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

Un team di ricercatori del 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 citazioni 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.