Algoritma MIT yang baru Membantu Robot Berkolaborasi untuk Menyelesaikan Pekerjaan

Peneliti MIT telah mengembangkan algoritme yang mengoordinasikan kinerja tim robotik untuk misi seperti pemetaan atau pencarian dan penyelamatan di lingkungan yang kompleks dan tidak dapat diprediksi. Kredit: Jose-Luis Olivares, MIT

Algoritme memungkinkan tim robot untuk menyelesaikan misi, seperti pemetaan atau pencarian dan penyelamatan, dengan sedikit usaha yang terbuang percuma.

Terkadang, robot saja tidak cukup.

Pikirkan misi pencarian dan penyelamatan untuk menemukan pejalan kaki yang tersesat di hutan. Tim penyelamat mungkin ingin menembak jatuh tim robot beroda untuk menjelajahi hutan, mungkin dengan bantuan drone yang berlari melintasi tempat kejadian dari atas. Keuntungan dari tim robot sudah jelas. Namun mendalangi tim itu bukanlah hal yang sederhana. Bagaimana Anda memastikan bahwa robot tidak menduplikasi upaya orang lain atau membuang energi pada lintasan pencarian yang rumit?

Dengan peneliti telah merancang algoritma untuk memastikan kerjasama yang bermanfaat dari tim robot pengumpul informasi. Pendekatannya didasarkan pada penyeimbangan pertukaran antara data yang dikumpulkan dan energi yang dihabiskan – yang menghilangkan kemungkinan robot dapat melakukan manuver yang sia-sia untuk mendapatkan hanya sedikit informasi. Peneliti mengatakan jaminan ini sangat penting untuk keberhasilan tim robot di lingkungan yang kompleks dan tidak dapat diprediksi. “Metode kami memberikan kenyamanan, karena kami tahu itu tidak akan gagal, berkat kinerja algoritme yang lebih buruk,” kata Xiaoyi Cai, mahasiswa doktoral di Departemen Aeronautika dan Astronautika (AeroAstro) MIT.

Penelitian ini akan dipresentasikan di IEEE International Conference on Robotics and Automation pada bulan Mei. Cai adalah penulis utama makalah ini. Rekan penulisnya termasuk Jonathan How, Profesor Aeronautika dan Astronautika RC Maclaurin di MIT; Brent Schlotfeldt dan George J. Pappas, keduanya dari Universitas Pennsylvania; dan Nikolay Atanasov dari Universitas California di San Diego.

Tim robot sering kali mengandalkan aturan umum untuk mengumpulkan informasi: Lebih banyak lebih baik. “Asumsinya adalah tidak ada salahnya untuk mengumpulkan lebih banyak informasi,” kata Cai. “Jika ada masa pakai baterai tertentu, kami hanya akan menggunakan semuanya untuk memaksimalkannya.” Sasaran ini sering dieksekusi secara berurutan – setiap robot menilai situasi dan merencanakan lintasannya, satu demi satu. Ini adalah prosedur yang sederhana, dan biasanya berfungsi dengan baik jika informasi adalah satu-satunya tujuan. Tetapi masalah muncul ketika efisiensi energi menjadi salah satu faktor.

Cai mengatakan manfaat mengumpulkan informasi tambahan sering kali berkurang seiring waktu. Misalnya, jika Anda sudah memiliki 99 foto hutan, tidak ada gunanya mengirim robot dalam pencarian sepanjang satu mil untuk mencapai yang ke-100. “Kami ingin mengetahui pertukaran antara informasi dan energi,” kata Cai. “Tidak selalu baik jika lebih banyak robot bergerak.” Ini sebenarnya bisa menjadi buruk jika Anda mempertimbangkan biaya energi. “

Para peneliti telah mengembangkan algoritma perencanaan tim robotik yang mengoptimalkan keseimbangan antara energi dan informasi. “Fungsi objektif” dari algoritme, yang menentukan nilai aktivitas yang diusulkan robot, menghitung penurunan manfaat dari pengumpulan informasi tambahan dan peningkatan biaya energi. Keragaman metode perencanaan sebelumnya, tidak hanya menetapkan aktivitas robot secara berurutan. “Ini lebih merupakan upaya kolaboratif,” kata Cai. “Robot datang dengan rencana tim.”

