Специалисты Массачусетского технологического института (MIT) в США разработали новый универсальный инструмент проектирования, который может быть применен к моделированию практически любой автономной роботизированной системы для повышения ее производительности. Об этом сообщает Science Blog. Перевод основных положений публикации представлен изданием discover24.
ru.В последние годы системы искусственного интеллекта были развернуты во множестве автономных роботизированных систем, применяющихся в беспилотных транспортных средствах, обслуживании в ресторанах, обследовании пациентов, уборке больниц, приготовлении пищи, складских работах и обеспечении безопасности зданий.
Каждая из этих роботизированных систем является продуктом специального процесса проектирования, специфичного для этой конкретной системы. При проектировании автономного робота инженеры должны провести бесчисленное количество симуляций методом проб и ошибок, чтобы настроить и оптимизировать производительность машины.
Специалисты Массачусетского технологического института смогли разработать для робототехников общий инструмент проектирования. Это универсальный код оптимизации, который может быть применен к моделированию практически любой автономной роботизированной системы и может использоваться для автоматического определения того, как и где настроить систему для повышения производительности робота.
Инженеры MIT Чарльз Доусон и ЧуЧу Фэн осознали потребность в общем инструменте оптимизации робототехники, изучив множество инструментов автоматизированного проектирования, доступных из других инженерных дисциплин. Они разработали структуру оптимизации – компьютерный код, способный автоматически находить настройки, которые требуется внести в существующую автономную систему для достижения желаемого результата.
Сердце кода основано на автоматическом дифференцировании – инструменте программирования, который был первоначально разработан и использовался для обучения нейронных сетей. Autodiff – это своего рода встроенный симулятор, который может быстро и эффективно «оценивать производную» или чувствительность к изменению любого параметра в компьютерной программе.
Команда MIT продемонстрировала в лабораторных тестовых экспериментах, что новый инструмент смог быстро улучшить производительность двух очень разных автономных систем по сравнению с обычными методами оптимизации.
Первая система состояла из колесного робота, которому было поручено планировать путь между двумя препятствиями на основе сигналов, полученных от двух маяков, расположенных в разных местах. Команда стремилась найти оптимальное размещение маяков, которое обеспечило бы четкий путь между препятствиями. Новый оптимизатор сделал это в течение пяти минут по сравнению с 15 минутами для традиционных методов.
Вторая система была более сложной и состояла из двух колесных роботов, работающих вместе, чтобы подтолкнуть коробку к заданной позиции. Моделирование этой системы включало гораздо больше подсистем и параметров. Тем не менее, инструмент команды MIT эффективно определил шаги, необходимые роботам для достижения своей цели, в процессе оптимизации, который был в 20 раз быстрее, чем обычные подходы.
«Чем больше в системе параметров для оптимизации, тем лучше может сработать наш инструмент, что позволит сэкономить экспоненциально больше времени. Это в основном комбинаторный выбор: по мере увеличения количества параметров увеличивается и выбор, и наш подход способен ускорить этот процесс», – пояснил Фан.
Команда MIT сделала свой оптимизатор доступным для загрузки и планирует дополнительно усовершенствовать код для применения к более сложным системам, таким как роботы, которые предназначены для взаимодействия с людьми и работы вместе с ними.
«Наша цель – дать людям возможность создавать более совершенных роботов. Мы предоставляем новый строительный блок для оптимизации их системы, поэтому инженерам не нужно будет начинать все с нуля», – отметил Доусон.
Исследователи надеются, что новый оптимизатор общего назначения может помочь ускорить разработку широкого спектра автономных систем, от шагающих роботов и беспилотных транспортных средств до гибких и ловких промышленных роботов и их совместных команд.
Свежие комментарии