หุ่นยนต์และ AI ทางกายภาพ

ระบบ RoboGrammar อัตโนมัติและเพิ่มประสิทธิภาพการออกแบบหุ่นยนต์

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

รูปร่างของหุ่นยนต์กำหนดประเภทของงานที่สามารถทำได้และสภาพแวดล้อมที่สามารถทำงานได้ ด้วยข้อจำกัดทางเทคโนโลยีปัจจุบัน ไม่มีวิธีการสร้างและทดสอบรูปแบบต่างๆ แต่ระบบใหม่ที่พัฒนาโดยนักวิจัยที่ MIT ช่วยให้สามารถจำลองรูปแบบเหล่านี้ได้ หลังจากการจำลองแล้ว สามารถเลือกรูปแบบที่ดีที่สุดจากกลุ่มได้

ระบบใหม่นี้เรียกว่า RoboGrammar และขั้นตอนแรกคือการแจ้งให้ระบบทราบว่าชิ้นส่วนของหุ่นยนต์ใดที่มีอยู่ เช่น ล้อและข้อต่อ จากนั้นระบุประเภทของพื้นที่ที่หุ่นยนต์จะทำงาน แต่นั่นคือทั้งหมดที่ต้องการ RoboGrammar จะสร้างโครงสร้างและโปรแกรมควบคุมที่ได้รับการปรับให้เหมาะสม

การขยายความก้าวหน้าในสาขาการออกแบบหุ่นยนต์

ระบบใหม่นี้เป็นก้าวสำคัญในด้านที่ก้าวหน้าซึ่งยังคงเป็นกระบวนการ手動ส่วนใหญ่

อัลลัน จ้าว เป็นผู้เขียนหลักของการวิจัยและเป็นนักศึกษาระดับ博士ในห้องปฏิบัติการวิทยาศาสตร์คอมพิวเตอร์และปัญญาประดิษฐ์ของ MIT (CSAIL)

“การออกแบบหุ่นยนต์ยังคงเป็นกระบวนการ手動มาก” จ้าวกล่าว ระบบ RoboGrammar เป็น “วิธีการสร้างการออกแบบหุ่นยนต์ใหม่ที่มีความคิดสร้างสรรค์มากขึ้นซึ่งอาจมีประสิทธิภาพมากขึ้น”

การวิจัยนี้มีกำหนดจะนำเสนอที่การประชุม SIGGRAPH Asia ในเดือนนี้

ตามที่จ้าวกล่าว หุ่นยนต์ถูกสร้างขึ้นสำหรับงานต่างๆ แต่ “มักจะมีรูปร่างและออกแบบที่คล้ายคลึงกัน เมื่อคิดถึงการสร้างหุ่นยนต์ที่ต้องข้ามพื้นที่ต่างๆ คุณจะนึกถึงรูปแบบสี่ขาในทันที เราสงสัยว่านี่เป็นรูปแบบที่เหมาะสมที่สุดหรือไม่”

ทีมงานเชื่อว่าการออกแบบใหม่ที่มีความคิดสร้างสรรค์มากขึ้นอาจให้ผลลัพธ์ที่ดีขึ้นและปรับปรุงฟังก์ชันality ซึ่งเป็นเหตุผลที่พวกเขาสร้างแบบจำลองคอมพิวเตอร์สำหรับงานเหล่านี้ ระบบไม่ได้รับอิทธิพลจากแบบแผนเดิมๆ และมีกฎบางประการที่ใช้

จ้าวเขียนว่าชุดของรูปแบบหุ่นยนต์ที่เป็นไปได้ “ประกอบด้วยการออกแบบที่ไม่มีเหตุผลเป็นส่วนใหญ่ หากคุณสามารถเชื่อมต่อชิ้นส่วนได้อย่างไม่มีข้อจำกัด คุณจะสิ้นสุดด้วยสิ่งที่ไม่มีระเบียบ”

https://www.youtube.com/watch?v=JmuLW5So4FU&feature=emb_title

ไวยกรณ์กราฟ

ทีมงานตั้งเป้าที่จะพัฒนา “ไวยกรณ์กราฟ” ซึ่งจำกัดวิธีการจัดเรียงส่วนประกอบของหุ่นยนต์ นี่เป็นเพียงเพื่อให้แน่ใจว่าการออกแบบที่สร้างโดยคอมพิวเตอร์ทำงานที่ระดับพื้นฐาน โดยมีข้อจำกัด เช่น ไม่สามารถเชื่อมต่อขาได้โดยไม่ต้องมีข้อต่อ

จ้าวได้รับแรงบันดาลใจจากสัตว์ โดยเฉพาะสัตว์ขาปล้อง เมื่อออกแบบกฎของไวยกรณ์กราฟ

สัตว์ขาปล้อง “มีลักษณะเด่นด้วยการมีร่างกายกลางและขาที่มีจำนวนไม่แน่นอน บางขาอาจมีขาแนบ” จ้าวกล่าว “และเราสังเกตเห็นว่านี่เพียงพอสำหรับการอธิบายไม่เพียงแต่สัตว์ขาปล้องเท่านั้น แต่ยังรวมถึงรูปแบบที่คุ้นเคยอื่นๆ ด้วย”

