Connect with us

Robotik

“Dumme Robotter” Udfører Opgaver ved at Udnytte Fysiske Egenskaber

mm

For at sværmer af robotter kan handle kollektivt, må forskerne koreografere deres interaktioner ved at stole på avancerede algoritmer og komponenter. Men hvis robotterne er simple med manglen på avanceret programmering, kan koordineret adfærd sjældent opnås.

Dana Randall, ADVANCE Professor of Computing og Daniel Goldman, Dunn Family Professor, har ledt et hold af forskere på Georgia Institute of Technology for at løse dette problem. Holdet satte sig for at demonstrere, hvordan simple robotter stadig kan udføre opgaver, der går ud over enkelte robotters evner.

Forskningen blev offentliggjort i tidsskriftet Science Advances den 23. april.

Dumme Robotter Opnår Komplekse Opgaver

Betegnet som “dumme robotter”, brugte holdet grundlæggende mobile granulerede partikler, og det var dette, de satte sig for at bevise, kan opnå komplekse opgaver. Forskerne rapporterede, at de kunne fjerne alle sensorer, kommunikation, hukommelse og beregning fra robotterne og udnytte robotternes fysiske egenskaber til at fuldføre en række opgaver. Ifølge holdet kaldes denne egenskab “opgaveinkorporering”.

BOBbot’erne, som står for “behaving, organizing, buzzing bots”, blev navngivet efter Bob Behringer, en pioner inden for granulær fysik.

Robotterne er “lige så dumme, som de kan fås”, siger Randall. “Deres cylindriske chassis har vibrerende børster under og løse magneter på deres periferi, hvilket får dem til at tilbringe mere tid på steder med flere naboer.”

https://www.youtube.com/watch?v=hsLJShwjknI

Computersimulationer

Sammen med det eksperimentelle platform, støttede holdet også til præcise computersimulationer ledet af Shengkai Li, en Georgia Tech-fysikstuderende. Disse simulationer hjalp med at studere forskellige aspekter af systemet, som ikke kunne undersøges i laboratoriet.

BOBbot’erne er ekstremt simple, men forskerne demonstrerede alligevel, at når robotterne bevæger sig sammen og støder ind i hinanden, “danner kompakte aggregater, der er i stand til kollektivt at fjerne affald, der er for tungt for en enkelt robot at flytte”, forklarer Goldman. “Mens de fleste mennesker bygger stadig mere komplekse og dyre robotter for at garantere koordination, ville vi se, hvilke komplekse opgaver der kan udføres med meget simple robotter.”

Holdets arbejde blev inspireret af en teoretisk model af partikler, der bevæger sig rundt på et skakbræt, og for at studere en matematisk model af BOBbot’erne, blev en teoretisk abstraktion kaldet et selvorganiserende partikelsystem udviklet. Ved at trække på sandsynlighedsteori, statistisk fysik og stokastiske algoritmer, kunne holdet bevise, at når de magnetiske interaktioner øges, går den teoretiske model gennem en faseændring. Den ændrer sig hurtigt fra spredt til aggregat, og danner kompakte klumper, der ligner systemer som vand og is.

Randall er også professor i datalogi og adjungeret professor i matematik på Georgia Tech.

“Den strenge analyse viste os ikke kun, hvordan vi kan bygge BOBbot’erne, men afslørede også en indbygget robusthed i vores algoritme, der tillod, at nogle af robotterne kunne være fejlbehæftede eller upålidelige”, siger Randall.

Alex McFarland er en AI-journalist og forfatter, der udforsker de seneste udviklinger inden for kunstig intelligens. Han har samarbejdet med talrige AI-startups og publikationer verden over.