Simple Robots, Smart Algorithms

Újra kiadta Platón

Követő: 0

Kezdőlap > nyomja meg > Egyszerű robotok, intelligens algoritmusok

When sensors, communication, memory and computation are removed from a group of simple robots, certain sets of complex tasks can still be accomplished by leveraging the robots’ physical characteristics, a trait that a team of researchers led by Georgia Tech calls “task embodiment.” CREDIT Shengkai Li, Georgia Tech

Absztrakt:
Bárki, akinek gyereke van, tudja, hogy bár egy gyerek irányítása nehéz lehet, sok embert egyszerre irányítani szinte lehetetlen. Ugyanilyen kihívást jelenthet a robotrajok együttes munkára késztetése, hacsak a kutatók nem koreografálják gondosan interakcióikat – például a formációban lévő síkokat – egyre kifinomultabb komponensek és algoritmusok segítségével. De mit lehet megbízhatóan megvalósítani, ha a kéznél lévő robotok egyszerűek, következetlenek, és hiányzik az összehangolt viselkedéshez szükséges kifinomult programozás?

Egyszerű robotok, okos algoritmusok

Atlanta, GA | Feladás dátuma: 30. április 2021

Dana Randall, a számítástechnika ADVANCE professzora és Daniel Goldman, a Dunn Family fizikaprofesszora (mindketten a Georgia Institute of Technology fizikaprofesszora) vezette kutatócsoport arra törekedett, hogy bemutassa, hogy még a legegyszerűbb robotok is képesek egy ember képességeit meghaladó feladatokat végrehajtani. vagy akár néhányat közülük. Az a cél, hogy ezeket a feladatokat a csapat által „hülye robotoknak” (alapvetően mobil szemcsés részecskéknek) nevezett feladatokkal hajtsák végre, felülmúlta a várakozásaikat, és a kutatók arról számoltak be, hogy képesek eltávolítani az összes érzékelőt, kommunikációt, memóriát és számítástechnikát – és ehelyett egy sor feladatot elvégezni ezen keresztül. kihasználva a robotok fizikai jellemzőit, ezt a tulajdonságot a csapat „feladat megtestesülésének” nevezi.

A csapat BOBbotjai, vagyis a „viselkedõ, szervezõdõ, zümmögõ botok”, amelyeket a granuláris fizika úttörõjérõl, Bob Behringerrõl neveztek el, „nagyjából olyan hülyék, amennyire csak lehet” – magyarázza Randall. "A hengeres alvázuk alatt vibráló kefék vannak, a kerületükön pedig laza mágnesek vannak, ami miatt több időt töltenek olyan helyeken, ahol több szomszéd is van." A kísérleti platformot precíz számítógépes szimulációkkal egészítették ki Shengkai Li, a Georgia Tech fizikus hallgatója vezetésével, hogy a rendszer olyan aspektusait tanulmányozhassák, amelyek laboratóriumi tanulmányozása kényelmetlen.

A BOBbotok egyszerűsége ellenére a kutatók felfedezték, hogy amint a robotok mozognak és egymásba ütköznek, „kompakt aggregátumok képződnek, amelyek képesek kollektíven eltakarítani a törmeléket, amely túl nehéz ahhoz, hogy egyedül mozogjon” – mondta Goldman. „Miközben a legtöbb ember egyre bonyolultabb és drágább robotokat épít a koordináció garantálása érdekében, mi szerettük volna látni, milyen összetett feladatokat lehet végrehajtani nagyon egyszerű robotokkal.”

A Science Advances folyóiratban 23. április 2021-án megjelent munkájukat a sakktáblán mozgó részecskék elméleti modellje ihlette. Egy önszerveződő részecskerendszerként ismert elméleti absztrakciót fejlesztettek ki a BOBbotok matematikai modelljének szigorú tanulmányozására. Valószínűségelmélet, statisztikai fizika és sztochasztikus algoritmusok ötleteinek felhasználásával a kutatók be tudták bizonyítani, hogy az elméleti modell fázisváltozáson megy keresztül a mágneses kölcsönhatások növekedésével – ez hirtelen változik szétszórtról nagy, kompakt klaszterekben aggregálódni, hasonlóan az általunk tapasztalt fázisváltozásokhoz. a mindennapi rendszerekben, például vízben és jégben.

„A szigorú elemzés nemcsak azt mutatta meg nekünk, hogyan kell megépíteni a BOBbotokat, hanem feltárta az algoritmusunk eredendő robusztusságát is, amely lehetővé tette, hogy egyes robotok hibásak vagy kiszámíthatatlanok legyenek” – jegyzi meg Randall, aki a számítástechnika professzoraként és adjunktusaként is szolgál. a Georgia Tech matematika professzora.

###

Az együttműködés a szintén Bahnisikha Dutta, Ram Avinery és Enes Aydin által a Georgia Techtől származó kísérleteken és szimulációkon, valamint Andrea Richa és Joshua Daymude, az Arizonai Állami Egyetemről, valamint Sarah Cannon, a Claremont McKenna College elméleti munkáján alapul. frissen végzett Georgia Tech.

Ez a munka a Hadsereg Kutatási Hivatala (ARO) által finanszírozott Multidiszciplináris Egyetemi Kutatási Kezdeményezés (MURI) részét képezi, amely a feltörekvő számítástechnika és a kollektív intelligencia alapjait tanulmányozza.

Finanszírozás: Ezt a munkát a Védelmi Minisztérium támogatta a MURI 911. sz. W19NF-1-0233-1803325 és az NSF-díj DMS-1422603 (SC); CCF-1637393, CCF-1733680 és CCF-1637031 (AWR); CCF-1733812 és CCF-1526900 (DR és DIG); és CCF-XNUMX (DR).

####

A Georgia Institute of Technology-ról
A Georgia Institute of Technology vagy a Georgia Tech a 10 legjobb állami kutatóegyetem, amely olyan vezetőket fejleszt, akik fejlesztik a technológiát és javítják az emberi állapotot. Az Intézet üzleti, számítástechnikai, tervezési, mérnöki, bölcsészettudományi és tudományos fokozatokat kínál. Közel 40,000 50 diákja 149 állam és 1 ország képviseletében tanul az atlantai fő egyetemen, Franciaországban és Kínában, valamint távoktatáson és online tanuláson keresztül. Vezető technológiai egyetemként a Georgia Tech a gazdasági fejlődés motorja Grúzia, Délkelet és az ország számára, évente több mint XNUMX milliárd dollárnyi kutatást végez a kormány, az ipar és a társadalom számára.

További információért kattintson a gombra itt

Elérhetőségek:
Tracey A. Reeves
404-660-2929

Jess Hunt-Ralston
Kommunikáció – Tudományos Főiskola
(404) 385-5207

@GeorgiaTech

Ha van észrevétele, kérem Kapcsolat minket.

A tartalom pontosságáért kizárólag a sajtóközlemények kiadói felelősek, nem pedig a 7th Wave, Inc. vagy a Nanotechnology Now.

Könyvjelző: