Simple Robots, Smart Algorithms - Plato AiStream V2.1

Publisert av Platon

Følgere: 0

Hjemprodukt > Press > Enkle roboter, smarte algoritmer

Når sensorer, kommunikasjon, minne og beregning fjernes fra en gruppe enkle roboter, kan visse sett med komplekse oppgaver fortsatt oppnås ved å utnytte robotenes fysiske egenskaper, en egenskap som et team av forskere ledet av Georgia Tech kaller "oppgaveutførelse. " KREDITT Shengkai Li, Georgia Tech

Når sensorer, kommunikasjon, minne og beregninger fjernes fra en gruppe enkle roboter, kan visse sett med komplekse oppgaver fortsatt utføres ved å utnytte robotenes fysiske egenskaper, en egenskap som et team av forskere ledet av Georgia Tech kaller «oppgaveutførelse. ” KREDITT Shengkai Li, Georgia Tech

Abstrakt:
Alle med barn vet at selv om det kan være vanskelig å kontrollere ett barn, kan det være nesten umulig å kontrollere mange samtidig. Å få svermer av roboter til å jobbe kollektivt kan være like utfordrende, med mindre forskere nøye koreograferer interaksjonene deres - som fly i formasjon - ved å bruke stadig mer sofistikerte komponenter og algoritmer. Men hva kan pålitelig oppnås når robotene på hånden er enkle, inkonsekvente og mangler sofistikert programmering for koordinert oppførsel?

Enkle roboter, smarte algoritmer

Atlanta, GA | Lagt ut 30. april 2021

Et team av forskere ledet av Dana Randall, ADVANCE Professor of Computing og Daniel Goldman, Dunn familieprofessor i fysikk, begge ved Georgia Institute of Technology, forsøkte å vise at selv de enkleste roboter fortsatt kan utføre oppgaver langt utover evnene til en, eller til og med noen få av dem. Målet med å utføre disse oppgavene med det teamet kalte "dum roboter" (i hovedsak mobile granulære partikler) overgikk forventningene deres, og forskerne rapporterer at de kan fjerne alle sensorer, kommunikasjon, minne og beregning – og i stedet utføre et sett med oppgaver gjennom utnytte robotenes fysiske egenskaper, en egenskap som teamet kaller «oppgaveutførelse».

Teamets BOBbots, eller «oppførsel, organisering, summende roboter» som ble oppkalt etter pioneren i granulær fysikk Bob Behringer, er «omtrent så dumme som de blir», forklarer Randall. "Deres sylindriske chassis har vibrerende børster under og løse magneter i periferien, noe som får dem til å bruke mer tid på steder med flere naboer." Den eksperimentelle plattformen ble supplert med presise datasimuleringer ledet av Georgia Tech fysikkstudent Shengkai Li, som en måte å studere aspekter ved systemet som er upraktisk å studere i laboratoriet.

Til tross for enkelheten til BOBbots, oppdaget forskerne at når robotene beveger seg og støter på hverandre, "formes det kompakte aggregater som er i stand til kollektivt å fjerne rusk som er for tungt for en alene å bevege seg," ifølge Goldman. "Mens de fleste bygger stadig mer komplekse og dyre roboter for å garantere koordinering, ønsket vi å se hvilke komplekse oppgaver som kunne utføres med veldig enkle roboter."

Arbeidet deres, som rapportert 23. april 2021 i tidsskriftet Science Advances, var inspirert av en teoretisk modell av partikler som beveger seg rundt på et sjakkbrett. En teoretisk abstraksjon kjent som et selvorganiserende partikkelsystem ble utviklet for å grundig studere en matematisk modell av BOBbots. Ved å bruke ideer fra sannsynlighetsteori, statistisk fysikk og stokastiske algoritmer, klarte forskerne å bevise at den teoretiske modellen gjennomgår en faseendring etter hvert som de magnetiske interaksjonene øker - brått endres fra spredt til aggregering i store, kompakte klynger, lik faseendringer vi ser. i vanlige hverdagssystemer, som vann og is.

"Den strenge analysen viste oss ikke bare hvordan vi skulle bygge BOBbots, men avslørte også en iboende robusthet av algoritmen vår som gjorde at noen av robotene kunne være defekte eller uforutsigbare," bemerker Randall, som også fungerer som professor i informatikk og adjunkt. professor i matematikk ved Georgia Tech.

# # #

Samarbeidet er basert på eksperimenter og simuleringer også designet av Bahnisikha Dutta, Ram Avinery og Enes Aydin fra Georgia Tech, samt på teoretisk arbeid av Andrea Richa og Joshua Daymude fra Arizona State University, og Sarah Cannon fra Claremont McKenna College, som er en nyutdannet Georgia Tech.

Dette arbeidet er en del av et Multidisciplinary University Research Initiative (MURI) finansiert av Army Research Office (ARO) for å studere grunnlaget for emergent computation og kollektiv intelligens.

Finansiering: Dette arbeidet ble støttet av Forsvarsdepartementet under MURI-pris nr. W911NF-19-1-0233 og av NSF tildeler DMS-1803325 (SC); CCF-1422603, CCF-1637393 og CCF-1733680 (AWR); CCF-1637031 og CCF-1733812 (DR og DIG); og CCF-1526900 (DR).

####

Om Georgia Institute of Technology
Georgia Institute of Technology, eller Georgia Tech, er et topp 10 offentlig forskningsuniversitet som utvikler ledere som fremmer teknologi og forbedrer den menneskelige tilstanden. Instituttet tilbyr grader innen virksomhet, databehandling, design, ingeniørfag, liberal kunst og vitenskap. Dets nesten 40,000 50 studenter, som representerer 149 stater og 1 land, studerer på hovedcampus i Atlanta, ved campus i Frankrike og Kina, og gjennom fjernundervisning og nettbasert læring. Som et ledende teknologisk universitet er Georgia Tech en motor for økonomisk utvikling for Georgia, Sørøst og nasjonen, og utfører mer enn XNUMX milliard dollar i forskning årlig for myndigheter, industri og samfunn.

For mer informasjon, klikk her.

Kontakter:
Tracey A. Reeves
404-660-2929

Jess Hunt-Ralston
Kommunikasjon – Vitenskapshøyskolen
(404) 385-5207

@GeorgiaTech

Hvis du har en kommentar, vær så snill Kontakt oss.

Utstedere av nyhetsutgivelser, ikke 7th Wave, Inc. eller Nanotechnology Now, er alene ansvarlig for nøyaktigheten av innholdet.

Bokmerke: