Det amerikanske forsvaret nærmer seg selvstyrte terrengkjøretøy til kamp

Forskere ved U.S. Army Combat Capabilities Development Command’s Army Research Laboratory og University of Texas at Austin har utviklet en algoritme som kan ha store konsekvenser for selvstyrte kjøretøy. Med algoritmen kan selvstyrte terrengkjøretøy forbedre sine egne navigasjonssystemer ved å observere en menneskelig sjåfør.

Tilnærmingen som er utviklet av forskerne kalles adaptiv planleggingsparameterlæring fra demonstrasjon, eller APPLD. Den ble testet på et eksperimentelt selvstyrt terrengkjøretøy fra hæren.

Forskningen ble publisert i IEEE Robotics and Automation Letters. Arbeidet har tittelen “APPLD: Adaptiv Planleggingsparameterlæring Fra Demonstrasjon.”

APPLD

Dr. Garrett Warnell er en forsker ved hæren.

“Med tilnærminger som APPLD, vil nåværende soldater i eksisterende treningsfasiliteter kunne bidra til forbedringer av selvstyrte systemer bare ved å operere sine kjøretøy som normalt,” sa Warnell. “Teknikker som disse vil være en viktig bidrag til hærens planer om å designe og utvikle neste generasjons kampkjøretøy som er utstyrt til å navigere selvstyrte i terrengmiljøer.”

For å utvikle det nye systemet, kombinerer forskerne maskinlæring fra demonstrasjon-algoritmer og klassiske selvstyrte navigasjonssystemer. En av de beste egenskapene ved denne tilnærmingen er at den tillater APPLD å forbedre et eksisterende system for å oppføre seg mer som et menneske, i stedet for å erstatte hele det klassiske systemet.

På grunn av dette, er det utrangerte systemet i stand til å beholde egenskaper som optimalitet, forklarbarhet og sikkerhet, som er til stede i klassiske navigasjonssystemer, samtidig som det skaper et mer fleksibelt system som kan tilpasse seg nye miljøer.

“En enkelt demonstrasjon av menneskelig kjøring, som ble gitt ved hjelp av en vanlig Xbox-trådløs kontroller, tillot APPLD å lære hvordan man kan finjustere kjøretøyets eksisterende selvstyrte navigasjonssystem forskjellig avhengig av det spesifikke lokale miljøet,” sa Warnell. “For eksempel, når det var i en trang korridor, slo menneskelige sjåføren ned farten og kjørte forsiktig. Etter å ha observert dette oppførslet, lærte det selvstyrte systemet å også redusere sin maksimale hastighet og øke sin beregningsbudsjett i lignende miljøer. Dette tillot til slutt kjøretøyet å navigere selvstyrte i andre trange korridorer hvor det tidligere hadde feilet.”

https://www.youtube.com/watch?v=u2xxPTZA0DY

Resultatene viste at det trente APPLD-systemet kunne navigere i testmiljøene mer effektivt og med færre feil sammenlignet med det klassiske systemet. I tillegg kunne det også navigere i miljøet raskere enn den menneskelige som var ansvarlig for å trene det.

Dr. Peter Stone er en professor og leder av Robotics Consortium ved UT Austin.

“Fra et maskinlæringperspektiv, kontrasterer APPLD med såkalte end-to-end-læringssystemer som prøver å lære hele navigasjonssystemet fra scratch,” sa Stone. “Disse tilnærmingene krever ofte mye data og kan føre til atferd som ikke er trygg eller robust. APPLD utnytter de delene av kontrollsystemet som er blitt nøye konstruert, samtidig som det fokuserer maskinlæring-innsatsen på parameter-justeringsprosessen, som ofte gjøres basert på en enkelt persons intuisjon.”

Det nye systemet tillater ikke-eksperter i feltet robotikk å trene og forbedre selvstyrte kjøretøy-navigasjon. For eksempel, kunne en ubegrenset antall brukere gi dataene nødvendige for systemet å forbedre seg selv, i stedet for å avhenge av en gruppe ekspert-ingeniører som manuelt justerer systemet.

Dr. Jonathan Fink er en forsker ved hæren.

“Nåværende selvstyrte navigasjonssystemer må vanligvis justeres for hånd for hvert nytt utrangerte miljø,” sa Fink. “Dette prosessen er ekstremt vanskelig — det må gjøres av noen med omfattende trening i robotikk, og det krever mye prøving og feiling til rette systeminnstillinger kan finnes. I kontrast, justerer APPLD systemet automatisk ved å observere en menneskelig kjøre systemet — noe som hvem som helst kan gjøre hvis de har erfaring med en videospillkontroller. Under utrangerte, tillater APPLD også systemet å justere seg selv i sanntid når miljøet endrer seg.”

Militær bruk

Dette systemet vil være nyttig for hæren, som for tiden arbeider med å utvikle moderne, valgfrie, bemannede kampkjøretøy og robotiske kampkjøretøy. For øyeblikket er mange av miljøene for komplekse for selv de beste selvstyrte navigasjonssystemer.

Dr. Xuesu Xiao er en postdoktorand ved UT Austin og hovedforfatter av artikkelen.

“I tillegg til den umiddelbare relevansen for hæren, skaper APPLD også muligheten til å brygge gapet mellom tradisjonelle ingeniørtilnærminger og fremvoksende maskinlæringsteknikker, for å skape robuste, adaptive og fleksible mobile roboter i den virkelige verden,” sa Xiao

APPLD-systemet vil nå bli testet i forskjellige utendørs miljøer. Forskergruppen vil også se om ekstra sensorinformasjon kan hjelpe systemene til å lære mer komplekse atferd.