Entrevista a Rodrigo Hermosilla y Willem Guter, del MIT CTL

“La nueva generación de AMR está haciendo evolucionar las bodegas hacia un modelo más proactivo”

Sobre el proyecto de investigación

Los AMR son vehículos inteligentes que navegan por la bodega automatizando y flexibilizando el transporte interno de mercancías. Uno de los objetivos de la colaboración de investigación entre el Massachusetts Institute of Technology y Mecalux es su control y optimización. Rodrigo Hermosilla y Willem Guter, del Center for Transportation & Logistics del MIT, son investigadores de esta iniciativa del Intelligent Logistics Systems Lab, cuyo propósito es aprovechar la inteligencia colectiva para que los AMR doten de aún más agilidad y eficiencia a las bodegas y centros de distribución.

Mecalux entrevista a Rodrigo Hermosilla y Willem Guter, investigadores del MIT CTL, para conocer más sobre su proyecto que busca dotar de mayor agilidad y eficiencia a los AMR junto con Mecalux.

Participan en un proyecto de innovación sobre los AMR. ¿Cómo están entrenando los robots para que trabajen de forma interdependiente?

Rodrigo Hermosilla: Este proyecto de investigación tiene como objetivo mejorar el funcionamiento de los robots móviles autónomos en las bodegas. Estamos incrementando su eficiencia y evitando colisiones en tiempo real.

Willem Guter: Utilizamos el aprendizaje por refuerzo para ayudar a los AMR a comprender las bodegas a un nivel interdependiente. Esto quiere decir que los robots pueden visualizar dónde deben estar en cada momento, pero también anticipar la llegada de los próximos pedidos y sus destinos de entrega, lo que les permite optimizar aún más sus procesos.

Estamos utilizando el aprendizaje por refuerzo para ayudar a los AMR a comprender las bodegas a un nivel interdependiente
Participan en un proyecto de innovación sobre los AMR. ¿Cómo están entrenando los robots para que trabajen de forma interdependiente?

Rodrigo Hermosilla: Este proyecto de investigación tiene como objetivo mejorar el funcionamiento de los robots móviles autónomos en las bodegas. Estamos incrementando su eficiencia y evitando colisiones en tiempo real.

Willem Guter: Utilizamos el aprendizaje por refuerzo para ayudar a los AMR a comprender las bodegas a un nivel interdependiente. Esto quiere decir que los robots pueden visualizar dónde deben estar en cada momento, pero también anticipar la llegada de los próximos pedidos y sus destinos de entrega, lo que les permite optimizar aún más sus procesos.

Estamos utilizando el aprendizaje por refuerzo para ayudar a los AMR a comprender las bodegas a un nivel interdependiente
¿Qué avances traerá consigo este nuevo algoritmo de control de los AMR?

Willem Guter: Este nuevo algoritmo aporta avances en dos vertientes a pie de bodega. En primer lugar, pospone el envío de tareas a los AMR para reducir posibles atascos en los puntos de recogida y entrega, así como durante los desplazamientos. En segundo lugar, mejora el rendimiento en cuanto a posicionamiento, ya que el algoritmo conoce o predice dónde van a llegar los pedidos y puede colocar de manera anticipada los AMR que sean necesarios o mantener allí los que ya se encuentran en esa posición.

Rodrigo Hermosilla: Estamos desarrollando bancos de pruebas conjuntamente con Mecalux a fin de que sean lo más realistas posibles. No solo en cuanto a la representación de la disposición de la bodega, sino también en otros comportamientos físicos como la aceleración, la velocidad o las posibles restricciones, entre otros.
¿Qué avances traerá consigo este nuevo algoritmo de control de los AMR?

Willem Guter: Este nuevo algoritmo aporta avances en dos vertientes a pie de bodega. En primer lugar, pospone el envío de tareas a los AMR para reducir posibles atascos en los puntos de recogida y entrega, así como durante los desplazamientos. En segundo lugar, mejora el rendimiento en cuanto a posicionamiento, ya que el algoritmo conoce o predice dónde van a llegar los pedidos y puede colocar de manera anticipada los AMR que sean necesarios o mantener allí los que ya se encuentran en esa posición.

Rodrigo Hermosilla: Estamos desarrollando bancos de pruebas conjuntamente con Mecalux a fin de que sean lo más realistas posibles. No solo en cuanto a la representación de la disposición de la bodega, sino también en otros comportamientos físicos como la aceleración, la velocidad o las posibles restricciones, entre otros.
¿Cómo empleará este modelo la IA predictiva para anticiparse a las solicitudes?

Willem Guter: El modelo que estamos construyendo utilizará deep learning para predecir el origen de los pedidos, desarrollando la planificación tanto a corto plazo como en períodos concretos del año. Al aprender de los datos históricos, permite determinar de dónde vienen y a dónde irán esos artículos en un contexto más amplio.