在自動化制造領域，多個機械臂如何在充滿障礙物的共享空間中高效協作、避免碰撞，一直是困擾業界的難題。如今，一項發表于《科學·機器人學》（Science Robotics）的新研究，為這一難題提供了創新解決方案——由DeepMind、Intrinsic AI和倫敦大學學院等機構聯合開發的“機器芭蕾”（RoboBallet）系統，通過將圖神經網絡（GNN）與強化學習結合，實現了多機械臂的協同運動規劃。

研究團隊介紹，傳統方法在處理多機器人任務分配、調度和運動規劃時，需分別解決三個子問題：任務分配需決定“誰做哪項任務”；任務調度需確定“任務執行順序”；運動規劃則需在關節空間中尋找無碰撞路徑。這三個問題相互交織，導致計算復雜度呈指數級增長，工業界目前仍依賴人工規劃，效率低下且成本高昂。

RoboBallet的創新之處在于，它將整個場景建模為圖結構：機器人、任務和障礙物作為節點，節點間的關系（如相對位置）作為邊。例如，機器人節點間存在雙向邊以支持避碰協調，任務和障礙物節點到機器人節點則存在單向邊，用于傳遞環境信息。這種圖結構表示，使系統能夠動態適應不同數量的機器人和任務。

在算法層面，RoboBallet采用圖神經網絡作為策略網絡，通過權重共享處理不同規模的圖輸入。系統以觀測圖為輸入，在每個時間步為所有機械臂生成關節速度指令，使其僅憑原始狀態輸入即可完成關系推理。為解決稀疏獎勵問題，研究團隊引入了“事后經驗回放”（Hindsight Experience Replay）方法，使模型無需人工設計獎勵函數即可高效學習。

實驗中，研究團隊在模擬環境中部署了4至8個Franka Panda七自由度機械臂，測試場景包含40個任務和30個障礙物。與經典RRT-Connect算法對比顯示，RoboBallet在多個關鍵指標上表現優異：在訓練擴展性方面，任務數量增加四倍時，收斂所需訓練步數僅略有增加；在規劃速度上，8個機械臂和40個任務的最大場景中，每個規劃步在NVIDIA A100 GPU上僅需0.3毫秒，在單核CPU上約需30毫秒，均遠超實時需求；在協同效率上，機器人數量從4個增至8個時，平均執行時間減少約60%。

更引人注目的是，RoboBallet展現了強大的零樣本泛化能力。模型在隨機生成的環境中訓練后，可直接遷移至具有不同機器人位置、障礙物形狀和任務姿態的新環境，無需額外訓練。這種特性使其能夠應用于工作單元布局優化（任務執行時間縮短33%）、容錯規劃和基于在線感知的重新規劃等場景。

研究團隊指出，RoboBallet的高速和可擴展性，為自動化制造提供了新的技術路徑。其每步0.3毫秒的規劃速度，足以支持10Hz時間步下的實時控制，而單GPU即可完成所有計算，顯著降低了部署成本。未來，這一技術有望進一步推動智能制造的發展。