Robotiikka ja fyysinen AI

RoboGrammar-järjestelmä automatisoi ja optimoi robotti-suunnittelun

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

Robotin muoto määrittää, mihin tehtäviin se voi suorittaa ja missä ympäristössä se voi toimia. Nykyisten teknologisten rajoitusten vuoksi ei ole mahdollista rakentaa ja testata jokaista muotoa, mutta MIT:n tutkijoiden kehittämä uusi järjestelmä mahdollistaa näiden muotojen simuloimisen. Simuloinnin jälkeen voidaan valita parhaat niistä.

Uusi järjestelmä on nimeltään RoboGrammar, ja ensimmäinen askel on kertoa sille, mitä robotti-osia on saatavilla, kuten pyöriä ja niveltä. Sitten osoitat, minkälaista maastoa robotti toimii, mutta se on käytännössä kaikki. RoboGrammar sitten generoi optimoidun rakenteen ja ohjelmoinnin.

Robotti-suunnittelun kehittäminen

Uusi järjestelmä on suuri askel eteenpäin edistyneessä alalla, joka on edelleen pääosin manuaalinen.

Allan Zhao on tutkimuksen ensisijainen tekijä ja PhD-opiskelija MIT:n tietojenkäsittely- ja älytekniikkalaboratoriossa (CSAIL).

“Robotti-suunnittelu on edelleen hyvin manuaalinen prosessi”, Zhao sanoo. RoboGrammar-järjestelmä on “tapaa keksiä uusia, kekseliämpiä robotti-suunnitelmia, jotka voivat olla potentiaalisesti tehokkaampia.”

Tutkimus esitetään SIGGRAPH Asia -konferenssissa tämän kuun aikana.

Zhao:n mukaan robotit on rakennettu erilaisiin tehtäviin, mutta “ne kaikki ovat hyvin samanlaisia muodoltaan ja suunnittelulta. Kun ajattelet rakentavasi robottia, joka pystyy ylittämään erilaisia maastoja, sinä heti ajattelet nelijalkaista. Pohtisimme, onko se todella optimaalinen suunnitelma.”

Tiimi uskoi, että uusi ja innovatiivisempi suunnitelma voisi tuottaa parempia tuloksia ja parantaa toiminnallisuutta, joten he rakensivat tietokoneen mallin tehtäville. Järjestelmää ei vaikuttanut aiempi konventio, ja siihen sovellettiin joitain sääntöjä.

Zhao kirjoittaa, että mahdollisten robotti-muotojen kokoelma on “pääosin koostuu järjettömistä suunnitelmissa. Jos voit vain liittää osat satunnaisesti, sinä päättyy sekasortoon.”

https://www.youtube.com/watch?v=JmuLW5So4FU&feature=emb_title

Graafinen kielioppi

Tiimi päätti kehittää “graafisen kieliopin”, joka rajoittaa, miten robotin komponentit voivat olla järjestetty. Tämä on vain sitä varten, että jokainen tietokoneella generoitu suunnitelma toimii perustasolla, rajoituksineen, kuten ettei voi liittää jalkasegmenttejä toisiinsa sen sijaan, että liittäisi niveltä.

Zhao sai inspiraation eläimistä, erityisesti niveljalkaisista, suunnitellessaan graafisen kieliopin sääntöjä.

Niveljalkaiset “ovat luonteeltaan keskivartalolla, jossa on muuttuva määrä segmenttejä. Jotkut segmentit voivat olla liittyneitä jalkoihin”, Zhao sanoo. “Ja huomasimme, että se riittää kuvaamaan paitsi niveljalkaisia myös muita tutumpia muotoja.”

Graafisen kieliopin avulla RoboGrammar toimii kolmessa vaiheessa. Ensimmäinen vaihe on määritellä ongelma. Toinen vaihe on suunnitella mahdollisia robotti-ratkaisuja. Kolmas vaihe on valita parhaat niistä.

Ihmiskäyttäjät ovat vastuussa ongelman määrittelystä ja syöttävät saatavilla olevat robotin komponentit, kuten moottorit, jalat ja liitännäisegmentit. Käyttäjä syöttää myös, minkälaista maastoa robotti toimii.

“Se on avainasia varmistamaan, että lopulliset robotit voivat olla rakennettu todellisessa maailmassa”, Zhao sanoo.

Satoja tuhansia rakenteita

RoboGrammar ottaa graafisen kieliopin säännöt ja suunnittelee satoja tuhansia mahdollisia robotti-rakenteita, joilla on erilaisia ulkonäköjä.

“Se oli melko inspiroivaa meille nähdä suunnitelmien monimuotoisuus”, Zhao sanoo. “Se osoittaa kieliopin ilmaisukyvyn.”

Kaikki suunnitelmat eivät kuitenkaan ole hyviä, ja parhaiden valitseminen edellyttää, että jokaisen robotin liikkeet ja toimintoja on arvioitava.

“Tähän asti nämä robotit ovat vain rakenteita”, Zhao sanoo.

Tiimi kehitti ohjaimen kullekin robottiin algoritmin avulla, joka priorisoi nopean eteenpäin liikkeen, ja se edistää rakenteita.

“Robotin muoto ja ohjain ovat syvällisesti toisiinsa kytköksissä, joten meidän on optimoitava ohjain kullekin robotille yksilöllisesti”, Zhao sanoo.

Tutkijat käyttävät sitten neuroverkkoalgoritmiä etsimään hyvin suorittavia robotti. Algoritmi ottaa näytteitä ja arvioi eri robotti-settejä ja oppii, mitkä suunnitelmat toimivat mille tehtäville.

Kaikki edellä mainittu tapahtuu ilman ihmisen väliintuloa.

“Tämä työ on kruunu 25-vuotisessa pyrkimyksessä automatisoida robottien morfologia ja ohjelmointi”, sanoo Hod Lipson, mekaniikan insinööri ja tietojenkäsittelytieteilijä Columbian yliopistosta. Hän ei ollut mukana tutkimuksessa. “Graafisen kieliopin käytön idea on ollut olemassa jo jonkin aikaa, mutta missään tämä idea ei ole toteutettu niin kauniisti kuin tässä työssä. Kun saamme koneet suunnittelemaan, rakentamaan ja ohjelmoimaan robotteja automaattisesti, kaikki panokset ovat pois.”

Zhao:n mukaan RoboGrammar on “työkalu robotti-suunnittelijoille laajentaa robotti-rakenteiden avaruutta, josta he voivat piirtää.”

Tiimi aikoo nyt rakentaa ja testata joitain robotti ja Zhao sanoo, että järjestelmä voisi siirtyä maaston ylittämisestä virtuaalimaailmoihin.

“Oletetaan, että haluat luoda videopelissä monia erilaisia robotti, ilman, että tarvitsee taiteilijaa luomaan kunkin yksittäisen. RoboGrammar toimisi siinä melkein välittömästi”, Zhao sanoo.

Alex McFarland on AI-toimittaja ja kirjailija, joka tutkii viimeisimpiä kehityksiä tekoälyssä. Hän on tehnyt yhteistyötä useiden AI-startup-yritysten ja julkaisujen kanssa maailmanlaajuisesti.