Robotika dan AI fisik

“Robot Bodoh” Mencapai Tugas dengan Menggunakan Karakteristik Fisik

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Untuk memungkinkan kawanan robot bertindak secara kolektif, peneliti harus mengoreografikan interaksi mereka dengan mengandalkan algoritma canggih dan komponen. Namun, jika robot tersebut sederhana dengan kekurangan pemrograman canggih, perilaku terkoordinasi dapat jarang dicapai.

Dana Randall, Profesor Komputasi ADVANCE, dan Daniel Goldman, Profesor Keluarga Dunn, telah memimpin tim peneliti di Georgia Institute of Technology untuk menangani masalah ini. Tim tersebut berusaha untuk menunjukkan bagaimana robot sederhana masih dapat mencapai tugas yang melampaui kemampuan satu robot.

Penelitian ini dipublikasikan di jurnal Science Advances pada 23 April.

Robot Bodoh Mencapai Tugas Kompleks

Disebut “robot bodoh,” tim tersebut menggunakan partikel granular mobile, dan ini adalah apa yang mereka coba buktikan dapat mencapai tugas kompleks. Peneliti melaporkan bahwa mereka dapat menghapus semua sensor, komunikasi, memori, dan komputasi dari robot, dan mereka menggunakan karakteristik fisik robot untuk menyelesaikan serangkaian tugas. Menurut tim, sifat ini disebut “penjelmaan tugas.”

BOBbots, yang merupakan singkatan dari “behaving, organizing, buzzing bots,” dinamai setelah Bob Behringer, seorang pelopor dalam fisika granular.

Robot tersebut “sebodoh yang bisa didapatkan,” kata Randall. “Chasis silinder mereka memiliki sikat getar di bawah dan magnet longgar di periferi, menyebabkan mereka menghabiskan lebih banyak waktu di lokasi dengan lebih banyak tetangga.”

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

Simulasi Komputer

Selain platform eksperimental, tim juga mengandalkan simulasi komputer presisi yang dipimpin oleh Shengkai Li, seorang mahasiswa fisika Georgia Tech. Simulasi ini membantu mempelajari berbagai aspek sistem yang tidak dapat dilihat di laboratorium.

BOBbots sangat sederhana, tetapi peneliti masih menunjukkan bahwa ketika robot bergerak bersama dan bertabrakan, “agregat kompak terbentuk yang mampu membersihkan debris yang terlalu berat untuk satu robot untuk memindahkannya,” jelas Goldman. “Sementara kebanyakan orang membangun robot yang semakin kompleks dan mahal untuk memastikan koordinasi, kami ingin melihat tugas kompleks apa yang dapat dicapai dengan robot sangat sederhana.”

Kerja tim ini terinspirasi oleh model teoretis partikel yang bergerak di atas papan catur, dan untuk mempelajari model matematika BOBbots, abstraksi teoretis yang disebut sistem partikel self-organizing dikembangkan. Dengan menarik dari teori probabilitas, fisika statistik, dan algoritma stokastik, tim dapat membuktikan bahwa ketika interaksi magnetik meningkat, model teoretis mengalami perubahan fase. Ini dengan cepat berubah dari terdispersi ke agregat, membentuk kluster kompak yang mirip dengan sistem seperti air dan es.

Randall juga merupakan profesor ilmu komputer dan profesor matematika tambahan di Georgia Tech.

“Analisis yang ketat tidak hanya menunjukkan kepada kami bagaimana membangun BOBbots, tetapi juga mengungkapkan kekuatan bawaan algoritma kami yang memungkinkan beberapa robot untuk rusak atau tidak terduga,” kata Randall.

Alex McFarland adalah seorang jurnalis dan penulis AI yang menjelajahi perkembangan terbaru dalam kecerdasan buatan. Ia telah berkolaborasi dengan berbagai startup dan publikasi AI di seluruh dunia.