蓋世汽車訊 近年來，人工智能系統(tǒng)已廣泛部署于自動駕駛汽車、最后一英里配送、餐廳服務、患者篩查、醫(yī)院清潔、膳食準備、建筑安全和倉庫包裝等領域。

據(jù)外媒報道，麻省理工學院（MIT）的工程師為機器人專家開發(fā)出一種通用設計工具，可改進自動駕駛機器人系統(tǒng)。該團隊設計出一種優(yōu)化代碼，可應用于幾乎所有的自動駕駛機器人系統(tǒng)的仿真，并可用于自動識別如何以及在何處調(diào)整系統(tǒng)以提高機器人的性能。

圖片來源：MIT

該團隊表明，該工具能夠快速提高兩個非常不同的自動駕駛系統(tǒng)的性能：一個是機器人在兩個障礙物間的路徑中導航，另一個是兩個機器人共同移動一個沉重的箱子。

研究人員希望該全新通用優(yōu)化器可以幫助加快自動駕駛系統(tǒng)的開發(fā)，包括步行機器人和自動駕駛車輛，柔軟和靈巧的機器人，以及協(xié)作機器人團隊。

倒置設計

在觀察了可用于其他工程學科的大量自動化設計工具后，研究成員、麻省理工學院研究生Charles Dawson和麻省理工學院航空航天系助理教授ChuChu Fan意識到需要一個通用的優(yōu)化工具。

通常，機器人專家需要首先開發(fā)仿真系統(tǒng)及其許多交互子系統(tǒng)（例如規(guī)劃、控制、感知和硬件組件）來優(yōu)化自動駕駛系統(tǒng)，然后調(diào)整每個組件的某些參數(shù)并向前運行仿真，以查看該系統(tǒng)在該場景中的表現(xiàn)。

只有在通過反復試驗運行許多場景之后，機器人專家才能確定參數(shù)的最佳組合以產(chǎn)生所需的性能。該過程乏味、過度定制和耗時，因此Dawson和Fan決定進行改變。

研究人員們開發(fā)出一種優(yōu)化框架或計算機代碼，可以自動找到微調(diào)現(xiàn)有自動駕駛系統(tǒng)，以達到預期結(jié)果。

該代碼的核心是基于自動微分或“autodiff”（一種在機器學習社區(qū)中開發(fā)的編程工具，最初用于訓練神經(jīng)網(wǎng)絡）。Autodiff可以快速有效地“評估導數(shù)”或覺察到計算機程序中任何參數(shù)變化。Dawson和Fan正是基于autodiff編程的最新進展為自動駕駛機器人系統(tǒng)開發(fā)出通用優(yōu)化工具。

打造更好的機器人

該團隊在兩個獨立的自動駕駛機器人系統(tǒng)上測試了他們的新工具，并發(fā)現(xiàn)與傳統(tǒng)的優(yōu)化方法相比，該工具在實驗室實驗中迅速提高了每個系統(tǒng)的性能。

圖片來源：MIT

第一個系統(tǒng)包括一個輪式機器人，其任務是根據(jù)從在不同位置的兩個信標接收到的信號，規(guī)劃兩個障礙物之間的路徑。該團隊試圖找到信標的最佳位置，以便在障礙物之間形成一條清晰的路徑。

他們發(fā)現(xiàn)新的優(yōu)化器可以快速通過機器人的仿真進行反饋，并在5分鐘內(nèi)確定信標的最佳位置，而傳統(tǒng)方法需要15分鐘。

第二個系統(tǒng)更復雜，包括兩個輪式機器人一起工作，將一個盒子推向一個目標位置。該系統(tǒng)的仿真包括更多的子系統(tǒng)和參數(shù)。盡管如此，該團隊的工具還是有效地確定了機器人完成目標所需的步驟，優(yōu)化過程比傳統(tǒng)方法快20倍。

該團隊提供該通用優(yōu)化器下載選項，并計劃進一步改進代碼以應用于更復雜的系統(tǒng)，例如旨在與人類交互和與人類一起工作的機器人。

返回第一電動網(wǎng)首頁 >