Med hjälp av en skräddarsydd svärm av robotar med hög processorkraft inbäddad i svärmen, Bristol-teamet upptäckte vilka regler som ger upphov till önskade svärmbeteenden. Kredit:University of Bristol
En ny generation av svärmande robotar som självständigt kan lära sig och utveckla nya beteenden i det vilda är ett steg närmare, tack vare forskning från University of Bristol och University of the West of England (UWE).
Teamet använde artificiell evolution för att göra det möjligt för robotarna att automatiskt lära sig svärmbeteenden som är förståeliga för människor. Detta nya förskott publicerades idag i Avancerade intelligenta system , skulle kunna skapa nya robotmöjligheter för miljöövervakning, katastrofåterställning, underhåll av infrastruktur, logistik och jordbruk.
Tills nu, artificiell evolution har vanligtvis körts på en dator som är utanför svärmen, med den bästa strategin kopierad sedan till robotarna. Dock, detta tillvägagångssätt är begränsande eftersom det kräver extern infrastruktur och laboratoriemiljö.
Genom att använda en skräddarsydd svärm av robotar med hög processorkraft inbäddad i svärmen, Bristol-teamet kunde upptäcka vilka regler som ger upphov till önskade svärmbeteenden. Detta kan leda till robotsvärmar som kontinuerligt och oberoende kan anpassa sig i det vilda, för att möta de miljöer och arbetsuppgifter som finns. Genom att göra de utvecklade kontrollerna begripliga för människor, kontrollerna kan också frågas, förklarat och förbättrat.
Huvud författare, Simon Jones, från University of Bristols Robotics Lab sa:"Human-förståeliga kontroller tillåter oss att analysera och verifiera automatiska konstruktioner, för att säkerställa säkerhet för implementering i verkliga applikationer."
Leds av Dr Sabine Hauert, ingenjörerna drog fördel av de senaste framstegen inom högpresterande mobildatorer, att bygga en svärm av robotar inspirerade av dem i naturen. Deras "Teraflop Swarm" har förmågan att köra den beräkningsintensiva automatiska designprocessen helt inom svärmen, frigöra den från begränsningen av offlineresurser. Svärmen når en hög prestationsnivå på bara 15 minuter, mycket snabbare än tidigare förkroppsligade evolutionsmetoder, och utan att vara beroende av extern infrastruktur.
Dr Hauert, Universitetslektor i robotik vid Institutionen för teknisk matematik och Bristol Robotics Laboratory (BRL), sa:"Detta är det första steget mot robotsvärmar som automatiskt upptäcker lämpliga svärmstrategier i naturen."
"Nästa steg blir att få ut dessa robotsvärmar från labbet och visa vårt föreslagna tillvägagångssätt i verkliga tillämpningar."
Genom att befria svärmen av extern infrastruktur, och genom att visa att det är möjligt att analysera, förstå och förklara de genererade styrenheterna, forskarna kommer att gå mot den automatiska designen av svärmkontroller i verkliga tillämpningar.
I framtiden, börjar från början, en robotsvärm kan upptäcka en lämplig strategi direkt på plats, och ändra strategin när svärmuppgiften, eller miljöförändringar.
Professor Alan Winfield, BRL och vetenskapskommunikationsenheten, UWE, sa:"I många moderna AI-system, särskilt de som använder Deep Learning, det är nästan omöjligt att förstå varför systemet tog ett särskilt beslut. Denna brist på transparens kan vara ett verkligt problem om systemet fattar ett dåligt beslut och orsakar skada. En viktig fördel med systemet som beskrivs i detta dokument är att det är transparent:dess beslutsprocess är förståelig för människor."