Ingenieure entwickeln Werkzeug, um jedes autonomes Robotersystem zu verbessern

Ein Team von Ingenieuren am MIT hat einen Optimierungscode für die Verbesserung jedes autonomen Robotersystems entwickelt. Der Code identifiziert automatisch, wie und wo ein System geändert werden kann, um die Leistung eines Roboters zu verbessern.

Die Ergebnisse der Ingenieure werden auf der jährlichen Robotics-Konferenz “Science and Systems” in New York präsentiert. Das Team umfasste Charles Dawson, MIT-Student, und ChuChu Fan, Assistant Professor im Department of Aeronautics and Astronautics am MIT.

Entwurf von KI- und Robotersystemen

Künstliche Intelligenz (KI) und Robotersysteme werden in einer Vielzahl von Branchen eingesetzt, und jedes System ist das Ergebnis eines Entwurfsprozesses, der speziell für das jeweilige System entwickelt wurde. Um einen autonomen Roboter zu entwerfen, verlassen sich Ingenieure auf Trial-and-Error-Simulationen, die oft von Intuition geprägt sind. Gleichzeitig sind die Simulationen auf die spezifischen Komponenten des Roboters und seine zugewiesenen Aufgaben zugeschnitten, was bedeutet, dass es kein echtes “Rezept” gibt, um ein erfolgreiches Ergebnis zu gewährleisten.

Die MIT-Ingenieure ändern dies mit ihrem neuen allgemeinen Entwurfswerkzeug für Roboter. Sie entwickelten einen Optimierungscode, der auf Simulationen fast jedes autonomen Robotersystems angewendet werden kann und der automatisch die Möglichkeiten identifiziert, wie die Leistung eines Roboters verbessert werden kann.

Das Werkzeug hat seine Fähigkeit unter Beweis gestellt, die Leistung zweier sehr unterschiedlicher autonomer Systeme zu verbessern. Das erste System bestand aus einem Roboter, der einen Pfad zwischen zwei Hindernissen navigierte, und das zweite System bestand aus zwei Robotern, die zusammenarbeiten, um eine schwere Kiste zu bewegen.

Laut den Forschern könnte dieser neue allgemeine Optimierer die Entwicklung einer Vielzahl von autonomen Systemen, wie z.B. gehender Roboter oder selbstfahrender Fahrzeuge, beschleunigen.

Dawson und Fan sagten, sie hätten die Notwendigkeit für ein solches Werkzeug erkannt, nachdem sie die verschiedenen anderen automatisierten Entwurfswerkzeuge für andere Ingenieurdisziplinen beobachtet hatten.

“Wenn ein Maschinenbauingenieur einen Windturbine entwerfen wollte, könnte er ein 3D-CAD-Tool verwenden, um die Struktur zu entwerfen, und dann ein Finite-Element-Analyse-Tool, um zu überprüfen, ob es bestimmte Lasten widerstehen kann”, sagt Dawson. “Es gibt jedoch einen Mangel an diesen computerunterstützten Entwurfswerkzeugen für autonome Systeme.”

Um ein autonomes System zu optimieren, entwickelt ein Roboter-Ingenieur normalerweise zunächst eine Simulation des Systems und seiner interagierenden Subsysteme, bevor er bestimmte Parameter jedes Komponenten übernimmt. Die Simulation wird dann ausgeführt, um zu sehen, wie das System funktionieren würde.

Mehrere Trial-and-Error-Prozesse müssen durchgeführt werden, bevor die optimale Kombination von Zutaten bestimmt werden kann, und dies ist ein zeitaufwändiges Unterfangen.

“Anstatt zu sagen: ‘Gegeben ein Design, was ist die Leistung?’, wollten wir dies umkehren und sagen: ‘Gegeben die Leistung, die wir sehen möchten, was ist das Design, das uns dorthin bringt?'” sagt Dawson.

Der Optimierungsrahmen oder Computercode wurde entwickelt, um automatisch Anpassungen zu finden, die an einem bestehenden System vorgenommen werden können. Der Code basiert auf automatischer Differenzierung, einem Programmierwerkzeug, das ursprünglich zum Trainieren von neuronalen Netzen verwendet wurde. Auch als “Autodiff” bezeichnet, hilft diese Technik, schnell und effizient die “Ableitung” oder die Empfindlichkeit gegenüber Änderungen jedes Parameters zu bewerten.

“Unsere Methode sagt uns automatisch, wie wir kleine Schritte von einem anfänglichen Design zu einem Design unternehmen können, das unsere Ziele erreicht”, sagt Dawson. “Wir verwenden Autodiff, um im Wesentlichen in den Code zu eindringen, der einen Simulator definiert, und herauszufinden, wie wir diese Umkehrung automatisch durchführen können.”

Testen des Werkzeugs

Das Werkzeug wurde auf zwei separate autonome Robotersysteme getestet und hat die Leistung jedes Systems in Laborversuchen verbessert. Während das erste System aus einem mit Rädern ausgestatteten Roboter bestand, der einen Pfad zwischen zwei Hindernissen plante, war es das zweite System, das wirklich beeindruckend war.

Das zweite System war komplexer, mit zwei mit Rädern ausgestatteten Robotern, die zusammenarbeiten, um eine Kiste in Richtung einer Zielposition zu schieben, was bedeutet, dass die Simulation viele mehr Parameter enthielt. Das Werkzeug konnte effizient die Schritte identifizieren, die notwendig waren, damit die Roboter ihre Aufgabe erfüllen konnten, und der Optimierungsprozess war 20-mal schneller als herkömmliche Techniken.

“Wenn Ihr System mehr Parameter zu optimieren hat, kann unser Werkzeug noch besser sein und kann exponentiell mehr Zeit sparen”, sagt Fan. “Es ist im Wesentlichen eine kombinatorische Wahl: Wenn die Anzahl der Parameter zunimmt, nehmen auch die Auswahlmöglichkeiten zu, und unser Ansatz kann dies in einem Schritt reduzieren.”

Der allgemeine Optimierer ist zum Download verfügbar, und das Team wird nun daran arbeiten, ihn weiter zu verfeinern, was ihn für komplexere Systeme nützlich machen wird.

“Unser Ziel ist es, Menschen zu ermöglichen, bessere Roboter zu bauen”, sagt Dawson. “Wir bieten einen neuen Baustein für die Optimierung ihres Systems, damit sie nicht von vorne beginnen müssen.”