Lepiej adaptujące się roboty inspirowane światem zwierząt
Choć robotyka rozwija się już od 50 lat, większość robotów nie jest tak wytrzymała jak nawet najmniejsze i najprostsze organizmy zwierzęce. Mówiąc krótko – mogą przestać funkcjonować w wyniku niespodziewanego upadku czy napotkania trudnych warunków. Jeśli chcemy, by roboty stawały się coraz ważniejszą częścią naszych społeczeństw i były przydatne w sytuacjach kryzysowych, musimy rozwiązać problem ich podatności na uszkodzenia. Nad rozwiązaniem tego problemu pracuje zespół projektu ResiBots (Robots with animal-like resilience). „Celem naszego projektu było opracowanie nowych algorytmów, zaprojektowanych z myślą o umożliwieniu robotom samodzielnego powrotu do normalnego działania bez konieczności przewidywania wszystkich możliwych uszkodzeń”, tłumaczy Jean-Baptiste Mouret, główny badacz projektu. „Ma to szczególne znaczenie w przypadku uszkodzeń mechanicznych, które są niezwykle trudne do zdiagnozowania za pomocą czujników robota – innymi słowy, przyświeca nam wizja budowy robotów, które będą miały zdolność improwizacji w sytuacji, w której postawimy przed nimi trudne zadanie”.
Nowe spojrzenie
Zakładana przez uczestników projektu wizja mocno kontrastuje z obecnym podejściem do tolerancji na uszkodzenia, które w dużej mierze wywodzi się z systemów o kluczowym znaczeniu dla bezpieczeństwa, takich jak systemy statków kosmicznych oraz elektrowni jądrowych. Zastosowanie takiego rozwiązania w przypadku niedrogich i autonomicznych robotów jest w zasadzie błędne, ponieważ opiera się na procedurach diagnostycznych wymagających kosztownych czujników proprioceptywnych i planów awaryjnych, które nie są w stanie uwzględnić wszystkich możliwych sytuacji, z jakimi może zetknąć się samodzielny autonomiczny robot. „Rozwiązanie opiera się na wykorzystaniu symulacji nieuszkodzonego robota do przyspieszenia procesu adaptacji robota, który uległ nieznanym dla siebie uszkodzeniom”, wyjaśnia Mouret. Algorytmy opracowane przez Moureta i jego zespół odchodzą od przestarzałego sposobu myślenia, zostały bowiem zaprojektowane z myślą o wykorzystaniu w robotyce koncepcji adaptacji wymagającej niewielkich ilości danych. „Nie dziwi nas już widok robotów, które uczą się chodzić w ciągu zaledwie kilku minut – kiedyś zajmowało to wiele godzin, a nawet dni”, dodaje Mouret. „Właśnie o takich robotach marzyłem, kiedy byłem dzieckiem!”
Od diagnostyki po wzmocnienie
Z punktu widzenia projektu niezwykle ważne jest to, że jego rezultaty opierają się na „nauce epizodycznej” – w praktyce oznacza to, że każda próba rozpoczyna się dokładnie w tej samej pozycji. Jeden z najnowszych algorytmów umożliwia robotowi samodzielną naukę bez konieczności resetowania, realizowaną przy jednoczesnym uwzględnieniu jego otoczenia. „Nie ma powodu, by robot próbował chodu, który wywoła ruch do przodu, jeśli na jego drodze znajduje się przeszkoda”, zauważa Mouret. Dzięki najnowszym postępom w dziedzinie uczenia głębokiego maszyny są obecnie w stanie dużo lepiej odczytywać swoje otoczenie niż kiedyś. „Jeśli chcemy jednak, by roboty faktycznie mogły uczyć się nowych umiejętności bądź zadań, potrzebujemy algorytmów wzmacniających – same algorytmy percepcji będą niewystarczające”, zaznacza Mouret. „Aby było to możliwe, musimy sprawić, by były w stanie wykorzystywać dużo mniejsze ilości danych, zanim będziemy mogli wypuścić je z laboratorium”. Naukowiec optymistycznie przewiduje, że będzie to możliwe w ciągu następnych 15 lat.
Plany na przyszłość
Mouret i zebrany przez niego zespół planują kontynuować badania nawet po oficjalnym zakończeniu projektu w kwietniu 2020 roku. „W tej chwili pracujemy nad zastosowaniem uczenia się w oparciu o niewielkie ilości danych w robotach humanoidalnych – roboty takie stanowią kolejne wielkie wyzwanie robotyki, ponieważ łączą w sobie wszystkie problemy, nad których rozwiązaniem głowią się robotycy z całego świata”, mówi Mouret. Obecnie żaden z robotów humanoidalnych nie wykorzystuje nauki w oparciu o niewielkie ilości danych do dostosowywania się do zmian w swoim otoczeniu, a Mouret i jego zespół chcą być pierwszymi, którym uda się zmienić ten stan rzeczy.
Słowa kluczowe
ResiBots, roboty, algorytmy, nauka epizodyczna, oszczędność danych, adaptacja, chodzenie, chód, uszkodzenie, odporność
