng nghìn lần mô phỏng, AI dần học được cách phối hợp hàng loạt robot hiệu quả hơn nhiều so với cách lập lịch truyền thống.
Điểm đáng chú ý là hệ thống không chỉ phản ứng với tình huống hiện tại mà còn có khả năng dự đoán nguy cơ ùn tắc trong tương lai gần. Nói cách khác, nó không đợi đến khi tắc đường mới xử lý, mà chủ động nhận diện khu vực sắp quá tải để điều chỉnh luồng di chuyển từ sớm.
Đây là khác biệt quan trọng trong môi trường kho thông minh. Bởi trong thực tế, các robot không hoạt động theo lộ trình cố định: chúng liên tục hoàn thành nhiệm vụ cũ, nhận nhiệm vụ mới và thay đổi hướng di chuyển. Vì vậy, một hệ thống tối ưu hiệu quả phải có khả năng thích nghi liên tục với trạng thái động.
Theo Han Zheng, nghiên cứu sinh tại Phòng thí nghiệm Hệ thống Thông tin và Ra quyết định của MIT, cũng là tác giả chính của nghiên cứu, bài toán khó nhất không nằm ở việc điều khiển từng robot riêng lẻ, mà ở việc ra quyết định trong một môi trường mà tương lai luôn bất định.
Hệ thống không thể biết chính xác đơn hàng nào sẽ đến tiếp theo, khu vực nào sắp tăng tải hay robot nào sẽ trở thành điểm nghẽn. Vì vậy, điều quan trọng là khả năng đưa ra quyết định linh hoạt theo thời gian thực, thay vì chỉ tối ưu dựa trên kế hoạch cố định ban đầu.
Sau khi AI xác định mức độ ưu tiên cho từng robot, hệ thống sẽ sử dụng thuật toán lập kế hoạch cổ điển để tính toán đường đi cụ thể: robot nào đi lối nào, tăng tốc hay giảm tốc ra sao, thời điểm nào rẽ hoặc dừng.
Cách kết hợp này được xem là chìa khóa thành công của nghiên cứu. Nếu chỉ dùng AI thuần túy, bài toán sẽ quá phức tạp, khó đảm bảo tính ổn định trong môi trường thực tế. Ngược lại, nếu chỉ dùng thuật toán tối ưu truyền thống, hệ thống sẽ thiếu linh hoạt khi tình huống thay đổi nhanh.
Trong các mô phỏng lấy cảm hứng từ kho thương mại điện tử thực tế, hệ thống mới cho kết quả rất ấn tượng: tăng khoảng 25% năng suất xử lý đơn hàng so với các thuật toán truyền thống và cả phương pháp tìm kiếm ngẫu nhiên.
Nói cách khác, cùng một số lượng robot và cùng một không gian kho, hệ thống AI mới giúp xử lý được nhiều đơn hàng hơn đáng kể trong cùng khoảng thời gian. Đó là mức cải thiện rất lớn đối với ngành logistics, nơi chỉ cần tăng hiệu suất 2 – 3% cũng đã tạo ra lợi ích kinh tế đáng kể.
Tối ưu bằng AI – khác biệt nằm ở hiệu suất. Ảnh: Midjourney
Một ưu điểm lớn khác là khả năng thích ứng với nhiều loại kho khác nhau. Sau khi được huấn luyện, mô hình vẫn hoạt động tốt trong các môi trường mới mà nó chưa từng “gặp” trước đó: bố cục kho khác, số lượng robot khác hoặc mức độ mật độ giao thông khác.
Tuy nhiên, nhóm nghiên cứu cũng thừa nhận công nghệ này vẫn còn cách khá xa việc ứng dụng đại trà trong kho thực tế. Việc triển khai ngoài đời đòi hỏi tích hợp với hệ thống quản lý kho, hạ tầng cảm biến, quy trình an toàn và xử lý nhiều biến số phức tạp hơn.
Trong giai đoạn tiếp theo, nhóm muốn mở rộng hệ thống để giải quyết thêm bài toán phân công nhiệm vụ – tức là robot nào nên nhận đơn nào ngay từ đầu. Đây là yếu tố ảnh hưởng lớn đến luồng di chuyển tổng thể.
Ngoài ra, họ cũng đặt mục tiêu nâng cấp hệ thống để có thể điều phối hàng nghìn robot trong các siêu kho vận hành quy mô lớn.
Nghiên cứu này cho thấy AI không chỉ giúp doanh nghiệp tự động hóa tác vụ, mà còn có thể nâng cấp năng lực ra quyết định ở cấp độ hệ thống. Trong tương lai, những “bộ não giao thông số” như vậy có thể trở thành hạ tầng cốt lõi cho thế hệ kho thông minh mới – nơi robot không chỉ làm việc nhanh hơn, mà còn phối hợp với nhau hiệu quả như một dòng chảy được tối ưu liên tục.
(Nguồn: MIT News)