Metode Cai, yang disebut Penelusuran Lokal Terdistribusi, adalah pendekatan berulang yang meningkatkan kinerja tim dengan menambahkan atau menghapus lintasan robot individu dari keseluruhan tingkat grup. Pertama, setiap robot secara independen menghasilkan satu set lintasan potensial yang bisa dikejar. Kemudian, setiap robot menawarkan lintasannya ke anggota tim lainnya. Kemudian algoritme menerima atau menolak proposal dari masing-masing individu, tergantung apakah itu meningkatkan atau mengurangi fungsi objektif tim. “Kami mengizinkan robot untuk merencanakan lintasannya sendiri,” kata Cai. “Hanya ketika mereka perlu membuat rencana tim barulah kita membiarkan mereka bernegosiasi. Jadi, itu perhitungan yang agak terdistribusi.”

Riset Lokal Terdistribusi telah menunjukkan nilainya dalam simulasi komputer. Para peneliti mengelola algoritme mereka melawan mereka yang bersaing dalam mengoordinasikan tim simulasi 10 robot. Meskipun Penelusuran Lokal Terdistribusi membutuhkan lebih banyak waktu komputasi, hal itu memastikan akhir dari keberhasilan misi robot, sebagian dengan memastikan bahwa tidak ada anggota tim yang terjebak dalam ekspedisi yang sia-sia untuk mendapatkan informasi yang minimal. “Ini metode yang lebih mahal,” kata Cai. “Tapi kami mendapatkan performa.”

Terobosan tersebut suatu hari nanti dapat membantu tim robot memecahkan masalah pengumpulan informasi dunia nyata di mana energi adalah sumber daya yang terbatas, menurut Geoff Hollinger, seorang robotis di Oregon State University, yang tidak mengatakan bahwa dia tidak terlibat dalam penelitian. “Teknik ini dapat diterapkan di mana tim robotik perlu beralih antara sensitivitas kualitas dan pengeluaran energi. Ini akan mencakup pengawasan udara dan pemantauan laut.”

Cai juga menunjukkan aplikasi potensial dalam pemetaan dan pencarian dan penyelamatan – aktivitas yang didasarkan pada pengumpulan data yang efisien. “Meningkatkan kapasitas pengumpulan informasi yang mendasarinya akan berdampak cukup besar,” katanya. Peneliti selanjutnya berencana menguji algoritmanya pada tim robot laboratorium, termasuk campuran drone dan robot beroda.

Referensi: “Pertemuan Informasi Non-Monotonik dengan Konsultasi Energi untuk Tim Robot Heterogen” oleh Xiaoyi Cai, Brent Schlotfeldt, Kasra Khosoussi, Nikolay Atanasov, George J. Pappas dan Jonathan P. How, 26 Maret 2021, Komputer> Robotika.
arXiv: 2101.11093

Penelitian ini didanai sebagian oleh Boeing dan Sistem Terdistribusi dan Kolaboratif Laboratorium Penelitian Angkatan Darat dan Aliansi Penelitian Kolaboratif (DCIST CRA).

Related articles

Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Share article

Latest articles

Menyelidiki lebih dalam tentang asal usul sinar kosmik dengan gerakan Brown geometris

Representasi skema sinar kosmik yang merambat melalui awan magnetik. Kredit: Salvatore Buonocore Model simulasi menyediakan langkah pertama dalam mengembangkan algoritma untuk meningkatkan metode deteksi. Sinar...

Penyerapan elektron terpisah yang ditangkap dalam film

Film menangkap gambar penangkapan elektron terpisah. Kredit: Javier Marmolejo Para peneliti di Universitas Gothenburg telah mengamati penyerapan satu elektron oleh tetesan melayang dengan amplitudo...

Perlindungan probiotik? Bakteri Usus Ditemukan Melindungi Usus Terhadap Virus COVID-19

Para peneliti dari Universitas Yonsei di Korea Selatan telah menemukan bahwa bakteri tertentu yang hidup di usus manusia mengeluarkan obat yang menghambat SARS-CoV-2. ...

Menggali sejarah populasi Neanderthal menggunakan DNA nuklir purba dari sedimen gua

Galeri patung gua di Spanyol utara. Penulis: Javier Trueba - film sains Madrid DNA mitokondria manusia purba telah diekstraksi dari deposit gua, tetapi nilainya...

Sakelar Semikonduktor Berpanduan Laser untuk Komunikasi Generasi Selanjutnya

Insinyur Laboratorium Nasional Lawrence Livermore telah menemukan jenis baru sakelar semikonduktor yang digerakkan oleh laser yang secara teoritis dapat mencapai kecepatan lebih tinggi pada...

Newsletter

Subscribe to stay updated.