- Advertisement -
Ο αλγόριθμος επιτρέπει στις ομάδες ρομπότ να ολοκληρώνουν αποστολές, όπως χαρτογράφηση ή αναζήτηση και διάσωση, με ελάχιστη σπατάλη προσπάθειας.
Οι ερευνητές του MIT έχουν αναπτύξει έναν αλγόριθμο που συντονίζει την απόδοση των ομάδων ρομπότ για αποστολές όπως χαρτογράφηση ή αναζήτηση και διάσωση σε σύνθετα, απρόβλεπτα περιβάλλοντα.
Μερικές φορές, ένα ρομπότ δεν είναι αρκετό.
Εξετάστε μια αποστολή αναζήτησης και διάσωσης για να βρείτε έναν πεζοπόρο χαμένο στο δάσος. Οι διασώστες μπορεί να θέλουν να αναπτύξουν μια ομάδα τροχοφόρων ρομπότ για να περιπλανηθούν στο δάσος, ίσως με τη βοήθεια drone που καθαρίζουν τη σκηνή από ψηλά. Τα οφέλη μιας ομάδας ρομπότ είναι ξεκάθαρα. Αλλά η ενορχήστρωση αυτής της ομάδας δεν είναι απλό θέμα. Πώς να βεβαιωθείτε ότι τα ρομπότ δεν αλληλεπικαλύπτουν τις προσπάθειες του άλλου ή σπαταλούν ενέργεια σε μια περίπλοκη τροχιά αναζήτησης;
Οι ερευνητές του MIT έχουν σχεδιάσει έναν αλγόριθμο για τη διασφάλιση της εποικοδομητικής συνεργασίας των ομάδων ρομπότ που συλλέγουν πληροφορίες. Η προσέγγισή τους βασίζεται στην εξισορρόπηση της ανταλλαγής μεταξύ των δεδομένων που συλλέγονται και της ενέργειας που δαπανάται - πράγμα που εξαλείφει την πιθανότητα ένα ρομπότ να εκτελέσει μια έναν περιττό ελιγμό για να αποκτήσει μόνο μια πληροφορία μηδαμινής αξίας. Οι ερευνητές λένε ότι αυτή η διαβεβαίωση είναι ζωτικής σημασίας για την επιτυχία των ομάδων ρομπότ σε σύνθετα, απρόβλεπτα περιβάλλοντα. «Η μέθοδος μας παρέχει άνεση, γιατί ξέρουμε ότι δεν θα αποτύχει, χάρη στη χειρότερη απόδοση του αλγορίθμου», λέει ο XiaoyiCai, φοιτητής διδακτορικού στο Τμήμα Αεροναυτικής και Αστροναυτικής του MIT (AeroAstro).
Η έρευνα παρουσιάστηκε στο Διεθνές Συνέδριο IEEE για τη Ρομποτική και τον Αυτοματισμό τον περασμένο μήνα. Ο Κάι είναι ο κύριος συγγραφέας της μελέτης. Οι συνεργάτες του περιλαμβάνουν τον JonathanHow, τον R.C. Maclaurin Καθηγητής Αεροναυτικής και Αστροναυτικής στο MIT. BrentSchlotfeldt και George J. Pappas, και οι δύο από το Πανεπιστήμιο της Πενσυλβανίας. και NikolayAtanasov του Πανεπιστημίου της Καλιφόρνια στο Σαν Ντιέγκο.
Οι ομάδες ρομπότ βασίζονταν συχνά σε έναν γενικό κανόνα για τη συλλογή πληροφοριών: Όσο περισσότερο είναι τόσο πιο εύθυμο. «Η υπόθεση ήταν ότι δεν βλάπτει ποτέ τη συλλογή περισσότερων πληροφοριών», λέει ο Κάι. "Εάν υπάρχει κάποια διάρκεια ζωής της μπαταρίας, ας χρησιμοποιήσουμε τα πάντα για να κερδίσουμε όσο το δυνατόν περισσότερο." Αυτός ο στόχος εκτελείται συχνά διαδοχικά - κάθε ρομπότ αξιολογεί την κατάσταση και σχεδιάζει την πορεία του, το ένα μετά το άλλο. Είναι μια απλή διαδικασία και γενικά λειτουργεί καλά όταν ο μόνος στόχος είναι οι πληροφορίες. Αλλά προβλήματα προκύπτουν όταν η ενεργειακή απόδοση γίνεται παράγοντας.
