Μηχανικοί Δημιουργούν Ρομπότ που Μπορούν να Μετακινήσουν Μεγάλα Αντικείμενα Συνεργατικά

Μηχανικοί στο εργαστήριο Ευφυών Ρομπότ και Αυτόνομων Συστημάτων του Πανεπιστημίου του Σινσινάτι έχουν αναπτύξει einen τεχνητή νοημοσύνη (AI) για να εκπαιδεύσουν ρομπότ να συνεργάζονται για να μετακινήσουν μεγάλα αντικείμενα. Η ομάδα απέδειξε την ικανότητα των ρομπότ να μετακινήσουν ένα μακρύ ραβδί γύρω από εμπόδια και μια στενή πόρτα σε υπολογιστικές симуляции.

Σύμφωνα με τον Andrew Barth, διδακτορικό φοιτητή στο Τμήμα Μηχανικής και Εφαρμοσμένων Επιστημών του Πανεπιστημίου του Σινσινάτι, η εργασία της μετακίνησης τέτοιων αντικειμένων είναι ιδανική για ρομπότ.

«Το καθήκον της μετακίνησης τέτοιων αντικειμένων είναι ιδανικό για ρομπότ», είπε ο Barth.

Ο Barth είναι ο κύριος συγγραφέας της μελέτης που δημοσιεύθηκε στο περιοδικό Ευφυή Ρομπότ Υπηρεσιών. Οι συν-συγγραφείς της έρευνας περιλαμβάνουν τον Καθηγητή Ma, τον διδακτορικό φοιτητή Yufeng Sun και τον ανώτερο ερευνητή Lin Zhang.

Δοκιμή του Συστήματος

Στις δοκιμές, κανένα από τα ρομπότ δεν διηύθυνε το άλλο, και δεν μοιράστηκαν την στρατηγική πριν από την εκτέλεση της εργασίας. Τα ρομπότ βασίστηκαν στη γενετική αιωρούμενη λογική, η οποία είναι ένας τύπος AI που είναι μια έξυπνη τεχνική ελέγχου όπου το σύστημα μιμείται τον ανθρώπινο λόγο. Αυτό το κάνει αντικαθιστώντας μια απλή δυαδική ταξινόμηση με βαθμούς σωστού και λάθους, και τροποποιεί τις ατομικές λύσεις για να «μάθει» από τα προηγούμενα αποτελέσματα.

«Τελικά, θέλουμε να επεκτείνουμε αυτό σε 10 ή περισσότερα ρομπότ που εργάζονται συνεργατικά σε ένα έργο», είπε ο Barth. «Εάν θέλετε να κατασκευάσετε ένα τεράστιο οίκημα στο διάστημα, για παράδειγμα, θα χρειαστείτε πολλά ρομπότ να εργάζονται μαζί. Αλλά αν βασίζεστε σε ένα δίκτυο επικοινωνιών και αυτό καταρρεύσει, τότε ολόκληρο το έργο σας είναι τελειωμένο».

Σύμφωνα με τον Barth, ανεξάρτητα ρομπότ σημαίνει ότι η απώλεια ενός δεν θα οδηγήσει σε αποτυχία της εργασίας,既然 τα άλλα μπορούν να την αντισταθμίσουν.

Η εργασία που δόθηκε στα ρομπότ περιελάμβανε τη μετακίνηση του εικονικού καναπέ γύρω από δύο εμπόδια και μέσα από μια στενή πόρτα, και τα ολοκλήρωσαν στο 95% των περιπτώσεων στις симуляσεις. Τα ρομπότ-συνεργάτες επίσης απέδειξαν ποσοστό επιτυχίας 93% σε μια νέα σκηνή όπου υπήρχαν δύο άγνωστα αντικείμενα και μια στόχος πόρτα σε διαφορετική τοποθεσία. Τα ρομπότ απέδειξαν लगभग ίδια ακρίβεια και δεν χρειάζονταν επανεκπαίδευση. Ακόμη πιο εντυπωσιακά, απέδειξαν το ίδιο όταν διάφορα στοιχεία όπως το μέγεθος του αντικειμένου τροποποιήθηκαν.

«Εάν μπορείτε να εκπαιδεύσετε ρομπότ να εργάζονται ημι-ανεξάρτητα με όσο το δυνατόν λιγότερη πληροφορία, τότε έχετε κάνει το σύστημά σας πιο ανθεκτικό στην αποτυχία και το έχετε κάνει ευκολότερο για μεγάλες ομάδες να συνεργαστούν», είπε ο Barth.

«Ο μακροπρόθεσμος στόχος μας είναι να μπορέσουν πολλά ρομπότ να συνεργαστούν για να εκτελέσουν δύσκολες εργασίες — όπως τη μετακίνηση επίπλων», είπε ο Ma.

Δημιουργία Νέων Ευκαιριών

Σύμφωνα με τον Ma, συνεργατικά ρομπότ θα μπορούσαν να δημιουργήσουν μεγάλες νέες ευκαιρίες σε διάφορα πεδία, και νέες λειτουργίες ασφαλείας θα μπορούσαν να βελτιώσουν την ασφάλεια των ρομπότ.

«Υπάρχουν πολλές εφαρμογές. Κάθε nơi που υπάρχουν εργασίες που γίνονται από πολλά άτομα στο μέλλον, θα μπορούσαν να γίνουν από πολλά ρομπότ», είπε ο Ma. «Σήμερα, τα περισσότερα ρομπότ εργάζονται μόνα τους. Αλλά στο μέλλον θα χρειαστούμε πολλά ρομπότ να εργάζονται μαζί, όπως οι άνθρωποι τώρα».

Η ομάδα αναπτύσσει ένα σύστημα ελέγχου που είναι ανεξάρτητο κλίμακας, το οποίο επιτρέπει σε πολλά ρομπότ να ολοκληρώσουν μια εργασία.

«Και δεν χρειάζεται να τα επανεκπαιδεύσετε εάν ξαφνικά είναι μόνο τέσσερα ή έξι», είπε. «Εάν ένα ή δύο αποτύχουν, τα υπόλοιπα μπορούν να συνεχίσουν. Αυτό είναι το κλειδί».