자율 로봇 시스템 개선 도구 개발

MIT의 엔지니어 팀은 자율 로봇 시스템을 개선하는 최적화 코드를 개발했습니다. 이 코드는 자동으로 시스템을 개선하기 위해 어떻게 그리고 어디서 변경해야 하는지 식별합니다.

엔지니어들의 발견은 뉴욕에서 열리는 로봇공학: 과학 및 시스템 회의에서 발표될 예정입니다. 팀에는 찰스 다슨(Charles Dawson), MIT 대학원생과 추추 판(ChuChu Fan), MIT 항공우주공학부 조교수가 포함됩니다.

AI 및 로봇 시스템 설계

인공 지능(AI) 및 로봇 시스템은 다양한 산업에서 사용되며, 각 시스템은 특정 시스템에 대한 설계 프로세스의 결과입니다. 자율 로봇을 설계하기 위해 엔지니어들은 시뮬레이션을 통해 오류를 찾아내는 과정을 거칩니다. 이러한 시뮬레이션은 로봇의 특정 구성 요소와 지정된 작업에 맞게 조정되므로 성공적인 결과를 보장하는真正한 “레시피”는 없습니다.

MIT 엔지니어들은 새로운 일반 설계 도구를 개발하여 이를 변경하고 있습니다. 그들은 거의 모든 자율 로봇 시스템의 시뮬레이션에 적용할 수 있는 최적화 코드를 개발했으며, 로봇의 성능을 개선하는 방법을 자동으로 식별하는 데 도움이 됩니다.

도구는 두 개의 매우 다른 자율 시스템의 성능을 개선하는 능력을展示했습니다. 첫 번째 시스템은 두 개의 장애물 사이를 이동하는 로봇이었습니다. 두 번째 시스템은 두 개의 로봇이 함께 ağır 상자를 이동하는 시스템이었습니다.

연구원에 따르면, 이 새로운 일반적인 최적화 도구는 자율 시스템의 개발을 가속화하는 데 도움이 될 수 있습니다. 예를 들어, 걸음 로봇이나 자율 주행 차량과 같은 시스템입니다.

다슨과 판은 다른 엔지니어링 분야에서 사용 가능한 자동화된 설계 도구를 관찰한 후 이러한 종류의 도구가 필요하다는 것을 깨달았습니다.

“기계 엔지니어가 풍차를 설계하려면 3D CAD 도구를 사용하여 구조를 설계한 다음, 유한 요소 분석 도구를 사용하여 특정 하중에 대한 저항을 확인할 수 있습니다.” 다슨은 말합니다. “그러나 자율 시스템을 위한 이러한 컴퓨터 지원 설계 도구가 부족합니다.”

자율 시스템을 최적화하려면 로봇공학자는 일반적으로 먼저 시스템과 상호 작용하는 하위 시스템의 시뮬레이션을 개발한 다음 각 구성 요소의 특정 매개 변수를 취합니다. 그런 다음 시뮬레이션을 실행하여 시스템이 어떻게 작동하는지 확인합니다.

최적의 조합을 결정하기 전에 여러 번의 시도와 오류 과정이 필요하며, 이는 시간이 걸리는 작업입니다.

“설계가 주어졌을 때, 성능은 무엇인가?”라는 질문을 던지는 대신, “원하는 성능이 무엇인가?”라는 질문을 던지고, “그 성능을 달성하는 데 필요한 설계는 무엇인가?”라고问합니다.” 다슨은 말합니다.

최적화 프레임워크 또는 컴퓨터 코드는 기존 시스템에 적용할 수 있는 조정을 자동으로 찾도록 설계되었습니다. 코드는 자동 미분에 기반하며, 이는 초기에 신경망을 훈련하는 데 사용되는 프로그래밍 도구입니다. 또한 “autodiff”라고도 불리우는 이 기술은 매개 변수의 미분 또는 민감도를 빠르고 효율적으로 평가하는 데 도움이 됩니다.

“우리의 방법은 초기 설계에서 목표를 달성하는 설계로 작은 단계를 자동으로 알려줍니다.” 다슨은 말합니다. “우리는 시뮬레이터를 정의하는 코드를 분석하여 자동으로 이 반전을 수행하는 방법을 결정하기 위해 autodiff를 사용합니다.”

도구 테스트

도구는 두 개의 별도 자율 로봇 시스템에서 테스트되었으며, 두 시스템의 성능을 모두 개선했습니다. 첫 번째 시스템은 두 개의 장애물 사이를 이동하는 로봇이었습니다. 두 번째 시스템은 두 개의 로봇이 함께 ağır 상자를 이동하는 시스템이었습니다.

두 번째 시스템은 더 복잡했으며, 두 개의 로봇이 함께 작업하여 상자를 목표 위치로 이동하도록 설계되었습니다. 이는 시뮬레이션이 더 많은 매개 변수를 포함한다는 것을 의미합니다. 도구는 로봇이 작업을 수행하는 데 필요한 단계를 효율적으로 식별할 수 있었으며, 최적화 과정은 기존 기술보다 20 배 더 빠르었습니다.

“시스템에 더 많은 매개 변수가 최적화되어 있다면, 우리의 도구는 더 잘 작동할 수 있으며, 시간을指数적으로 더 절약할 수 있습니다.” 판은 말합니다. “이것은 기본적으로 조합 선택입니다. 매개 변수의 수가 증가할수록 선택의 수가 증가하며, 우리의 접근 방식은 이를 한 번에 줄일 수 있습니다.”

일반 최적화 도구는 다운로드할 수 있으며, 팀은 더 복잡한 시스템에서 사용할 수 있도록 이를 추가로 개선할 계획입니다.

“우리의 목표는 사람들이 더好的 로봇을 구축할 수 있도록 하는 것입니다.” 다슨은 말합니다. “우리는 시스템을 최적화하는 데 새로운 빌딩 블록을 제공하고 있습니다. 그래서 그들은 처음부터 시작할 필요가 없습니다.”