MIT の研究者と技術企業シムボティックは、膨大な数の自律型ロボットが稼働する倉庫での交通渋滞を解消する新たな AI システムを開発しました。このシステムは、深層強化学習を活用して周囲の混雑状況を学習し、詰まりが発生しそうなロボットを優先的に通行させ、事前に迂回ルートを割り当てることで効率的な物流を実現します。研究チームは、実在する電子商取引倉庫のレイアウトを模したシミュレーション環境でテストを実施し、既存の手法と比較して 25% もスループット（処理能力）が向上したことを確認しました。特にロボット密度が高い環境では、従来のアルゴリズムが機能不全に陥る中で、本システムは卓越した性能を発揮しました。 このハイブリッド型アプローチでは、まずニューラルネットワークが倉庫内の状況を観察し、優先度の高いロボットを判断します。その後、迅速な計画アルゴリズムが各ロボットに具体的な移動指示を伝達し、動的に変化する環境下での即応を可能にしています。ミサチューセッツ工科大学のリソースシステム研究所（LIDS）の博士課程学生であるハン・チェン氏は、製造・物流分野では長年、人間が設計したアルゴリズムが利用されてきましたが、深層強化学習によって人間を超えた性能を達成できたと語ります。また、倉庫の生産性が 2〜3% 向上するだけでも大規模倉庫では莫大な影響をもたらすと強調しています。論文の共同執筆者には、シムボティックのエンジニアらも含まれており、この研究成果は人工知能研究誌に掲載されました。 現在、実用化には至っていませんが、この研究は機械学習を活用した倉庫自動化の有望な可能性を示しています。今後の課題として、タスク割り当ての最適化や、数千台規模の大型倉庫へのシステム拡張が計画されています。この技術は、物流の効率化だけでなく、混雑による倉庫全体の停止リスクを低減し、サプライチェーンの安定に寄与すると期待されています。