Enabling Urgency-aware Robot Swarm Intralogistics using Smart IoT Tags

تخيل مستودعاً ليس كمصنع ضخم وصامت، بل كأرض رقص صاخبة وفوضوية حيث تحاول مئات الروبوتات الصغيرة التقاط الصناديق وتوصيلها. في عالم الروبوتات، يُسمى هذا "سرباً" (Swarm). وبدلاً من وجود روبوت واحد كبير بمثابة "رئيس" يملي على الجميع ما يجب فعله، تعمل هذه الأسراب مثل أسراب الأسماك أو أسراب الطيور: حيث يتخذ كل روبوت قراراته الخاصة بناءً على ما يراه أمامه مباشرة. وهذا أمر رائع لأنه إذا تعثر أحد الروبوتات، تستمر بقية الروبوتات في الرقص، كما أنك لا تحتاج إلى أسلاك أو حواسيب مكلفة وثابتة في كل مكان. ولكن هناك مشكلة؛ ففي الوقت الحالي، تشبه أسراب الروبوتات هذه حشدًا من الناس يهرعون نحو تخفيضات؛ فهي عادةً ما تلتقط أقرب شيء تراه أمامها فقط. إنها لا تدرك حقاً ما إذا كان الصندوق الذي تلتقطه هو فراولة سريعة التلف تحتاج للوصول إلى الثلاجة الآن، أم أنه طوبة متينة يمكنها الانتظار حتى الغد. إنها تعامل كل شيء بالطريقة نفسها.

تتناول هذه الورقة البحثية تلك المشكلة، وتتساءل: "ماذا لو استطاعت الصنوقب نفسها أن تصرخ: 'أنا عاجلة!'؟". أراد الباحثون معرفة ما إذا كان بإمكانهم منح أسراب الروبوتات وسيلة لفهم العناصر الحساسة للوقت دون الحاجة إلى حاسوب مركزي يدير كل شيء بدقة. لقد بنوا نظاماً حيث يمتلك كل حامل للصناديق "علامة ذكية" (Smart Tag) صغيرة للغاية ومنخفضة الطاقة. فكر في هذه العلامات كأنها مكبرات صوت رقمية صغيرة تهمس برقم سري لأي روبوت قريب: "أنا بمستوى 9 من 10 على مقياس العجلة!". كان الهدف هو معرفة ما إذا كان بإمكان الروبوتات الاستماع إلى هذه الهمسات وتقرير التقاط الصناديق العاجلة أولاً، حتى لو كانت أبعد قليلاً، مع الحفاظ على سرعة حركة أرض الرقص بأكملها.

العلامات الذكية ورقصة الروبوت

قام الباحثون، في جامعة بريستول، بإعداد ساحة اختبار تشبه مستودعاً مصغراً. استخدموا روبوتات صغيرة مستديرة تسمى DOTS (نظام التنظيم والنقل الموزع) والتي يمكنها التحرك في أي اتجاه بسرعة. كُلفت هذه الروبوتات بالتقاط حوامل مربعة (والتي تمثل الصناديق) ونقلها من منطقة الالتقاط إلى منطقة التسليم.

في "الطريقة القديمة" (الخط المرجعي)، كانت الروبوتات تلعب لعبة "الجار الأقرب". حيث كانت تبحث حولها، وتجد أقرب حامل فارغ، ثم تلتقطه. ولم يكن يهم ما إذا كان هذا الحامل يحمل شحنة طبية حرجة أو كومة من الصحف القديمة.

أما في "الطريقة الجديدة" (النظام المدرك للعجلة)، فقد تم تزويد الحاملات بعلامات IoT ذكية خاصة. تبث هذه العلامات رقماً من 0 إلى 9، يمثل مدى استعجال العنصر. الرقم 9 يعني "أمسك بي الآن، أنا سريع التلف!" بينما الرقم 0 يعني "يمكنني الانتظار". عندما كان الروبوت يتجول، لم يكن يبحث فقط عن أقرب صندوق؛ بل كان يستمع إلى الهمسات. لقد استخدم صيغة خاصة لتسجيل النقاط للصناديق: حيث دمج بين مدى قرب الصندوق ودرجة عجلة الرقم الخاص به. فإذا كان الصندوق أبعد قليلاً ولكنه يهمس بـ "9!"، فقد يختار الروبوت هذا الصندوق على صندوق أقرب يهمس بـ "1".

ما وجدوه: النقطة المثالية

اختبر الفريق ذلك بطريقتين: أولاً في محاكاة حاسوبية مع مئات الدورات، ثم باستخدام روبوتات حقيقية وعلامات حقيقية في مختبرهم.

