الروبوتات
يساعد الذكاء الاصطناعي في تدريب فرق الروبوتات التعاونية والطائرات بدون طيار
طور فريق من الباحثين في كلية غرينجر للهندسة بجامعة إلينوي طريقة جديدة لتدريب عملاء متعددين مثل الروبوتات والطائرات بدون طيار للعمل معًا باستخدام الذكاء الاصطناعي (AI). يعتمد الوكلاء على التعلم المعزز، وهو أحد الأنواع الرئيسية لتقنيات التعلم الآلي.
تقنية اللامركزية
Huy Tran هو مهندس طيران في الجامعة.
قال Huy Tran: "من الأسهل أن يتحدث العملاء مع بعضهم البعض". لكننا أردنا القيام بذلك بطريقة لا مركزية ، مما يعني أنهم لا يتحدثون مع بعضهم البعض. ركزنا أيضًا على الاستشهادات حيث لا يكون من الواضح ما هي الأدوار أو الوظائف المختلفة للوكلاء ".
وفقًا لتران ، هذا السيناريو أكثر تعقيدًا لأنه ليس من الواضح ما يجب على وكيل ما فعله ضد وكيل آخر.
قال "السؤال المثير للاهتمام هو كيف نتعلم إنجاز مهمة معًا بمرور الوقت".
تقنية التعلم المعزز
اعتمد الفريق على تقنية التعلم الآلي المسماة التعلم المعزز للتغلب على هذه المشكلة. لقد مكنهم من إنشاء وظيفة مساعدة تخبر الوكيل عندما يفعل شيئًا مفيدًا للفريق.
تابع تران "مع أهداف الفريق ، من الصعب معرفة من ساهم في الفوز". "لقد طورنا أسلوبًا للتعلم الآلي يتيح لنا تحديد الوقت الذي يساهم فيه وكيل فردي في تحقيق هدف الفريق العالمي. إذا نظرت إلى الأمر من منظور الرياضة ، فقد يسجل لاعب كرة قدم واحد ، لكننا نريد أيضًا معرفة الإجراءات التي اتخذها زملائه في الفريق والتي أدت إلى الهدف ، مثل التمريرات الحاسمة. من الصعب فهم هذه الآثار المتأخرة ".
تحدد خوارزميات الباحثين أيضًا متى يقوم الوكيل أو الروبوت بشيء يتعارض أو لا يساهم في تحقيق الهدف.
قال: "لم يختار الروبوت أن يفعل شيئًا خاطئًا ، بل مجرد شيء لا يفيد الهدف النهائي".
تم اختبار الخوارزميات باستخدام ألعاب محاكاة مثل StarCraft.
"يمكن أن تكون StarCraft غير متوقعة إلى حد ما - لقد كنا متحمسين لرؤية طريقتنا تعمل بشكل جيد في هذه البيئة أيضًا."
يقول الفريق إن هذا النوع من الخوارزمية قابل للتطبيق في مواقف مختلفة من العالم الحقيقي. تشمل بعض التطبيقات المحتملة المراقبة العسكرية ، والروبوتات في المستودعات ، والتحكم في إشارات المرور ، والمركبات المستقلة التي تنسق عمليات التسليم ، والتحكم في شبكة الطاقة الكهربائية.
شمل الفريق الذي أجرى هذا البحث الرائع Seung Hyun Kim و Neale Van Stralen و Girish Chowdhary. تم تقديمه في مؤتمر استعراض الأقران للوكلاء والأنظمة متعددة العوامل.
