İnternette İstediğiniz Gibi Çevrimiçi Para Kazanma!

Mühendisler her türlü otonom robot sistemini iyileştirecek araç geliştiriyor

Şu yayını okuyorsunuz: Mühendisler her türlü otonom robot sistemini iyileştirecek bir araç geliştiriyor

MIT mühendislerinden oluşan bir ekip, herhangi bir otonom robot sistemini iyileştirmek için optimizasyon kodu geliştirdi. Kod, bir robotun performansını artırmak için sistemin nasıl ve nerede değiştirileceğini otomatik olarak tanımlar.

Mühendislerin bulguları New York’ta yıllık Robotik: Bilim ve Sistemler konferansında sunulacak. Ekipte MIT yüksek lisans öğrencisi Charles Dawson ve MIT Havacılık ve Uzay Bilimleri Bölümü’nde yardımcı doçent olan ChuChu Fan vardı.

Yapay zeka ve robotik sistemlerin tasarımı

Yapay zeka (AI) ve robotik sistemler çok çeşitli endüstrilerde kullanılmaktadır ve her sistem, belirli bir sisteme özgü bir tasarım sürecinin sonucudur. Otonom bir robot tasarlamak için mühendisler genellikle sezgiye dayanan deneme yanılma simülasyonlarına güvenirler. Aynı zamanda simülasyonlar, robotun belirli bileşenlerine ve bunların belirlenen görevlerine göre uyarlanmıştır; bu, başarılı bir sonuç elde etmek için gerçek bir “tarifin” olmadığı anlamına gelir.

MIT mühendisleri, robotlara yönelik yeni genel tasarım araçlarıyla bunu değiştiriyor. Neredeyse tüm otonom robotik sistemlerin simülasyonlarına uygulanabilecek ve bir robotun performansının iyileştirilebileceği yolların otomatik olarak belirlenmesine yardımcı olan optimizasyon kodu geliştirdiler.

Araç, birbirinden çok farklı iki otonom sistemin performansını artırma yeteneğini gösterdi. Bunlardan ilki, iki engel arasındaki yolda ilerleyen bir robot, diğeri ise ağır bir kutuyu hareket ettirmek için birlikte çalışan bir çift robottu.

Araştırmacılara göre bu yeni genel amaçlı optimize edici, yürüyen robotlar veya otonom araçlar gibi çok çeşitli otonom sistemlerin geliştirilmesini hızlandırmaya yardımcı olabilir.

Dawson ve Fan, diğer mühendislik disiplinleri için mevcut olan diğer otomatik tasarım araçlarına baktıktan sonra bu tür bir araca olan ihtiyacı fark ettiklerini söyledi.

Dawson, “Bir makine mühendisi bir rüzgar türbini tasarlamak isterse, yapıyı tasarlamak için bir 3D CAD aracı kullanabilir ve ardından belirli yüklere dayanıp dayanamayacağını kontrol etmek için bir sonlu eleman analiz aracı kullanabilir” diyor. “Ancak otonom sistemlere yönelik bu bilgisayar destekli tasarım araçları eksik.”

Otonom bir sistemi optimize etmek için, bir robot uzmanı tipik olarak her bir bileşenin belirli parametrelerini almadan önce sistemin ve etkileşimli alt sistemlerinin bir simülasyonunu geliştirir. Simülasyon daha sonra sistemin nasıl performans göstereceğini görmek için ileriye doğru çalıştırılır.

Malzemelerin optimum kombinasyonunun belirlenebilmesi için birden fazla deneme yanılma sürecinin yürütülmesi gerekir ve bu, zaman alıcı bir çabadır.

“‘Bir tasarım verildiğinde performansı nedir?’ demek yerine Dawson, “‘Görmek istediğimiz performans göz önüne alındığında, bizi oraya götüren tasarım nedir?’ demek için bunu tersine çevirmek istedik” diyor.

Optimizasyon çerçevesi veya bilgisayar kodu, mevcut bir sistemde yapılabilecek ayarlamaları otomatik olarak bulmak için tasarlanmıştır. Kod, başlangıçta sinir ağlarını eğitmek için kullanılan bir programlama aracı olan otomatik farklılaşmaya dayanmaktadır. “Kendi kendine farklılaşma” olarak da adlandırılan bu teknik, hızlı ve verimli bir şekilde “türevi değerlendirmeye” veya herhangi bir parametrenin değişimine karşı hassasiyete yardımcı olur.

Dawson, “Yöntemimiz otomatik olarak bize ilk tasarımdan hedeflerimize ulaşan bir tasarıma doğru küçük adımları nasıl atacağımızı söylüyor” diyor. “Bir simülatörü tanımlayan kodu derinlemesine incelemek ve bu ters çevirmenin otomatik olarak nasıl yapılacağını bulmak için autodiff’i kullandık.”

Araç testi

Araç, iki ayrı otonom robotik sistem üzerinde test edildi ve laboratuvar deneylerinde her sistemin performansını iyileştirdi. İlk sistem iki engel arasında yol planlamak için tasarlanmış tekerlekli bir robottan oluşurken, gerçekten etkileyici olan ikinci sistemdi.

İkinci sistem, bir kutuyu hedef konuma itmek için birlikte çalışan iki tekerlekli robotlarla daha karmaşıktı; bu da simülasyonun çok daha fazla parametre içerdiği anlamına geliyordu. Araç, robotların görevlerini yerine getirmesi için gerekli adımları verimli bir şekilde belirlemeyi başardı ve optimizasyon süreci, geleneksel tekniklere göre 20 kat daha hızlıydı.

Fan, “Sisteminizin optimize edilmesi gereken daha fazla parametresi varsa, aracımız daha da iyisini yapabilir ve katlanarak daha fazla zaman tasarrufu sağlayabilir” diyor. “Bu temelde kombinatoryal bir seçim: parametre sayısı arttıkça seçenekler de artıyor ve yaklaşımımız bunu tek bir hamlede azaltabilir.”

Genel optimizasyon aracı indirilmeye hazır ve ekip artık onu daha karmaşık sistemler için kullanışlı hale getirecek şekilde iyileştirmeye çalışacak.

Dawson, “Amacımız insanları daha iyi robotlar üretmeye teşvik etmek” diyor. “Sistemlerini optimize etmek için yeni bir yapı taşı sağlıyoruz, böylece sıfırdan başlamak zorunda kalmıyorlar.”