الفوز الكبير: العناصر العاجلة تحصل على المساعدة
كانت النتيجة الأكثر إثارة هي أن النظام الجديد نجح بالفعل. فعندما استمعت الروبوتات إلى العلامات، أصبحت أفضل بكثير في تحديد الأولويات. في الاختبارات الواقعية، قفز "محاذاة الأولوية" (Priority Alignment) - وهو مجرد تعبير تقني يعني "كم مرة تم التقاط العناصر الأكثر استعجالاً أولاً" - من 0.41 (أقل من النصف) إلى 0.64 (حوالي الثلثين). وهذا تحسن هائل؛ فقد بدأت الروبوتات أخيراً في الاستماع إلى العناصر العاجلة.

المقايضة: لا تكن طماعاً جداً
ومع ذلك، وجد الباحثون توازناً دقيقاً. كان عليهم ضبط "وزن" (يُسمى $\alpha$) لتقرير مدى اهتمام الروبوتات بالعجلة مقابل المسافة.

• إذا جعلوا الروبوتات تهتم بالعجلة أكثر من اللازم (وزن عالٍ)، فستتجاهل الروبوتات الصناديق الأقرب وتركض عبر الغرفة بأكملها من أجل صندوق عاجل. وقد أدى ذلك في الواقع إلى إبطاء النظام بأكمله قليلاً لأن الروبوتات كانت تركض كثيراً.
• وإذا جعلوا الروبوتات تهتم بالعجلة أقل من اللازم، فستعود فقط لالتقاط أقرب صندوق.
• "النقطة المثالية" التي وجدوها كانت وزن عجلة معتدل (تحديداً $\alpha = 0.7$). عند هذا الإعداد، كانت الروبوتات ذكية بما يكفي لالتقاط الأشياء العاجلة أولاً دون أن تُرهق نفسها بالركض المفرط. وفي الاختبارات الفيزيائية، أدى هذا الإعداد إلى تحسين ترتيب التسليم بشكل كبير دون التأثير على إجمالي عدد الصناديق التي تم تسليمها (انخفض معدل الإنتاجية بنسبة 1.2% فقط، وهو أمر لا يذكر تقريباً).

"الذيل" يصبح أقصر
هناك اكتشاف رائع آخر يتعلق بـ "تأخير الذيل" (Tail Latency). وهذا مصطلح تقني يشير إلى أسوأ السيناريوهات: كم استغرى أبطأ وأكثر العناصر تأخراً في الانتظار. اقترح النظام أنه من خلال إعطاء الأولوية للعناصر العاجلة، فإن أسوأ حالات التأخير ستصبح أقصر. في الاختبارات الفيزيائية، انخفض الوقت الذي استغرقته أبطأ العناصر للتسليم من 424 ثانية إلى 386 ثانية. ورغم أن هذا الانخفاض المحدد لم يكن "مثبتاً إحصائياً" كقاعدة دائمة بسبب صغر عدد اختباراتهم، إلا أن الاتجاه كان واضحاً وطابق ما رأوه في المحاكاة الحاسوبية.

أسراب أكبر، نتائج أفضل
أجرى الباحثون أيضاً محاكاة مع مجموعات أكبر من الروبوتات (تصل إلى 20 روبوتاً و40 حاملاً). ووجدوا أنه كلما زاد حجم السرب، كان النظام يعمل بشكل أفضل. في أكبر عملية محاكاة، انخفض "تأخير الذيل" بنسبة تصل إلى 11.8%، وتحسنت "محاذاة الأولوية" بأكثر من 50%. يبدو أنه عندما يكون لديك المزيد من الروبوتات، يمكنها التعامل مع الالتفافات "العاجلة" دون سد الطريق وتوقف الحركة. ويبدو أن تكلفة إعطاء الأولوية للعناصر العاجلة تتلاشى كلما كبر حجم الفريق.

الخلاصة

تظهر هذه الورقة البحثية أنك لست بحاجة إلى حاسوب مركزي ضخم ليخبر سرب الروبوتات أي الصناديق عاجلة. كل ما تحتاجه هو منح الصناديق صوتاً. من خلال إرفاق هذه العلامات الذكية الصغيرة فائقة انخفاض الطاقة بالحاملات، يمكن للروبوتات اتخاذ قراراتها المحلية للمساعدة في العناصر الأكثر أهمية أولاً.

تشير الدراسة إلى أن هذا النهج يعد مكسباً للمستودعات التي لا تستطيع تحمل تكاليف الأتمتة الثابتة والمكلفة. فهو يحافظ على مرونة النظام ولا مركزيته، ولكنه يضيف طبقة من "المنطق السليم" حتى لا تظل البضائع القابلة للتلف أو الشحنات الحرجة عالقة في انتظار كومة من المخزون بطيء الحركة. لقد تعلمت الروبوتات الرقص على إيقاع جديد: إيقاع يقدر العجلة، ولكن ليس لدرجة تجعلها تتعثر في أقدامها.