Robotik ve fiziksel yapay zeka
İşbirlikçi Robotlar ve İnsansız Hava Araçlarının Eğitimini Destekleyen Yapay Zeka
Öne çıkan noktalarMerkezi olmayan pekiştirmeli öğrenme, robot ekiplerinin doğrudan iletişim olmadan…
Daha fazla göster
- Merkezi olmayan pekiştirmeli öğrenme, robot ekiplerinin doğrudan iletişim olmadan koordine olmasını sağlar.
- Yeni algoritmalar, futbol asistleri gibi takım hedeflerine bireysel ajan katkılarını belirler.
- Yöntem, StarCraft gibi öngörülemeyen simüle edilmiş ortamlarda etkili oldu.
Illinois Üniversitesi Grainger Mühendislik Fakültesi’nden bir araştırma ekibi, yapay zeka (AI) kullanarak birden fazla ajanı, yani robotları ve insansız hava araçlarını birlikte çalıştırmak için yeni bir yöntem geliştirdi. Ajanlar, makine öğrenimi tekniklerinin ana türlerinden biri olan pekiştirme öğrenimine dayanmaktadır.
Merkezsiz Teknik
Huy Tran, üniversitede bir havacılık mühendisidir.
“Ajanların birbirleriyle konuşması daha kolaydır” dedi Huy Tran. “Ancak bunu merkezden bağımsız bir şekilde yapmak istedik, yani birbirleriyle konuşamayacaklar. Ayrıca, ajanların farklı rolleri veya görevleri neler olmalıdır diye açık olmayan durumlara odaklandık.”
Tran’a göre, bu senaryo daha karmaşıktır çünkü bir ajanın diğerine karşı ne yapması gerektiği açık değildir.
“İlginç soru, birlikte bir görevi nasıl öğreneceğimizdir” dedi.
Pekiştirme Öğrenimi Tekniği
Ekip, bu sorunu aşmak için pekiştirme öğrenimi adı verilen makine öğrenimi tekniğine başvurdu. Bu, ajanlara bir fayda fonksiyonu oluşturmalarına olanak tanıdı, bu da ajanın takım için yararlı bir şey yaptığında kendisine bildirdi.
“Takım hedefleriyle, kimin zafere katkıda bulunduğunu bilmek zordur” diye devam etti Tran. “Bize, bireysel bir ajanın küresel takım hedefine katkıda bulunup bulunmadığını belirlememize olanak tanıyan bir makine öğrenimi tekniği geliştirdik. Spor terimiyle bakarsanız, bir futbol oyuncusu gol atabilir, ancak asist gibi gole yol açan diğer takım arkadaşlarının eylemlerini de bilmek istersiniz. Bu gecikmeli etkileri anlamak zordur.”
Araştırmacıların algoritmaları, bir ajanın veya robotun hedefe karşı veya katkıda bulunmayan bir şey yaptığını da belirler.
“Robotun yanlış bir şey yapması değil, sadece faydası olmayan bir şey yapmasıdır” dedi.
Algoritmalar, StarCraft gibi simüle oyunlarla test edildi.
“StarCraft biraz daha öngörülemez olabilir – bu ortamda da yöntemimizin iyi çalıştığını görmek bizi heyecanlandırdı.”
Bu tür algoritmalar, ekibin dediğine göre, çeşitli gerçek dünya durumlarına uygulanabilir. Potansiyel uygulamalar arasında askeri gözetim, depolarda robotlar, trafik sinyal kontrolü, teslimatları koordine eden otonom araçlar ve bir elektrik şebekesini kontrol etmesi yer alır.
Bu çığır açıcı araştırmayı gerçekleştiren ekip, Seung Hyun Kim, Neale Van Stralen ve Girish Chowdhary’den oluşuyordu. Otonom Ajanlar ve Çoklu Ajan Sistemleri peer-reviewed konferansında sunuldu.












