ロボットは、十分に振り付けられたダンスのように一緒に働くことを学びます| UCLニュース

UCLの科学者、Google Deepmind、およびIntrinsicは、大規模なロボットアームが忙しい産業用設定でより速く、より賢く連携することを可能にする強力な新しいAIアルゴリズムを開発しました。 UCL、Google Deepmind、およびIntrinsicの科学者は、大規模なロボットアームが忙しい産業環境でより速く、より賢く連携することを可能にする強力な新しいAIアルゴリズムを開発しました。 呼び出されたシステム ロボボール、互いに衝突したり、周囲の環境と衝突することなく、共有された障害物で満たされたスペースで機能する自動ロボットのチームが自動的に計画を立てるのを支援するように設計されています。 これは、長い間悩まされてきた課題です。この仕事は現在、特別に訓練された人間のプログラマーによって手動で行われています。これは非常に退屈でエラーが発生しやすいプロセスであり、タスクのセットごとに数百時間かかります。 の研究論文で説明されているように 科学ロボット工学、 Roboballetは、強化学習（RL）を使用して、グラフニューラルネットワークベースのロボット脳をトレーニングします。 RLフレームワークでは、ロボットの脳は試行錯誤によって学習し、タスクが完了すると「報酬」が与えられ、より速く完了するという報酬が高くなります。 グラフニューラルネットワークはaです ニューラルネットワークアーキテクチャ これは、グラフ形式のデータでネイティブに機能します。その使用により、ロボットは周囲について理解し、推論することができます（各障害をネットワーク内のポイントのように扱う - 組織的な方法で扱うことができます）。グラフニューラルネットワークと強化学習の両方がAIテクニックです。 UCL Computer ScienceとGoogle Deepmindの博士課程の研究者であるMatthew Laiの主著者は言いました：「「Roboballetは、産業用ロボット工学を振り付けられたダンスに変え、各腕がチームメイトの精度、目的、意識を持って動きます。クラッシュを避けることだけではありません。それは大規模に調和を達成することです。「初めて、ダンスの優雅さと速度で複雑なマルチロボット計画を自動化することができ、工場をより適応性があり、効率的で、インテリジェントにすることができます。」Roboballetは、ロボットの動きをリアルタイムよりも数百倍速く計画することができます。研究者は、これにより、ロボットが故障した場合、またはレイアウトが変更された場合に工場が即座に適応できるようになる可能性があると述べています。また、Robotballetはレイアウトの最適化を可能にし、メーカーが最大の効率とスループットのためにロボットを配置する場所を決定するのに役立ちます。 研究者は、システムのスケーラビリティが大きなブレークスルーであると言います。従来の計画アルゴリズムは、複雑さの指数関数的な成長のために、いくつかのロボットを処理するのに苦労しています。 Roboballetのグラフベースのアーキテクチャにより、特定のシナリオを記憶するのではなく、調整の一般的な原則を学習することができ、大規模な産業用途に適しています。UCL Computer Scienceの共著者准教授Alex Liは次のように述べています。「今日の工場では、複数のロボットアームを調整することは、動く3Dパズルを解くようなものであり、すべてのアクションは完全にタイミングを合わせて衝突を避けるために配置する必要があります。「ロボボールという名前は、非常に多くのロボットでエレガンスと私たちができることを捉えています。バレエダンサーが互いに完全に調和して動くように、私たちのロボットは、スーパーヒューマンレベルの精度と優雅さで動きを調整することができます。YouTubeウィジェットプレースホルダーhttps://www.youtube.com/watch?v=uqw7htlk_bq これは何に使用できますか？製造業は、より柔軟で適応性のある生産に向けて進化し続けているため、この技術は自動車の製造、電子機器アセンブリ、またはロボットを備えた家の建設にも使用できます。それは、ロボットがお互いのやり方で密接に連携する必要がある場所で特に便利です。次は何ですか？現在のロボボールバージョンは、ロボットが溶接などのタスクの特定のポイントに腕を移動するタスクに到達することに焦点を当てていますが、研究者は、ピックアンドプレイスや絵画などのより複雑な操作に拡張できると言います。また、研究者は、タスクの依存関係、異質なロボットチーム、より洗練された障害物のジオメトリを処理する将来のバージョンを想定しています。制限チームは、Roboballetがすべての可能な工場シナリオをまだ処理していないことを認めています。たとえば、現在、特定の順序で行う必要があるタスクや、異なる機能を備えたロボットを考慮していません。しかし、彼らはこれらの機能を将来のバージョンに追加できると考えており、システムの柔軟なアーキテクチャにより、このような機能強化に適しています。この作業はGoogle DeepmindとIntrinsicによって資金提供されており、コードベースはオープンソーリングされており、他の研究者がそれに基づいて構築を続け、フィールド全体を前方に加速させ続けています。リンク画像研究で使用されるロボットアーム。クレジット：Google DeepMind/UCL。メディアの連絡先ヘンリー・キルワースE：[email protected] #ロボットは十分に振り付けられたダンスのように一緒に働くことを学びます #UCLニュース