AIが破壊がほぼ不可能なロボットを進化させる

損傷の中での生き残りを学ぶ

現実世界の環境に展開されたロボットの最も永続的な制限の一つはその脆さです。単一の故障したアクチュエータ、損傷した肢、または壊れたセンサーは、そうでなければ機能するマシンを完全に動作不可能にする可能性があります。制御された工場環境でロボットを効率的にする堅くて目的の特定の設計は、これらのマシンが捜索救助作業、軍事展開、または惑星探査の予測不可能性に直面する瞬間に負債になります。大手ロボット工学研究所の新しい研究は、潜在的な解決策を実証しました。それは人工知能を使用して物理的な形状と制御ソフトウェアが共進化するロボットで、ほぼ完全に無効化することが不可能な設計です。

Science Roboticsに発表されたこの研究は、自然選択に触発された計算プロセスである進化アルゴリズムの変種を使用して、ロボットの物理的な形態とそれを制御するニューラルネットワークの両方を同時に最適化しました。その結果は、単に損傷を許容するだけではなく、損傷が発生するという仮定の下から一度に設計された機械です。研究者が肢を取り外し、気動式アクチュエータを穿刺し、センンサーを無効にしたとき、ロボットは移動し続けナビゲーションタスクを完了し、従来に設計された対応物をはるかに上回る成功率で実現しました。

進化的設計はどのように機能するか

このプロセスはランダムに生成されたロボット設計の集団から始まります。異なる数の肢、関節の構成、材料特性、センサ配置を持つ仮想体——それぞれはランダムに初期化された制御ネットワークと組み合わされています。これらの仮想ロボットは、シミュレートされた物理環境に導入され、タスクを完了する能力について評価されます。障害物コース、ペイロードの搬送、または打撃の後の前方への運動の維持をナビゲートします。

最高のパフォーマンスの設計は選択、再結合、および突然変異され、次の世代を形成します——自然選択は生き残りの利点を与える特性を増幅するのと同じように。数千のシミュレーション世代を通じて、このプロセスは人間のエンジニアに対して本当に驚くべき設計に収束します。非対称体計画、肢が除去されるまで浪費的に見える冗長なアクチュエータ配置、およびリアルタイムで故障した部品の周りのモータコマンドを経路化することを学んだ制御ネットワーク。

新しい研究が独特であることは、進化プロセス中に損傷シナリオの明示的な包含です。無損傷条件での性能のみを最適化するのではなく、研究者はシミュレーション中に定期的にランダム損傷イベントを導入しました——肢を除去し、センサを低下させ、アクチュエータを反転させた——そして、ロボットが通常および損傷した状態でパフォーマンスをどれだけ維持したかを評価しました。この二重最適化圧は、パフォーマンスのみの進化とは異なる定性的に異なるロボット級を生成しました。

物理ロボット

最適に進化した設計は、ソフトロボティクス技術を使用して製造されました——柔軟なポリマー構造、形状記憶合金、および気動腔室の組み合わせは、剛性ロボットができない方法で変形および回復できます。ロボットの体の一部が除去されると、残存する構造は剛性金属シャーシにとって不可能な方法で残存する要素全体に機械的な負荷を再分配します。組み込みプロセッサで実行されている制御ネットワークは、全身で検知された力と位置を継続的に監視し、残存する任意の構造を補償するためにモータコマンドを調整します。

物理テストでは、研究者はロボットの総体質量の最大40%を取り除きました——肢を切断し、致動セグメントを除去し、空気腔を穿刺したしましたロボットは移動し続けナビゲートしました。その歩態は劇的に変わり、歩行パターンからカニのような這う運動または転がる運動に移動することもありましたが、停止しませんでした。その動作はスクリプト化されていませんでした。訓練されたニューラルネットワークが新しい体の構成上に一般化する能力から生まれたものです。

高リスク環境でのアプリケーション

現実世界の展開への影響は重要です。倒壊した建物環境で動作する捜索救助ロボットは定期的にデブリ影響、鋭いエッジ、および従来のプラットフォームを損傷する機械的ストレスに遭遇します。戦闘地帯に展開された軍事ロボットはさらに極端な損傷シナリオに直面しています。惑星探査車両は、メンテナンスや修理の可能性がないまま、数ヶ月から数年間機能を維持する必要があります。

ロボットの復元力への現在のアプローチは通常、冗長な機械部品を伴う——重量、コスト、複雑さを追加している——またはモジュール設計は、損傷後に自己再構成することができます。洗練されたドッキング機構を必要とし、故障ポイントを追加しています。進化的アプローチはこれらのトレードオフを回避することにより、ソリューションの上に層状化するのではなく、基本的な設計に復元力を組み込むことにより。

形態知能に向かって

この研究は、形態計算と呼ばれるロボット工学の更に広範な哲学的シフトも進めます——知能は制御システムの特性だけではなく、ロボット自体の物理的な形態全体に分配されるという考え。自然に力を再指向し、衝撃を吸収し、ストレス下で構造的完全性を維持する体の形状は、そうでなければ脳によって処理される必要がある計算作業を行っています。進化されたロボットはよく制御されるだけではありません。彼らは彼らが直面する問題に対して良い形です。

今後の作業は、より複雑なタスクおよび大きな体計画への進化アプローチの拡張に焦点を当て、ロボットが展開中に損傷が蓄積するときにリアルタイムで適応することを学ぶことができるかどうかを調査します——進化中に予想される損傷の生き残るだけでなく、飛行中に新しい補償戦略を発見します。ますます有能な搭載AIと組み合わせると、本当に停止が難しいロボットの見込みは、困難な環境での自律マシンの実際の有用性の有意な進歩を表します。

この記事はNew Atlasのレポートに基づいています。元の記事を読む。