MIT-Forscher haben ein neues System entwickelt, das vorhandene Steuerungsprogramme zusammenfügt, damit mehrere Roboter auf komplexere Weise zusammenarbeiten können.
MIT hat dieses Bild nicht veröffentlicht. Es kam von Wikimedia Commons. Forscher vom MIT-Labor für Informatik und künstliche Intelligenz lernen jedoch, wie mehrere Roboter gleichzeitig arbeiten können.
Es ist schwer genug, ein Programm zur Steuerung eines einzelnen autonomen Roboters zu schreiben, der mit einer fehlerhaften Kommunikationsverbindung durch eine unsichere Umgebung navigiert. Es ist noch schwieriger, einen für mehrere Roboter zu schreiben, die je nach Aufgabe zusammenarbeiten müssen oder nicht.
Infolgedessen haben sich Ingenieure, die Steuerungsprogramme für „Multiagentensysteme“ entwickeln - ob Roboterteams oder Netzwerke von Geräten mit unterschiedlichen Funktionen - im Allgemeinen auf Sonderfälle beschränkt, in denen zuverlässige Informationen über die Umgebung oder eine relativ einfache Zusammenarbeit vorausgesetzt werden können im Voraus eindeutig festgelegt werden.
Im Mai dieses Jahres werden Forscher des MIT-Labors für Informatik und künstliche Intelligenz (CSAIL) auf der internationalen Konferenz über autonome Agenten und Multiagentensysteme ein neues System vorstellen, das vorhandene Steuerungsprogramme zusammenfügt, damit Multiagentensysteme auf viel komplexere Weise zusammenarbeiten können. Das System berücksichtigt Unsicherheiten - die Wahrscheinlichkeit, dass beispielsweise eine Kommunikationsverbindung unterbrochen wird oder ein bestimmter Algorithmus einen Roboter versehentlich in eine Sackgasse lenkt - und plant automatisch um ihn herum.
Für kleine Aufgaben in der Zusammenarbeit kann das System garantieren, dass die Programmkombination optimal ist - dass es angesichts der Ungewissheit der Umgebung und der Einschränkungen der Programme selbst die bestmöglichen Ergebnisse liefert.
In Zusammenarbeit mit Jon How, dem Richard Cockburn Maclaurin-Professor für Luft- und Raumfahrt und seinem Studenten Chris Maynor testen die Forscher derzeit ihr System in einer Simulation einer Lageranwendung, bei der Roboterteams beliebige Objekte aus unbestimmten Quellen abrufen müssten Standorte, die bei Bedarf zusammenarbeiten, um schwere Lasten zu transportieren. Bei den Simulationen handelt es sich um kleine Gruppen von iRobot Creates, programmierbaren Robotern, die das gleiche Gehäuse wie der Roomba-Staubsauger haben.
Berechtigter Zweifel
"In Systemen im Allgemeinen und in der realen Welt ist es für sie sehr schwierig, effektiv zu kommunizieren", sagt Christopher Amato, Postdoc bei CSAIL und Erstautor des neuen Papiers. "Wenn Sie eine Kamera haben, ist es unmöglich, dass die Kamera ständig alle Informationen zu allen anderen Kameras überträgt. Ebenso befinden sich Roboter in Netzwerken, die nicht perfekt sind. Daher dauert es einige Zeit, bis sie zu anderen Robotern gelangen. In bestimmten Situationen können sie möglicherweise nicht mit Hindernissen kommunizieren. "
Ein Agent hat möglicherweise nicht einmal die perfekten Informationen über seinen eigenen Standort, sagt Amato - beispielsweise über den Gang des Lagers, in dem er sich befindet. "Wenn Sie versuchen, eine Entscheidung zu treffen, besteht eine gewisse Unsicherheit darüber, wie sich dies entwickeln wird", sagt er. "Vielleicht versuchen Sie, sich in eine bestimmte Richtung zu bewegen, und es kommt zu Wind- oder Radschlupf, oder es besteht eine Unsicherheit zwischen den Netzwerken aufgrund von Paketverlust. In diesen realen Umgebungen mit all dem Kommunikationslärm und der Unsicherheit darüber, was passiert, ist es schwierig, Entscheidungen zu treffen. "
Das neue MIT-System, das Amato zusammen mit Leslie Kaelbling, dem Panasonic-Professor für Informatik und Ingenieurwissenschaften, und George Konidaris, einem Postdoc-Kollegen, entwickelt hat, nimmt drei Eingaben entgegen. Eine ist eine Reihe von Kontrollalgorithmen auf niedriger Ebene - die die MIT-Forscher als "Makroaktionen" bezeichnen -, die das Verhalten von Agenten kollektiv oder individuell steuern können. Das zweite ist eine Reihe von Statistiken über die Ausführung dieser Programme in einer bestimmten Umgebung. Und das dritte ist ein Schema zur Bewertung verschiedener Ergebnisse: Das Erfüllen einer Aufgabe führt zu einer hohen positiven Bewertung, der Energieverbrauch jedoch zu einer negativen Bewertung.
Schule der harten Schläge
Amato stellt sich vor, dass die Statistiken automatisch erfasst werden könnten, indem einfach ein Multiagentensystem für eine Weile laufen gelassen wird - ob in der realen Welt oder in Simulationen. In der Lageranwendung zum Beispiel würden die Roboter verschiedene Makroaktionen ausführen und das System würde Daten über die Ergebnisse sammeln. Roboter, die versuchen, sich innerhalb des Lagers von Punkt A zu Punkt B zu bewegen, könnten einen gewissen Prozentsatz der Zeit in einer Sackgasse enden, und ihre Kommunikationsbandbreite könnte einen gewissen Prozentsatz der Zeit verringern. Diese Prozentsätze können für Roboter variieren, die sich von Punkt B nach Punkt C bewegen.
Das MIT-System verwendet diese Eingaben und entscheidet dann, wie Makroaktionen am besten kombiniert werden, um die Wertfunktion des Systems zu maximieren. Möglicherweise werden alle Makroaktionen verwendet. es könnte nur eine winzige Teilmenge verwenden. Und sie könnten auf eine Weise verwendet werden, an die ein menschlicher Designer nicht gedacht hätte.
Angenommen, jeder Roboter verfügt über eine kleine Reihe farbiger Lichter, mit denen er mit seinen Gegenstücken kommunizieren kann, wenn die Funkverbindungen unterbrochen sind. „Normalerweise entscheidet der Programmierer, dass rotes Licht bedeutet, in diesen Raum zu gehen und jemandem zu helfen, grünes Licht bedeutet, in diesen Raum zu gehen und jemandem zu helfen“, sagt Amato. "In unserem Fall können wir nur sagen, dass es drei Lichter gibt, und der Algorithmus spuckt aus, ob sie verwendet werden sollen oder nicht und was jede Farbe bedeutet."
Über MIT News