Insinyur Mengembangkan Alat untuk Meningkatkan Sistem Robotik Otonom

Tim insinyur di MIT telah mengembangkan kode optimasi untuk meningkatkan sistem robotik otonom. Kode ini secara otomatis mengidentifikasi bagaimana dan di mana untuk mengubah sistem untuk meningkatkan kinerja robot.

Temuan insinyur akan dipresentasikan pada konferensi tahunan Robotics: Science and Systems di New York. Tim ini termasuk Charles Dawson, mahasiswa pascasarjana MIT, dan ChuChu Fan, asisten profesor di Departemen Aeronautika dan Astronautika MIT.

Mendesain Sistem AI dan Robotik

Kecerdasan buatan (AI) dan sistem robotik digunakan dalam berbagai industri, dan setiap sistem merupakan hasil dari proses desain yang spesifik untuk sistem tersebut. Untuk mendesain robot otonom, insinyur mengandalkan simulasi trial-and-error yang seringkali dipandu oleh intuisi. Pada saat yang sama, simulasi tersebut disesuaikan dengan komponen spesifik robot dan tugas yang ditentukan, yang berarti tidak ada “resep” yang pasti untuk memastikan hasil yang sukses.

Insinyur MIT mengubah hal ini dengan alat desain umum baru untuk roboticist. Mereka mengembangkan kode optimasi yang dapat diterapkan pada simulasi hampir semua sistem robotik otonom, dan membantu mengidentifikasi secara otomatis cara-cara untuk meningkatkan kinerja robot.

Alat ini menunjukkan kemampuan untuk meningkatkan kinerja dua sistem robotik otonom yang sangat berbeda. Yang pertama adalah robot yang menavigasi jalur antara dua hambatan, dan yang kedua adalah pasangan robot yang bekerja sama untuk memindahkan kotak berat.

Menurut peneliti, optimizer umum ini dapat membantu mempercepat pengembangan berbagai sistem otonom, seperti robot berjalan atau kendaraan self-driving.

Dawson dan Fan mengatakan bahwa mereka menyadari kebutuhan akan alat seperti ini setelah mengamati berbagai alat desain otomatis yang tersedia untuk disiplin ilmu lain.

“Jika seorang insinyur mekanik ingin mendesain turbin angin, mereka dapat menggunakan alat desain 3D CAD untuk mendesain struktur, kemudian menggunakan alat analisis elemen terbatas untuk memeriksa apakah struktur tersebut dapat menahan beban tertentu,” kata Dawson. “Namun, tidak ada alat desain komputer yang seperti ini untuk sistem otonom.”

Untuk mengoptimalkan sistem otonom, seorang roboticist biasanya pertama-tama mengembangkan simulasi sistem dan subsistem yang berinteraksi sebelum mengambil parameter tertentu dari setiap komponen. Simulasi kemudian dijalankan untuk melihat bagaimana sistem akan berperforma.

Proses trial-and-error yang berulang harus dijalankan sebelum kombinasi optimal dapat ditentukan, dan ini adalah tugas yang memakan waktu.

“Bukannya mengatakan, ‘Diberikan desain, apa kinerjanya?’ kita ingin membalikkan ini untuk mengatakan, ‘Diberikan kinerja yang kita inginkan, apa desain yang dapat membawa kita ke sana?'” kata Dawson.

Kerangka optimasi, atau kode komputer, dirancang untuk secara otomatis menemukan penyesuaian yang dapat dilakukan pada sistem yang ada. Kode ini didasarkan pada diferensiasi otomatis, yang awalnya digunakan untuk melatih jaringan saraf. Teknik ini membantu mengevaluasi turunan, atau sensitivitas terhadap perubahan parameter, dengan cepat dan efisien.

“Metode kami secara otomatis memberitahu kita bagaimana mengambil langkah kecil dari desain awal menuju desain yang mencapai tujuan kita,” kata Dawson. “Kita menggunakan autodiff untuk secara esensial memahami kode yang mendefinisikan simulator, dan menemukan bagaimana melakukan inversi ini secara otomatis.”

Menguji Alat

Alat ini diuji pada dua sistem robotik otonom yang terpisah, dan meningkatkan kinerja setiap sistem dalam eksperimen laboratorium. Sementara sistem pertama terdiri dari robot beroda yang dirancang untuk merencanakan jalur antara dua hambatan, sistem kedua yang benar-benar mengesankan.

Sistem kedua lebih kompleks dengan dua robot beroda yang bekerja sama untuk mendorong kotak ke posisi target, yang berarti simulasi tersebut mencakup banyak parameter. Alat ini dapat secara efisien mengidentifikasi langkah-langkah yang diperlukan untuk robot menyelesaikan tugasnya, dan proses optimasi 20 kali lebih cepat daripada teknik konvensional.

“Jika sistem Anda memiliki lebih banyak parameter untuk dioptimalkan, alat kami dapat melakukan lebih baik dan dapat menghemat waktu secara eksponensial,” kata Fan. “Ini sebenarnya adalah pilihan kombinatorial: ketika jumlah parameter meningkat, sehingga pilihan, dan pendekatan kami dapat mengurangi ini dalam satu langkah.”

Optimizer umum ini tersedia untuk diunduh, dan tim akan segera memperbarui untuk membuatnya lebih berguna untuk sistem yang lebih kompleks.

“Tujuan kami adalah memberdayakan orang untuk membangun robot yang lebih baik,” kata Dawson. “Kami menyediakan blok bangunan baru untuk mengoptimalkan sistem mereka, sehingga mereka tidak perlu memulai dari awal.”