Ingineri dezvoltă unelte pentru îmbunătățirea oricărui sistem robotic autonom

O echipă de ingineri de la MIT a dezvoltat un cod de optimizare pentru îmbunătățirea oricărui sistem robotic autonom. Codul identifică automat modul și locul în care sistemul poate fi modificat pentru a îmbunătăți performanța robotului.

Rezultatele cercetătorilor vor fi prezentate la conferința anuală Robotics: Science and Systems de la New York. Echipa a inclus Charles Dawson, student absolvent la MIT, și ChuChu Fan, asistent profesor în Departamentul de Aeronautică și Astronautică al MIT.

Proiectarea sistemelor de inteligență artificială și robotice

Inteligența artificială (IA) și sistemele robotice sunt utilizate într-o gamă largă de industrii, iar fiecare sistem este rezultatul unui proces de proiectare specific. Pentru a proiecta un robot autonom, inginerii se bazează pe simulări de încercare și eroare, care sunt adesea informate de intuiție. În același timp, simulările sunt adaptate componentelor specifice ale robotului și sarcinilor sale desemnate, ceea ce înseamnă că nu există o “rețetă” adevărată pentru a asigura un rezultat reușit.

Inginerii de la MIT schimbă această situație cu noua lor unealtă de proiectare generală pentru roboți. Ei au dezvoltat un cod de optimizare care poate fi aplicat simulărilor a aproape oricărui sistem robotic autonom și ajută la identificarea automată a modalităților în care performanța robotului poate fi îmbunătățită.

Uneltele au demonstrat capacitatea de a îmbunătăți performanța a două sisteme robotice autonome foarte diferite. Primul a fost un robot care a navigat pe un drum între două obstacole, iar al doilea a fost o pereche de roboți care au lucrat împreună pentru a muta o cutie grea.

Conform cercetătorilor, acest nou optimizator cu scop general poate ajuta la accelerarea dezvoltării unei game largi de sisteme autonome, cum ar fi roboții care merg sau vehiculele autonome.

Dawson și Fan au spus că și-au dat seama de nevoia acestui tip de unealtă după ce au observat diversele unelte de proiectare automate disponibile pentru alte discipline inginerești.

“Dacă un inginer mecanic ar fi vrut să proiecteze o turbină eoliană, ar fi putut utiliza un instrument de proiectare 3D pentru a proiecta structura, apoi un instrument de analiză prin elemente finite pentru a verifica dacă va rezista la anumite sarcini”, spune Dawson. “Cu toate acestea, lipsește o astfel de unealtă de proiectare asistată de calculator pentru sisteme autonome.”

Pentru a optimiza un sistem autonom, un roboticist obișnuiește să dezvolte mai întâi o simulare a sistemului și a subsistemelor sale care interacționează, apoi să ia anumite parametri ai fiecărui component. Simularea este apoi rulată înainte pentru a vedea cum va funcționa sistemul.

Sunt necesare multiple procese de încercare și eroare înainte de a putea determina combinația optimă de ingrediente, și acest lucru este o întreprindere care consumă mult timp.

“În loc de a spune ‘Dat un proiect, ce performanță are?’, am vrut să inversăm acest lucru și să spunem ‘Dată performanța pe care vrem să o vedem, ce proiect ne conduce acolo?'” spune Dawson.

Cadrul de optimizare, sau codul de calculator, a fost proiectat pentru a găsi automat ajustări care pot fi făcute la un sistem existent. Codul se bazează pe diferențierea automată, care este o unealtă de programare inițial utilizată pentru a antrena rețele neuronale. Această tehnică, numită și “autodiff”, ajută la evaluarea rapidă și eficientă a “derivatei”, sau a sensibilității la schimbare a oricărui parametru.

“Metoda noastră ne spune automat cum să facem pași mici de la un proiect inițial către un proiect care atinge obiectivele noastre”, spune Dawson. “Utilizăm autodiff pentru a ‘săpa’ în codul care definește un simulator și a determina cum să facem această inversare în mod automat.”

Testarea uneltei

Uneltele au fost testate pe două sisteme robotice autonome separate și au îmbunătățit performanța fiecărui sistem în experimentele de laborator. În timp ce primul sistem a constat într-un robot cu roți proiectat să planifice un drum între două obstacole, al doilea sistem a fost cu adevărat impresionant.

Al doilea sistem a fost mai complex, cu două roboți cu roți care lucrau împreună pentru a împinge o cutie către o poziție țintă, ceea ce a însemnat că simularea a inclus mult mai mulți parametri. Uneltele au putut să identifice eficient pașii necesari pentru ca roboții să-și îndeplinească sarcina, iar procesul de optimizare a fost de 20 de ori mai rapid decât tehnicile convenționale.

“Dacă sistemul dvs. are mai mulți parametri de optimizat, uneltele noastre pot face și mai bine și pot economisi timp în mod exponențial”, spune Fan. “Este în esență o alegere combinatorie: pe măsură ce numărul de parametri crește, cresc și alegerile, iar abordarea noastră poate reduce aceasta dintr-o singură lovitură.”

Optimizerul general este disponibil pentru descărcare, iar echipa va lucra în continuare pentru a-l perfecționa, ceea ce îl va face util pentru sisteme mai complexe.

“Scopul nostru este de a împuternici oamenii să construiască roboți mai buni”, spune Dawson. “Suntem furnizori de un nou bloc de construcție pentru optimizarea sistemului lor, astfel încât să nu fie nevoiți să înceapă de la zero.”