Ingeniører udvikler værktøj til at forbedre ethvert selvstændigt robotisk system

Et hold ingeniører på MIT har udviklet en optimeringskode til at forbedre ethvert selvstændigt robotisk system. Koden identificerer automatisk, hvordan og hvor man kan ændre et system for at forbedre en robots ydelse.

Ingeniørernes fund skal præsenteres på den årlige Robotics: Science and Systems-konference i New York. Holdet bestod af Charles Dawson, MIT-student, og ChuChu Fan, adjunkt i MIT’s afdeling for luftfart og astronautik.

Design af AI og robotiske systemer

Kunstig intelligens (AI) og robotiske systemer bruges i en bred vifte af industrier, og hvert system er resultatet af en designproces, der er specifik for det enkelte system. For at designe en selvstændig robot læner ingeniører sig op af prøve-og-fejl-simulationer, der ofte er informeret af intuition. Samtidig er simulationerne tilpasset de specifikke komponenter af roboten og dets tilknyttede opgaver, hvilket betyder, at der ikke er nogen sand “opskrift” til at sikre en succesfuld udfald.

De ingeniører på MIT ændrer dette med deres nye generelle designværktøj til robotikere. De har udviklet en optimeringskode, der kan anvendes på simulationer af næsten ethvert selvstændigt robotisk system, og den hjælper automatisk med at identificere, hvordan en robots ydelse kan forbedres.

Værktøjet demonstrerede en evne til at forbedre ydelsen af to meget forskellige selvstændige robotiske systemer. Det første system bestod af en robot, der navigerede en vej mellem to forhindringer, og det andet system bestod af to robotter, der arbejdede sammen for at flytte en tung kasse.

Ifølge forskerne kunne denne nye generelle optimeringsværktøj hjælpe med at accelerere udviklingen af en bred vifte af selvstændige systemer, såsom gående robotter eller selvkørende køretøjer.

Dawson og Fan sagde, at de indså behovet for dette værktøj efter at have observeret de forskellige andre automatiserede designværktøjer, der er tilgængelige for andre ingeniørdiscipliner.

“Hvis en mekanisk ingeniør ville designe en vindmølle, kunne de bruge et 3D-CAD-værktøj til at designe strukturen, derefter bruge en finit-element-analyseværktøj til at kontrollere, om den kan modstå visse belastninger,” siger Dawson. “Men der er mangel på disse computerbaserede designværktøjer for selvstændige systemer.”

For at optimere et selvstændigt system udvikler en robotiker normalt først en simulation af systemet og dets interagerende undersystemer, før de tager visse parametre af hver komponent. Simulationen køres derefter fremad for at se, hvordan systemet ville fungere.

Der skal køres multiple prøve-og-fejl-processer, før den optimale kombination af ingredienser kan fastsættes, og dette er en tidskrævende opgave.

“I stedet for at sige, ‘Givet en design, hvad er ydelsen?’ ville vi invertere dette til at sige, ‘Givet den ydelse, vi ønsker at se, hvilken design fører os dertil?'” siger Dawson.

Optimeringsrammen, eller computerkoden, var designet til automatisk at finde justeringer, der kan gøres på et eksisterende system. Koden er baseret på automatisk differentiering, der er et programmeringsværktøj, der oprindeligt blev brugt til at træne neurale netværk. Også kaldet “autodiff”, hjælper denne teknik med at evaluere afledningen, eller følsomheden over for ændringer af enhver parameter, hurtigt og effektivt.

“Vores metode fortæller os automatisk, hvordan vi kan tage små skridt fra en initial design til en design, der opnår vores mål,” siger Dawson. “Vi bruger autodiff til at grave dybt i koden, der definerer en simulator, og figurere ud, hvordan vi kan gøre denne inversion automatisk.”

Test af værktøjet

Værktøjet blev testet på to separate selvstændige robotiske systemer, og det forbedrede hver systems ydelse i laboratorieeksperimenter. Mens det første system bestod af en hjulede robot designet til at planlægge en vej mellem to forhindringer, var det andet system mere komplekst med to hjulede robotter, der arbejdede sammen for at skubbe en kasse mod en målposition, hvilket betød, at simulationen inkluderede mange flere parametre.

Værktøjet kunne effektivt identificere de skridt, der var nødvendige for robotterne for at udføre deres opgave, og optimeringsprocessen var 20 gange hurtigere end konventionelle metoder.

“Hvis dit system har flere parametre at optimere, kan vores værktøj gøre endnu bedre og kan spare eksponentielt mere tid,” siger Fan. “Det er grundlæggende en kombinatorisk valg: Jo flere parametre, desto flere valg, og vores tilgang kan reducere dette på én gang.”

Den generelle optimerer er tilgængelig til download, og holdet vil nu se på at yderligere forfine det, hvilket vil gøre det nyttigt for mere komplekse systemer.

“Vores mål er at give folk mulighed for at bygge bedre robotter,” siger Dawson. “Vi tilbyder en ny byggesten til at optimere deres system, så de ikke behøver at starte fra scratch.”