Los robots entregan medicinas, alimentos y alcohol.
Si empresas como Amazon y Google logran su objetivo, pronto recibiremos la entrega de carga sin parar utilizando robots. Pero, ¿ es adecuado el software MIT para tales fines?Este tema ha sido estudiado durante muchos años por investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del Instituto Tecnológico de Massachusetts que trabajaron en escenarios inspirados en una variedad de usos, desde la fábrica hasta la entrega de drones.En una reciente conferencia sobre Ciencia y Sistemas de Robótica (RSS) , el equipo de CSAIL presentó un nuevo sistema de tres robots que pueden trabajar juntos para producir productos de forma rápida, precisa y quizás lo más importante, en situaciones impredecibles. El equipo afirma que los robots pueden funcionar en diferentes condiciones, incluso en hospitales, durante desastres naturales e incluso en restaurantes y bares. Para demostrar su enfoque, los investigadores de CSAIL convirtieron su laboratorio en una "barra" en miniatura que incluía un robot barman PR2 y dos robots Turtlebot de cuatro ruedas que fueron a las oficinas y ofrecieron bebidas a las personas. Los Turtlebots intercambiaron información entre ellos sobre qué órdenes se necesitaban en diferentes habitaciones, y luego otros robots pudieron entregarlas.Los métodos del equipo reflejan el estado de los algoritmos de planificación modernos que permiten que grupos de robots realicen trabajos simplemente de acuerdo con una descripción general de la tarea a resolver.Documento RSS fue coautor con el profesor de la Universidad de Duke y el estudiante postdoctoral CSAIL George Conidaris, los estudiantes graduados del Instituto de Tecnología de Massachusetts Ariel Anders y Gabriel Cruz, los profesores del MIT Jonathan Kaku y Leslie Calbling, y el autor principal de la Universidad Postdoctoral de la Universidad Chris Amato Nuevo Hampshire La única confianza de la humanidad es la incertidumbre.
Uno de los mayores desafíos para los robots que trabajan juntos es que hay demasiada incertidumbre en el mundo humano.Más específicamente, los robots manejan tres tipos de incertidumbre asociados con sensores, resultados de acción y comunicación. Los sensores de cada robot reciben información inexacta sobre la ubicación y la condición de ellos mismos y de las cosas que los rodean, dice Amato. - En cuanto a los resultados, el robot puede dejar caer una cosa al intentar recogerlo o quedarse en el camino. Además, los robots a menudo no pueden interactuar entre sí, ya sea debido al ruido en el canal de comunicación o porque están fuera de alcance.
Estas incertidumbres se reflejaron en la tarea del equipo de entrega: entre otras cosas, el vendedor de robots solo podía servir a un mesero de robots a la vez, y no podían comunicarse entre sí si no estaban muy cerca. Las dificultades de comunicación como esta son un riesgo particular en caso de desastres naturales o en el campo de batalla. , , , , — . — , , .
Como resultado, los investigadores pudieron desarrollar el primer enfoque de planificación para demostrar soluciones óptimas para los tres tipos de incertidumbre.Su tarea clave era programar robots para ver las tareas de la misma manera que los humanos. Como personas, no debemos pensar en cada paso que damos; tales acciones se convierten en una segunda naturaleza. Con esto en mente, el equipo programó los robots para realizar una serie de "macro acciones", cada una de las cuales incluye varios pasos.Por ejemplo, cuando un camarero robot se mueve de una habitación a un bar, debe estar preparado para varias situaciones posibles: el camarero puede servir a otro robot; él puede no estar listo para servir a este robot; puede no estar en su lugar en absoluto. "Le gustaría poder decirle a un robot que vaya a la primera habitación y al otro que traiga una bebida para que no tenga que acompañar a los robots paso a paso en el proceso", dice Anders. - Este método tiene un cierto nivel de flexibilidad.
El enfoque del equipo para las macro acciones llamadas "MacDec-POMDP" se basa en modelos de planificación previos llamados "procesos de toma de decisiones de Markov descentralizados y parcialmente observables", o Dec-POMDP . Estos procesos han sido tradicionalmente demasiado complejos para adaptarse al mundo real ", dijo Karl Tuils, profesor de informática en la Universidad de Liverpool. - El enfoque del equipo del Instituto de Tecnología de Massachusetts le permite planificar acciones a un nivel mucho más alto, lo que les permite aplicarlo en una situación real con varios robots.
Los datos obtenidos indican que en un futuro cercano tales métodos pueden aplicarse incluso en campos más grandes y complejos. Amato y sus colegas actualmente están probando algoritmos de planificación para grandes tareas de búsqueda y rescate simuladas con Lincoln Lab . , — . — , .
Source: https://habr.com/ru/post/es383395/
All Articles