โดยใช้ไวยกรณ์กราฟ ระบบ RoboGrammar ทำงานในสามขั้นตอน ขั้นแรก คือการกำหนดปัญหา ขั้นที่สอง คือการออกแบบวิธีแก้ปัญหาที่เป็นไปได้ ขั้นที่สาม คือการเลือกวิธีแก้ปัญหาที่ดีที่สุด

ผู้ใช้มนุษย์เป็นผู้รับผิดชอบในการกำหนดปัญหาและป้อนชุดชิ้นส่วนหุ่นยนต์ที่มีอยู่ เช่น มอเตอร์ ขา และส่วนเชื่อมต่อ ผู้ใช้ยังป้อนประเภทของพื้นที่ที่หุ่นยนต์จะทำงาน

“นี่เป็นกุญแจสำคัญในการรับประกันว่าหุ่นยนต์สุดท้ายสามารถสร้างขึ้นในโลกแห่งความเป็นจริงได้” จ้าวกล่าว

หลายร้อยพันโครงสร้าง

ระบบ RoboGrammar ใช้กฎไวยกรณ์กราฟเพื่อสร้างหลายร้อยพันโครงสร้างหุ่นยนต์ที่เป็นไปได้ โดยมีลักษณะที่แตกต่างกัน

“มันสร้างแรงบันดาลใจให้กับเราเมื่อเห็นความหลากหลายของการออกแบบ” จ้าวกล่าว “มันแสดงให้เห็นถึงความสามารถในการแสดงออกของไวยกรณ์”

อย่างไรก็ตาม ไม่ใช่ทุกการออกแบบที่ดี และการเลือกวิธีแก้ปัญหาที่ดีที่สุดหมายถึงการประเมินการเคลื่อนไหวและฟังก์ชันของหุ่นยนต์แต่ละตัว

“จนถึงตอนนี้ หุ่นยนต์เหล่านี้เป็นเพียงโครงสร้าง” จ้าวกล่าว

ทีมงานพัฒนาโปรแกรมควบคุมสำหรับหุ่นยนต์แต่ละตัวโดยใช้อัลกอริทึม Model Predictive Control ซึ่งให้ความสำคัญกับการเคลื่อนไหวไปข้างหน้าอย่างรวดเร็ว และนี่คือสิ่งที่ทำให้โครงสร้างเหล่านี้ก้าวหน้า

“รูปร่างและโปรแกรมควบคุมของหุ่นยนต์เชื่อมโยงถึงกันอย่างลึกซึ้ง ซึ่งเป็นเหตุผลที่เราต้องปรับโปรแกรมควบคุมให้เหมาะสมสำหรับหุ่นยนต์แต่ละตัว” จ้าวกล่าว

นักวิจัยใช้อัลกอริทึมเครือข่ายประสาทเพื่อค้นหาหุ่นยนต์ที่มีประสิทธิภาพสูง อัลกอริทึมจะสุ่มตัวอย่างและประเมินชุดหุ่นยนต์ที่แตกต่างกัน และเรียนรู้ว่าการออกแบบใดทำงานสำหรับงานใด

ทุกสิ่งที่กล่าวมาข้างต้นเกิดขึ้นโดยไม่มีการแทรกแซงจากมนุษย์

“การทำงานนี้เป็นผลงานที่โดดเด่นในความพยายาม 25 ปีในการออกแบบรูปร่างและควบคุมหุ่นยนต์โดยอัตโนมัติ” ฮอด ลิปสัน วิศวกรเครื่องกลและนักวิทยาศาสตร์คอมพิวเตอร์จากมหาวิทยาลัยโคลัมเบีย กล่าว เขาไม่ได้เกี่ยวข้องกับการวิจัย “แนวคิดในการใช้ไวยกรณ์รูปร่างได้ถูกนำมาใช้ แต่ไม่มีที่ไหนที่ได้ดำเนินการไปได้ดีเท่ากับการทำงานนี้ เมื่อเราสามารถทำให้เครื่องจักรออกแบบ สร้าง และเขียนโปรแกรมหุ่นยนต์ได้โดยอัตโนมัติ ทุกสิ่งทุกอย่างจะเปลี่ยนแปลงไป”

ตามที่จ้าวกล่าว ระบบ RoboGrammar เป็น “เครื่องมือสำหรับนักออกแบบหุ่นยนต์เพื่อขยายพื้นที่ของโครงสร้างหุ่นยนต์ที่พวกเขาสามารถใช้ได้”

ทีมงานวางแผนจะสร้างและทดสอบหุ่นยนต์บางตัวในโลกแห่งความเป็นจริง และจ้าวกล่าวว่าระบบอาจขยายไปไกลกว่าการข้ามพื้นที่และเข้าสู่พื้นที่ เช่น โลกเสมือน

“สมมติว่าคุณต้องการสร้างหุ่นยนต์หลายรูปแบบในเกมโดยไม่ต้องมีนักออกแบบกราฟิกสร้างหุ่นยนต์แต่ละตัว ระบบ RoboGrammar จะทำงานได้ทันที” จ้าวกล่าว

Alex McFarland เป็นนักข่าวและนักเขียน AI ที่สำรวจการพัฒนาล่าสุดในด้านปัญญาประดิษฐ์ เขาได้ร่วมงานกับสตาร์ทอัพ AI และสื่อสิ่งพิมพ์ต่างๆ ทั่วโลก