Robotica e IA fisica

L’AI aiuta a formare squadre di robot e droni collaborativi

Alex McFarland
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiave去中心化强化学习使机器人团队无需直接通信即可协调行动。
Vedi di più
  • 去中心化强化学习使机器人团队无需直接通信即可协调行动。
  • 新算法能够识别单个智能体对团队目标的贡献,例如足球中的助攻。
  • 该方法在不可预测的模拟环境(如《星际争霸》)中被证明是有效的。

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 con l’utilizzo dell’intelligenza artificiale (AI). Gli agenti si affidano all’apprendimento per rinforzo, che è uno dei principali tipi di tecniche di apprendimento automatico.

Tecnica decentralizzata

Huy Tran è un ingegnere aerospaziale dell’università.

“È più facile quando gli agenti possono parlare tra loro”, ha detto Huy Tran. “Ma abbiamo voluto farlo in modo decentralizzato, ovvero che non parlino tra loro. Ci siamo anche concentrati sulle situazioni in cui non è ovvio quali siano i diversi ruoli o lavori per gli agenti”.

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

“La domanda interessante è come impariamo a raggiungere un obiettivo 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 superare questo problema. Ciò ha consentito loro di creare una funzione di utilità che dice all’agente quando sta facendo qualcosa di utile per la squadra.

“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 agente individuale ha contribuito all’obiettivo globale della squadra. Se si guarda in termini di sport, un giocatore di calcio può segnare, ma vogliamo anche sapere delle azioni degli altri compagni di squadra che hanno portato al goal, 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 che il robot abbia scelto di fare qualcosa di sbagliato, ma 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 il nostro metodo funzionare bene anche in questo ambiente”.

Questo tipo di algoritmo è applicabile a vari scenari 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 innovativa includeva Seung Hyun Kim, Neale Van Stralen e Girish Chowdhary. È stato presentato alla conferenza peer-reviewed Autonomous Agents and Multi-Agent Systems.

Alex dirige le operazioni di notizie alimentate dall'IA di Unite.AI, combinando giornalismo, ricerca e automazione per supportare una copertura tempestiva e scalabile dell'intelligenza artificiale. Il suo lavoro contribuisce a garantire che gli sviluppi emergenti dell'IA vengano evidenziati in modo efficiente, mantenendo gli standard editoriali della pubblicazione.