AI를 이용한 협력 로봇과 드론의 훈련

일리노이 대학교 그레이ンガー 공과대학의 연구팀은 인공 지능(AI)을 이용하여 여러 에이전트 seperti 로봇과 드론이 협력하여 작업을 수행할 수 있는 새로운 방법을 개발했습니다. 에이전트는 강화 학습에 의존하며, 이는 기계 학습 기술의 주요 유형 중 하나입니다.

분산 기술

Huy Tran은 대학의 항공 우주 공학자입니다.

“에이전트가 서로 통신할 수 있을 때 더 쉽습니다.”라고 Huy Tran은 말했습니다. “하지만 우리는 분산 방식으로 이를 수행하고자 했습니다. 즉, 에이전트가 서로 통신하지 않는다는 의미입니다. 또한 에이전트의 역할이나 직무가 명확하지 않은 상황에서 인용을 중점적으로 다루었습니다.”

Tran에 따르면, 이 시나리오는 한 에이전트가 다른 에이전트에 대해 수행해야 할 작업이 명확하지 않기 때문에 더 복잡합니다.

“흥미로운 질문은 우리가 어떻게 함께 작업을 수행하는 방법을 배우는지입니다.”라고 그는 말했습니다.

강화 학습 기술

연구팀은 이 문제를 해결하기 위해 강화 학습이라는 기계 학습 기술을 사용했습니다. 이를 통해 에이전트가 유용한 작업을 수행할 때 알려주는 유틸리티 함수를 생성할 수 있었습니다.

“팀의 목표는 어려울 수 있습니다. 누가 승利에 기여했는지 알기 어렵습니다.”라고 Tran은 계속했습니다. “우리는 개별 에이전트가 글로벌 팀 목표에 기여했는지 식별할 수 있는 기계 학습 기술을 개발했습니다. 스포츠 관점에서 볼 때, 한 축구 선수가 득점할 수 있지만, 골에 이르는 다른 팀원의 행동도 알고 싶습니다. 이러한 지연 효과를 이해하기는 어렵습니다.”

연구자의 알고리즘은 또한 에이전트나 로봇이 목표에 반하는 작업이나 기여하지 않는 작업을 수행할 때 식별합니다.

“로봇이 잘못된 작업을 선택한 것이 아니라, 단지 목표에 기여하지 않는 작업을 수행한 것입니다.”라고 그는 말했습니다.

알고리즘은 시뮬레이션 게임, 예를 들어 스타크래프트와 같은 게임을 사용하여 테스트되었습니다.

“스타크래프트는 조금 더 예측할 수 없을 수 있습니다. 우리의 방법이 이 환경에서도 잘 작동하는 것을 보면서 기뻤습니다.”

이러한 유형의 알고리즘은 다양한 실제 상황에 적용될 수 있다고 연구팀은 말합니다. 일부 잠재적인 응용 분야에는 군사 감시, 창고의 로봇, 교통 신호 제어, 자율 주행 차량의 배달 조정, 전력 网络 제어가 포함됩니다.

이번 혁신적인 연구를 수행한 팀에는 Seung Hyun Kim, Neale Van Stralen, Girish Chowdhary가 포함되어 있습니다. 이 연구는 자율 에이전트 및 다중 에이전트 시스템의 피어 리뷰 컨퍼런스에서 발표되었습니다.