Новое поколение роящихся роботов, которые могут самостоятельно изучать и развивать новое поведение в условиях дикой природы, на один шаг ближе благодаря исследованиям Бристольского университета и Университета Западной Англии (UWE).
Команда использовала искусственную эволюцию, чтобы роботы могли автоматически изучать поведение роя, понятное людям. Этот новый прогресс, опубликованный сегодня в Advanced Intelligent Systems , может создать новые роботизированные возможности для мониторинга окружающей среды, аварийного восстановления, обслуживания инфраструктуры, логистики и сельского хозяйства.
До сих пор искусственная эволюция обычно проводилась на компьютере, который является внешним по отношению к рою, с наилучшей стратегией, которая затем копировалась роботам. Однако этот подход является ограничивающим, поскольку требует внешней инфраструктуры и лабораторных условий.
С помощью специального набора роботов с высокой вычислительной мощностью, встроенных в рой, команда Бристоля смогла выяснить, какие правила приводят к желаемому поведению роя. Это может привести к появлению роботизированных роев, способных непрерывно и независимо адаптироваться в условиях дикой природы для соответствия окружающим условиям и задачам. Делая разработанные контроллеры понятными для людей, контроллеры также можно запрашивать, объяснять и улучшать.
Ведущий автор Саймон Джонс из лаборатории робототехники Бристольского университета сказал: «Понятные человеку контроллеры позволяют нам анализировать и проверять автоматические конструкции, обеспечивая безопасность развертывания в реальных приложениях».
Совместно с доктором Сабиной Хауэрт инженеры воспользовались недавними достижениями в области высокопроизводительных мобильных вычислений, чтобы создать множество роботов, вдохновленных теми, кто живет в природе. Их «Teraflop Swarm» обладает способностью полностью автоматизировать процесс проектирования с высокой вычислительной мощностью в рое, освобождая его от ограничений автономных ресурсов. Рой достигает высокого уровня производительности всего за 15 минут, намного быстрее, чем в предыдущих воплощениях. методы эволюции и без опоры на внешнюю инфраструктуру.
Д-р Хауэрт, старший преподаватель кафедры робототехники в Департаменте инженерной математики и Бристольской робототехнической лаборатории (BRL), сказал: «Это первый шаг к созданию роботов, которые автоматически находят подходящие стратегии роя в дикой природе».
«Следующим шагом будет вывод этих роботов из лаборатории и демонстрация предложенного нами подхода в реальных приложениях».
Освободив рой внешней инфраструктуры и продемонстрировав, что можно анализировать, понимать и объяснять сгенерированные контроллеры, исследователи будут переходить к автоматическому проектированию контроллеров роя в реальных приложениях.
В будущем, начиная с нуля, робот- рой может находить подходящую стратегию непосредственно на месте и изменять стратегию, когда задача роя или среда меняются.
Профессор Алан Уинфилд, BRL и отдел научной коммуникации, UWE, сказал: «Во многих современных системах искусственного интеллекта, особенно в тех, которые используют глубокое обучение, почти невозможно понять, почему система приняла конкретное решение. Такое отсутствие прозрачности может быть реальным проблема, если система принимает неверное решение и причиняет вред. Важным преимуществом системы, описанной в этой статье, является ее прозрачность: процесс принятия решений понятен людям «.