인공 지능, 강화 학습으로 해양을 탐색하다

캘테크, ETH 취리히, 하버드 대학교의 엔지니어들은 자율 무인 기구가 해양 흐름을 이용하여 탐색할 수 있는 인공 지능(AI)을 개발 중이다. 이 접근법을 통해 무인 기구는 더 이상 흐름을 거슬러 가야 할 필요가 없다.

이 연구는 네이처 커뮤니케이션즈에 12월 8일에 발표되었다.

존 오. 다비리(John O. Dabiri)는 항공우주 및 기계공학의 100주년 교수이자 연구의 공동 저자이다.

“우리가 로봇이 깊은 바다를 탐색하게 하려면, 특히 스웜에서, 20,000 피트 아래에서 조종석으로부터 로봇을 제어하는 것은 거의 불가능하다. 또한 우리는 로봇이 탐색해야 하는 지역의 해류에 대한 데이터를 제공할 수 없다. 왜냐하면 우리는 표면에서 그것을 감지할 수 없기 때문이다. 대신, 어느 시점에서 우리는 해양 무인 기구가 스스로 이동하기 위한 quyết định을 내릴 수 있어야 한다”고 다비리는 말했다.

인공 지능 테스트

엔지니어들은 컴퓨터 시뮬레이션을 통해 인공 지능의 정확도를 테스트했다. 팀은 알고리즘이 실행되는 컴퓨터 칩이 장착된 작은 로봇을 개발했으며, 이는 지구 및 기타 행성의 해양 무인 기구를 구동할 수 있다. 궁극적으로, 팀은 해양 흐름을 이용하여 탐색할 수 있는 자율 시스템을 개발할 수 있을 것이다. 이는 이전에 젤리피쉬를 명령에 따라 수영하게 하는데 사용된 프로스θε틱스와 결합하여 개발될 것이다.

이 접근법이 작동하려면, 무인 기구는 스스로 이동할 수 있는 위치와 방법에 대한 결정을 내릴 수 있어야 한다.它们는 자신이 수집한 데이터에 의존할 가능성이 높으며, 이는 자신이 경험하는 해류에 대한 정보의 형태일 것이다.

연구자들은 강화 학습 네트워크를 사용하여 이 문제를 해결했다. 또한 소프트웨어를 개발하여 작은 마이크로 컨트롤러에서 실행할 수 있다.

팀은 컴퓨터 시뮬레이션을 사용하여 인공 지능이 탐색을 학습할 수 있도록 했다. 시뮬레이션된 수영자는 현재 위치의 해류 정보만을 가지고 있었지만, 빠르게 목표를 향해 이동하기 위해 물의 와류를 이용하는 방법을 학습할 수 있었다.

이러한 종류의 탐색은 매와 수리류에서 흔히 볼 수 있다. 이들은 공중의 열기를 이용하여 에너지를 추출하고 목표를 향해 이동할 수 있다. 이를 통해 에너지를 절약할 수 있다.

효과적인 탐색 전략

팀에 따르면, 강화 학습 알고리즘은 해양에서 물고기가 사용하는 탐색 전략보다 더 효과적인 방법을 학습할 수 있다.

“우리는 처음에 인공 지능이 실제 수영 동물에서 발견되는 탐색 전략과 경쟁할 수 있기를希望했지만, 컴퓨터에서 반복적인 시도를 통해 더 효과적인 방법을 학습하는 것을 보면서 놀랐다”고 다비리는 말했다.

연구자들은 이제 해양에서 발생하는 다양한 종류의 흐름 교란에 대한 인공 지능을 테스트할 계획이다. 그들은 해양 흐름 물리학에 대한 지식과 강화 학습 전략을 결합하여 이를 달성할 것이다.

피터 건나슨(Peter Gunnarson)은 캘테크의 대학원생이자 연구의 공동 저자이다.

“로봇이 학습하는 것뿐만 아니라, 우리는 해류와 그것을 통해 탐색하는 방법에 대해 배울 것이다”고 건나슨은 말했다.