WRÓĆ DO STRONY
GŁÓWNEJ
Technowinki

Roboty uczą się adaptacji w przypadku uszkodzeń

Czasami bywa tak, że robot najbardziej kojarzy się nam z żywą istotą, dopiero gdy coś w nim nie działa (reakcja na uszkodzenia bywa nieprzewidywalna). Wyobraźmy sobie np. mechaniczne urządzenie w kształcie pająka, które zmaga się z tym, że jedna z jego kończyn odmówiła posłuszeństwa. Jeżeli coś takiego dzieje się w naturze, taki biologiczny arachnid wie jak sobie z tym poradzić – ma całe swe życie na naukę, do tego dochodzą miliony lat ewolucji. Robot nie ma takiego doświadczenia, trzeba go dopiero tego wszystkiego „nauczyć”. Zajęli się tym uczeni z paryskiej Sorbony.

W opublikowanym w tym tygodniu numerze Nature, badacze przedstawili algorytm, który może – potencjalnie – w momencie powstania nieoczekiwanej sytuacji, np urazu wspomóc maszynę w szybszym dostosowaniu się do nowych warunków. Dla nas ludzi jest to bowiem kwestia zwykłej intuicji – pojawił się problem z naszym ciałem, więc błyskawicznie zaczynamy szukać możliwości i sposobów by go rozwiązać (ot prosty przykład – zaczynamy kuleć, gdy boli nas noga).

Co prawda nie są to pierwsze próby implementacji podobnego systemu. Naukowcy z Cornell University na ten przykład stworzyli przypominającego rozgwiazdę robota, który jest w stanie błyskawicznie pobierać dane na temat wszystkich fragmentów swoich kończyn i postępować zgodnie z ich aktualnym stanem. Francuzi poszli jednakże w nieco inną stronę, mianowicie oparli algorytm na nauce za pomocą metody „prób i błędów”.

Chodzi mianowicie o to, że robot z początku wcale nie musi niczego „wiedzieć” na temat potencjalnych urazów, tak samo jak człowiek może, powiedzmy, zacząć kuleć bez wiedzy na temat tego co mu dolega. Dopiero w momencie gdy coś jest nie tak, szybko sięgamy po taką wiedzę. W tym celu grupa badaczy stworzywszy swojego mechanicznego „synka”, zaprogramowała go według algorytmu katalogującego wszelkiego rodzaju możliwe procesy, czyli każdy możliwy sposób poruszania się i identyfikującego na bieżąco najlepsze możliwe opcje. Tworzy to specyficzną, prymitywną „intuicję” – z początku maszyna posiada proste wzorce zachowań oparte na ruchu w stanie „całkowitego zdrowia”, lecz przy wystąpieniu czegoś nieoczekiwanego, np wypadku który unieruchamia pewną kończynę, algorytm traktuje wydarzenie jako odskocznię do testowania kolejnych opcji, jednej po drugiej, aż do momentu znalezienia takiej która okazuje się być optymalną w danej sytuacji.

Robot podczas takiej analizy opiera się na matematycznym modelu zwanym Algorytmem Optymalizacji Bayesa (BOA). Weźmy przykład – powiedzmy, że badacze zdalnie uszkodzili jedną z kończyn maszyny, która chodzi teraz w kółko. Błyskawicznie aktywuje się więc program, który wyszukuje dane z dołączonej biblioteki ok. 13 tysięcy różnych sposobów chodzenia – ludzkich, zwierzęcych, lub ze świata insektów – po czym wybiera ten który „intuicyjnie” jest najbardziej optymalny. Sprawdza go, po czym sięga po kolejne, porównując je z pierwotnym, innymi słowy, testując decyzję intuicji w praktyce. Jeśli posiada 9o% pewności, że znalazł najszybszą i najbardziej adekwatną opcję, implementuje ją i wraca do pracy – oczywiście na tyle na ile fizycznie jest w stanie.

Jak na razie badacze przepróbowali algorytm na dwóch robotach – sześcionożnym, pająkopodobnym tworze kroczącym, oraz mechanicznej, ruchomej, wielofunkcyjnej ręce. Sprawdzono pięć różnych scenariuszy testujących „pająka”, unieruchamiając mu jedną z nóg, usuwając całkowicie dwie inne, czy też zmuszając do przeprowadzenia na sobie prowizorycznych napraw. Podczas szybkich zmian scenariuszy, urządzenie było w stanie dostosować się do nowej sytuacji w niecałą minutę. „Ręka” natomiast miała blokowane mechaniczne stawy i unieruchamiane palce – czas adaptacyjny tego robota wahał się od 30 sekund do dwóch minut.

damage_illustration_7-1024x576.0Twórcy algorytmu wierzą, że można go bezproblemowo zastosować do już istniejących, bardziej zaawansowanych konstrukcji, np. dużych, humanoidalnych maszyn biorących udział w DARPA Robotics Challenge. Deklarują przy tym, że postępujące według ich wzorca zachowania roboty będą bardziej zoptymalizowane i lepiej przystosowane do różnorodnych działań wszędzie tam gdzie w razie wypadku nie będzie możliwa natychmiastowa interwencja człowieka. Mało tego, tak działające roboty mogą nawet być w stanie „zaimprowizować” zachowania pasujące do scenariuszy, których przewidzieć nie mógłby nikt, nawet wymyślający potencjalne niebezpieczeństwa inżynierowie.

[źródło: theverge.com, zdjęcia: esciencenews.com]