L'intelligenza artificiale aiuta a formare squadre di robot collaborativi e droni

Un team di ricercatori del Grainger College of Engineering dell’Università dell’Illinois ha sviluppato un nuovo metodo per addestrare più agenti come robot e droni a lavorare insieme utilizzando l’intelligenza artificiale (AI). Gli agenti fanno affidamento sull'apprendimento per rinforzo, che è uno dei principali tipi di tecniche di apprendimento automatico.

Tecnica Decentralizzata

Huy Tran è un ingegnere aerospaziale all'università.

"È più facile quando gli agenti possono parlare tra loro", ha detto Huy Tran. “Ma volevamo farlo in modo decentralizzato, il che significa che non si parlano. Ci siamo anche concentrati sulle citazioni in cui non è ovvio quali dovrebbero essere i diversi ruoli o lavori per gli agenti".

Secondo Tran, questo scenario è più complesso perché non è chiaro cosa dovrebbe fare un agente contro un altro agente.

"La domanda interessante è come impariamo a portare a termine un compito insieme nel tempo", ha detto.

Tecnica di Apprendimento per Rinforzo

Il team si è affidato alla tecnica di apprendimento automatico chiamata apprendimento per rinforzo per aggirare questo problema. Ha permesso loro di creare una funzione di utilità che dice all'agente quando sta facendo qualcosa di utile per il team.

"Con gli obiettivi di squadra, è difficile sapere chi ha contribuito alla vittoria", ha continuato Tran. “Abbiamo sviluppato una tecnica di apprendimento automatico che ci consente di identificare quando un singolo agente ha contribuito all'obiettivo del team globale. Se lo guardi in termini sportivi, un calciatore può segnare, ma vogliamo anche conoscere le azioni di altri compagni di squadra che hanno portato al gol, come gli assist. È difficile capire questi effetti ritardati”.

Gli algoritmi dei ricercatori identificano anche quando un agente o un robot sta facendo qualcosa che va contro o non contribuisce all'obiettivo.

"Non è tanto il robot che ha scelto di fare qualcosa di sbagliato, solo qualcosa che non è utile per l'obiettivo finale", ha detto.

Gli algoritmi sono stati testati utilizzando giochi simulati, come StarCraft.

"StarCraft può essere un po' più imprevedibile: eravamo entusiasti di vedere che il nostro metodo funzionava bene anche in questo ambiente".

Questo tipo di algoritmo è applicabile a varie situazioni del mondo reale, afferma il team. Alcune delle potenziali applicazioni includono la sorveglianza militare, i robot in un magazzino, il controllo dei semafori, i veicoli autonomi che coordinano le consegne e il controllo di una rete elettrica.

Il team che ha condotto questa ricerca rivoluzionaria comprendeva Seung Hyun Kim, Neale Van Stralen e Girish Chowdhary. È stato presentato alla conferenza peer-reviewed di Autonomous Agents and Multi-Agent Systems.