AI hjälper till att träna team av samarbetande robotar och drönare

En grupp forskare vid University of Illinois Grainger College of Engineering har utvecklat en ny metod för att träna flera agenter, som robotar och drönare, att arbeta tillsammans med hjälp av artificiell intelligens (AI). Agenterna förlitar sig på förstärkt inlärning, som är en av de viktigaste typerna av maskinlärningstekniker.

Decentraliserad teknik

Huy Tran är en flygingenjör vid universitetet.

“Det är lättare när agenter kan prata med varandra”, sa Huy Tran. “Men vi ville göra detta på ett decentraliserat sätt, vilket innebär att de inte pratar med varandra. Vi fokuserade också på citat där det inte är uppenbart vad de olika rollerna eller jobben för agenterna ska vara.”

Enligt Tran är denna scenario mer komplex eftersom det inte är tydligt vad en agent ska göra mot en annan agent.

“Den intressanta frågan är hur vi lär oss att utföra en uppgift tillsammans över tid”, sa han.

Förstärkt inlärningsteknik

Teamet förlitade sig på maskinlärningstekniken förstärkt inlärning för att komma runt detta problem. Det möjliggjorde för dem att skapa en nyttofunktion som talar om för agenten när den gör något användbart för teamet.

“Med lagmål är det svårt att veta vem bidrog till segern”, fortsatte Tran. “Vi utvecklade en maskinlärningsteknik som tillåter oss att identifiera när en enskild agent bidrog till det globala lagmålet. Om du tittar på det i termer av sport, kan en fotbollsspelare göra mål, men vi vill också veta om handlingar av andra lagkamrater som ledde till målet, som assisterar. Det är svårt att förstå dessa fördröjda effekter.”

Forskarnas algoritmer identifierar också när en agent eller robot gör något som går emot, eller inte bidrar till målet.

“Det är inte så mycket att roboten valde att göra något fel, utan snarare något som inte är användbart för slutmålet”, sa han.

Algoritmerna testades med hjälp av simulerade spel, som StarCraft.

“StarCraft kan vara lite mer oförutsägbart – vi var glada att se att vår metod fungerade bra i denna miljö också.”

Denna typ av algoritm är tillämplig på olika verkliga situationer, säger teamet. Några av de potentiella tillämpningarna inkluderar militär övervakning, robotar i ett lager, trafiksignalering, autonoma fordon som samordnar leveranser och kontroll av ett elkraftnät.

Teamet som genomförde denna banbrytande forskning inkluderade Seung Hyun Kim, Neale Van Stralen och Girish Chowdhary. Det presenterades vid konferensen Autonomous Agents and Multi-Agent Systems.