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.