Ο Κάι λέει ότι τα οφέλη από τη συλλογή πρόσθετων πληροφοριών συχνά μειώνονται με την πάροδο του χρόνου. Για παράδειγμα, εάν έχετε ήδη 99 φωτογραφίες ενός δάσους, ίσως να μην αξίζει να στείλετε ένα ρομπότ σε μια μίλια μήκους για να κερδίσετε την 100ή. «Θέλουμε να είμαστε ενήμεροι για την ανταλλαγή πληροφοριών και ενέργειας», λέει ο Κάι. «Δεν είναι πάντα καλό να κινούνται περισσότερα ρομπότ. Μπορεί στην πραγματικότητα να είναι χειρότερο όταν λαμβάνετε υπόψη το ενεργειακό κόστος. "
Οι ερευνητές ανέπτυξαν έναν αλγόριθμο προγραμματισμού ομάδας ρομπότ που βελτιστοποιεί την ισορροπία μεταξύ ενέργειας και πληροφοριών. Η «αντικειμενική λειτουργία» του αλγορίθμου, η οποία καθορίζει την αξία της προτεινόμενης εργασίας ενός ρομπότ, αντιπροσωπεύει τα μειωμένα οφέλη από τη συλλογή πρόσθετων πληροφοριών και το αυξανόμενο ενεργειακό κόστος. Σε αντίθεση με τις προηγούμενες μεθόδους προγραμματισμού, δεν αναθέτει απλώς εργασίες στα ρομπότ διαδοχικά. «Είναι περισσότερο μια συνεργατική προσπάθεια», λέει ο Κάι. "Τα ρομπότ έρχονται με την ομάδα να σχεδιάσουν μαζί."
Η μέθοδος του Cai, που ονομάζεται Κατανεμημένη τοπική αναζήτηση, είναι μια επαναληπτική προσέγγιση που βελτιώνει την απόδοση της ομάδας προσθέτοντας ή αφαιρώντας μεμονωμένες τροχιές ρομπότ από το συνολικό σχέδιο της ομάδας. Πρώτον, κάθε ρομπότ δημιουργεί ανεξάρτητα ένα σύνολο πιθανών τροχιών που μπορεί να ακολουθήσει. Στη συνέχεια, κάθε ρομπότ προτείνει τις τροχιές του στην υπόλοιπη ομάδα. Στη συνέχεια, ο αλγόριθμος αποδέχεται ή απορρίπτει την πρόταση κάθε ατόμου, ανάλογα με το αν αυξάνει ή μειώνει την αντικειμενική λειτουργία της ομάδας. «Επιτρέπουμε στα ρομπότ να σχεδιάζουν τις τροχιές τους μόνες τους», λέει ο Κάι. «Μόνο όταν πρέπει να βρουν το ομαδικό σχέδιο, τους αφήνουμε να διαπραγματευτούν. Λοιπόν, είναι ένας μάλλον κατανεμημένος υπολογισμός. "
Η κατανεμημένη τοπική αναζήτηση απέδειξε την επιδεξιότητά της σε προσομοιώσεις υπολογιστών. Οι ερευνητές έτρεξαν τον αλγόριθμό τους ενάντια σε ανταγωνιστές, συντονίζοντας μια προσομοιωμένη ομάδα 10 ρομπότ. Ενώ η Κατανεμημένη τοπική αναζήτηση χρειάστηκε λίγο περισσότερο χρόνο υπολογισμού, εγγυήθηκε την επιτυχή ολοκλήρωση της αποστολής των ρομπότ, εν μέρει διασφαλίζοντας ότι κανένα μέλος της ομάδας δεν θα μπει σε μια άχρηστη αποστολή για ελάχιστες πληροφορίες. «Είναι μια πιο ακριβή μέθοδος», λέει ο Κάι. «Αλλά κερδίζουμε απόδοση».
Η πρόοδος θα μπορούσε μια μέρα να βοηθήσει τις ομάδες ρομπότ να λύσουν προβλήματα συγκέντρωσης πληροφοριών σε πραγματικό κόσμο, όπου η ενέργεια είναι ένας πεπερασμένος πόρος, σύμφωνα με τον GeoffHollinger, ρομποτικό μηχανικό στο Πανεπιστήμιο του Όρεγκον, ο οποίος δεν συμμετείχε στην έρευνα. «Αυτές οι τεχνικές είναι εφαρμόσιμες όταν η ομάδα ρομπότ πρέπει να ανταλλάσσει μεταξύ αισθητήρων ποιότητας και ενεργειακής δαπάνης. Αυτό θα περιλαμβάνει την εναέρια παρακολούθηση και την παρακολούθηση των ωκεανών. "
ΟCai επισημαίνει επίσης πιθανές εφαρμογές χαρτογράφησης και αναζήτησης και διάσωσης - δραστηριότητες που βασίζονται στην αποτελεσματική συλλογή δεδομένων. «Η βελτίωση αυτής της υποκείμενης ικανότητας συλλογής πληροφοριών θα είναι αρκετά σημαντική», λέει. Στη συνέχεια, οι ερευνητές σχεδιάζουν να δοκιμάσουν τον αλγόριθμό τους σε ομάδες ρομπότ στο εργαστήριο, συμπεριλαμβανομένου ενός μίγματος drone και τροχοφόρων ρομπότ.
Αυτήηέρευναχρηματοδοτήθηκεενμέρειαπότην Boeing and the Army Research Laboratory's Distributed and Collaborative Intelligent Systems and Technology Collaborative Research Alliance (DCIST CRA).
Πηγήhttps://news.mit.edu/Daniel Ackerman | MIT News Office