Enkla robotar, smarta algoritmer

Återutgiven av Platon

anhängare: 0

Hem > Presse > Enkla robotar, smarta algoritmer

När sensorer, kommunikation, minne och beräkningar tas bort från en grupp enkla robotar kan vissa uppsättningar av komplexa uppgifter fortfarande utföras genom att utnyttja robotarnas fysiska egenskaper, en egenskap som ett team av forskare under ledning av Georgia Tech kallar "uppgiftsutförande. ” KREDIT Shengkai Li, Georgia Tech

Sammanfattning:
Den som har barn vet att det kan vara svårt att kontrollera ett barn samtidigt som det kan vara svårt att kontrollera många samtidigt. Att få svärmar av robotar att arbeta kollektivt kan vara lika utmanande, om inte forskare noggrant koreograferar deras interaktioner - som plan i form - med allt mer sofistikerade komponenter och algoritmer. Men vad kan man åstadkomma på ett tillförlitligt sätt när robotarna till hands är enkla, inkonsekventa och saknar sofistikerad programmering för samordnat beteende?

Atlanta, GA | Upplagt den 30 april 2021

Ett team av forskare som leds av Dana Randall, ADVANCE-professor i databehandling och Daniel Goldman, Dunn-familje professor i fysik, båda vid Georgia Institute of Technology, försökte visa att även de enklaste robotarna fortfarande kan utföra uppgifter långt bortom en, eller till och med några av dem. Målet att utföra dessa uppgifter med det som teamet kallade "dumma robotar" (i huvudsak mobila granulära partiklar) överträffade deras förväntningar, och forskarna rapporterar att de kunde ta bort alla sensorer, kommunikation, minne och beräkning - och istället utföra en uppsättning uppgifter genom utnyttja robotarnas fysiska egenskaper, ett drag som teamet betecknar som "utföringsform av uppgiften".

Lagets BOBbots, eller ”beteende, organisera, surrande bots” som namngavs för den granulära fysikpionjären Bob Behringer, är ”ungefär så dumma som de blir”, förklarar Randall. "Deras cylindriska chassi har vibrerande borstar under och lösa magneter i sin periferi, vilket får dem att spendera mer tid på platser med fler grannar." Den experimentella plattformen kompletterades med exakta datorsimuleringar ledda av Georgia Tech fysikstudent Shengkai Li, som ett sätt att studera aspekter av systemet som är obekvämt att studera i labbet.

Trots BOBbots enkelhet upptäckte forskarna att, när robotarna rör sig och stöter på varandra, bildas "kompakta aggregat som kan rensa skräp som är för tungt för en ensam att röra sig", enligt Goldman. "Medan de flesta bygger alltmer komplexa och dyra robotar för att garantera samordning, ville vi se vilka komplexa uppgifter som skulle kunna utföras med mycket enkla robotar."

Deras arbete, som rapporterades den 23 april 2021 i tidskriften Science Advances, inspirerades av en teoretisk modell av partiklar som rör sig på ett schackbräde. En teoretisk abstraktion som kallas ett självorganiserande partikelsystem utvecklades för att noggrant studera en matematisk modell av BOBbots. Med hjälp av idéer från sannolikhetsteori, statistisk fysik och stokastiska algoritmer kunde forskarna bevisa att den teoretiska modellen genomgår en fasförändring när de magnetiska interaktionerna ökar - plötsligt förändras från spridd till aggregering i stora, kompakta kluster, liknar fasförändringar vi ser i vanliga vardagssystem, som vatten och is.

"Den noggranna analysen visade oss inte bara hur man bygger BOBbots, utan avslöjade också en inneboende robusthet i vår algoritm som gjorde det möjligt för vissa av robotarna att vara felaktiga eller oförutsägbara", konstaterar Randall, som också fungerar som professor i datavetenskap och adjungerad professor i matematik vid Georgia Tech.

# # #

Samarbetet baseras på experiment och simuleringar som också designats av Bahnisikha Dutta, Ram Avinery och Enes Aydin från Georgia Tech, samt på teoretiskt arbete av Andrea Richa och Joshua Daymude från Arizona State University och Sarah Cannon från Claremont McKenna College, som är en ny Georgia Tech-examen.

Detta arbete är en del av ett multidisciplinärt universitetsforskningsinitiativ (MURI) finansierat av Army Research Office (ARO) för att studera grunden för framväxande beräkning och kollektiv intelligens.

Finansiering: Detta arbete stöddes av försvarsdepartementet under MURI-pris nr. W911NF-19-1-0233 och av NSF utdelar DMS-1803325 (SC); CCF-1422603, CCF-1637393 och CCF-1733680 (AWR); CCF-1637031 och CCF-1733812 (DR och DIG); och CCF-1526900 (DR).

####

Om Georgia Institute of Technology
Georgia Institute of Technology, eller Georgia Tech, är ett topp 10 offentligt forskningsuniversitet som utvecklar ledare som främjar teknik och förbättrar det mänskliga tillståndet. Institutet erbjuder examen inom affärsverksamhet, datavetenskap, design, teknik, fri konst och vetenskap. Dess nästan 40,000 50 studenter, som representerar 149 stater och 1 länder, studerar på huvudcampus i Atlanta, på campus i Frankrike och Kina och genom distans och online-lärande. Som ett ledande tekniskt universitet är Georgia Tech en motor för ekonomisk utveckling för Georgien, Sydost och nationen och bedriver mer än XNUMX miljard dollar i forskning årligen för regering, industri och samhälle.

För mer information, klicka på här.

Kontaktpersoner:
Tracey A. Reeves
404-660-2929

Jess Hunt-Ralston
Kommunikation - College of Sciences
(404) 385-5207

@GeorgiaTech

Upphovsrätt © Georgia Institute of Technology

Om du har en kommentar, snälla Kontakta oss oss.

Emittenter av nyhetsmeddelanden, inte 7th Wave, Inc. eller Nanotechnology Now, är ensamma ansvariga för innehållets noggrannhet.

Bokmärke: