Robot mengirimkan obat, makanan, dan alkohol
Jika perusahaan seperti Amazon dan Google mencapai tujuan mereka, segera kami akan menerima pengiriman kargo tanpa henti menggunakan robot. Tetapi apakah perangkat lunak MIT cocok untuk tujuan seperti itu?Masalah ini telah dipelajari selama bertahun-tahun oleh para peneliti di Laboratorium Institut Ilmu Komputer dan Inteligensi Buatan ( Massachusetts Institute of Technology, CSAIL) yang bekerja pada skenario yang terinspirasi oleh berbagai kegunaan, dari lantai pabrik hingga pengiriman barang.Pada konferensi Sains dan Sistem Robotika (RSS) baru-baru ini, tim CSAIL meluncurkan sistem baru tiga robot yang dapat bekerja sama untuk menghasilkan produk dengan cepat, akurat, dan mungkin yang paling penting, dalam situasi yang tidak dapat diprediksi. Tim mengklaim bahwa robot dapat bekerja dalam kondisi yang berbeda, termasuk di rumah sakit, selama bencana alam, dan bahkan di restoran dan bar. Untuk menunjukkan pendekatan mereka, para peneliti CSAIL mengubah lab mereka menjadi "bar" miniatur yang mencakup robot bartender PR2 dan dua robot Turtlebot roda empat yang masuk ke kantor dan menawarkan minuman kepada orang-orang. Turtlebot bertukar informasi di antara mereka sendiri tentang pesanan apa yang dibutuhkan di ruangan yang berbeda, dan kemudian robot lain dapat mengirimkannya.Metode tim mencerminkan keadaan algoritma perencanaan modern yang memungkinkan kelompok robot untuk melakukan pekerjaan hanya sesuai dengan deskripsi umum tugas yang harus diselesaikan.Dokumen RSS ditulis bersama profesor Universitas Duke dan mahasiswa pasca doktoral CSAIL George Conidaris, mahasiswa pascasarjana Massachusetts Institute of Technology Ariel Anders dan Gabriel Cruz, profesor Institut Teknologi Massachusetts Jonathan Kaku dan Leslie Calbling, dan penulis utama di Universitas Chris Amato, universitas postdoctoral New Hampshire. Satu-satunya kepercayaan manusia adalah ketidakpastian
Salah satu tantangan terbesar bagi robot yang bekerja bersama adalah bahwa ada terlalu banyak ketidakpastian di dunia manusia.Lebih khusus lagi, robot menangani tiga jenis ketidakpastian terkait dengan sensor, hasil tindakan, dan komunikasi. Sensor setiap robot menerima informasi yang tidak akurat tentang lokasi dan kondisi diri mereka dan hal-hal di sekitar, kata Amato. - Adapun hasil, robot dapat menjatuhkan sesuatu ketika mencoba untuk mengambilnya atau tetap di jalan. Dan selain itu, robot sering tidak dapat berinteraksi satu sama lain - baik karena kebisingan di saluran komunikasi, atau karena mereka berada di luar jangkauan.
Ketidakpastian ini tercermin dalam tugas tim pengiriman: antara lain, vendor robot hanya dapat melayani satu pelayan robot pada satu waktu, dan mereka tidak dapat berkomunikasi satu sama lain jika mereka tidak berada dalam jarak dekat. Kesulitan komunikasi seperti ini adalah risiko khusus jika terjadi bencana alam atau di medan perang. , , , , — . — , , .
Akibatnya, para peneliti dapat mengembangkan pendekatan perencanaan pertama untuk menunjukkan solusi optimal untuk ketiga jenis ketidakpastian.Tugas utama mereka adalah memprogram robot untuk melihat tugas dengan cara yang sama seperti manusia. Sebagai orang, kita seharusnya tidak memikirkan setiap langkah yang kita ambil; tindakan semacam itu menjadi sifat kedua. Dengan pemikiran ini, tim memprogram robot untuk melakukan serangkaian "tindakan makro", yang masing-masing mencakup beberapa langkah.Misalnya, ketika pelayan robot bergerak dari satu ruangan ke bar, ia harus siap untuk beberapa situasi yang mungkin: bartender dapat melayani robot lain; dia mungkin tidak siap untuk melayani robot ini; mungkin tidak ada di tempat sama sekali. "Anda ingin bisa hanya memberitahu satu robot untuk pergi ke ruang pertama, dan yang lain untuk membawa minuman sehingga Anda tidak harus menemani robot langkah demi langkah dalam proses," kata Anders. - Metode ini memiliki tingkat fleksibilitas tertentu.
Pendekatan tim terhadap tindakan makro yang disebut "MacDec-POMDPs" didasarkan pada model perencanaan sebelumnya yang disebut "desentralisasi, sebagian dapat diamati proses pengambilan keputusan Markov", atau Dec-POMDPs . Proses-proses ini secara tradisional terlalu kompleks untuk disesuaikan dengan dunia nyata, ”kata Karl Tuils, profesor ilmu komputer di University of Liverpool. - Pendekatan tim di Massachusetts Institute of Technology memungkinkan Anda merencanakan tindakan di tingkat yang lebih tinggi, yang memungkinkan mereka untuk menerapkannya dalam situasi nyata dengan beberapa robot.
Data yang diperoleh menunjukkan bahwa dalam waktu dekat metode tersebut dapat diterapkan bahkan di bidang yang lebih besar dan lebih kompleks. Amato dan rekan-rekannya sedang menguji algoritma perencanaan untuk tugas-tugas pencarian dan penyelamatan besar yang disimulasikan dengan Lincoln Lab . , — . — , .
Source: https://habr.com/ru/post/id383395/
All Articles