Новые алгоритмы демонстрируют, как можно заставить группу простых роботов работать вместе как единое целое.
В лаборатории Технологического института Джорджии физики экспериментируют с роботами, которые выглядят так, будто их купили в магазине за 1 доллар.
Роботы не могут перемещаться в пространстве или общаться друг с другом.
В основном они машут руками, как перевернутые на спину жуки.
Но если собрать вместе множество таких устройств, можно создать что-то из ничего: они толкают, пихают и схватываются друг с другом.
И в результате они начинают работать как одно целое.
Исследователи изучают, как контролировать такие системы, чтобы они функционировали аналогично рой пчел или колонии муравьев: каждый человек действует на основе одного и того же набора правил, но несколько людей, сгруппированных вместе, могут демонстрировать сложное поведение без централизованного контроля.
.
«Наш подход таков: выяснить, какая простейшая вычислительная модель необходима для решения этих сложных задач? - говорит Дана Рэндол , ученый-компьютерщик из GeorgeTech, один из руководителей проекта.
«Мы ищем элегантность и простоту».
Рэндалл, как программист, подходит к проблеме с алгоритмической точки зрения: каков простейший набор инструкций, с которыми могут работать отдельные единицы роя, основываясь на скудных данных, которые они могут собрать, что неизбежно приведет к сложному кооперативному поведению, которое необходимо исследователям? ? В ноябре прошлого года Рэндалл и его коллеги опубликовал алгоритм , гарантируя, что идеальный рой частиц может двигаться контролируемым образом.
Работая с такими роботами, которых ученые прозвали «сматикс» [smarticles; умный – умный, частица – частица / прим.
перев.
] — часть исследования возможности создания и полезности самоорганизующихся роботов.
Другие подобные примеры включают в себя: роботы размером с каплю , разрабатываемый в Университете Колорадо, роится" килоботы "из Гарвардского университета и сварманоиды из бельгийской лаборатории.
Во многих случаях идея состоит в том, чтобы имитировать природные явления, такие как высокоорганизованное движение децентрализованной колонии муравьев или бессознательное самопрограммирующееся собрание молекул ДНК.
«Мы знаем, чего хотим от целого роя, но чтобы его запрограммировать, нам нужно выяснить, что должен делать каждый из агентов в отдельности», — сказал он.
Мелвин Гаучи , исследователь из Гарварда, изучающий групповая робототехника .
«Самое сложное находится между этими двумя уровнями».
Дана Рэндол и Дэн Голдман в лаборатории Голдмана
Остерегайтесь лидеров
Дэниел Голдман Физик из Технологического института Джорджа, который проводит эксперимент со смартиклом.В основном его интересует физика активных гранулированных материалов, способных менять свою форму.
Среди слайдов его конференции есть сцена из «Человека-паука 3», показывающая рождение суперзлодея Песочного Человека – отдельные песчинки, разбросанные по пустыне, собраны в форме человека.
Smarticles — это метод Goldman для тестирования активных гранулированных материалов в лаборатории.
«Они дают нам возможность использовать геометрию для управления свойствами материала.
Если отвлечься, можно представить, что эта куча смартикулов — настоящий материал», — сказал Голдман.
У смартикул короткие конечности, которыми они могут раскачиваться вперед и назад. Они реагируют на свет и звук разной частоты.
Их можно запрограммировать на изменение скорости движения конечностей в ответ на действия других смартикулов, находящихся в непосредственной близости от них.
Смартиклы можно заставить делать несколько вещей: группироваться (сгущаться), расширяться (распространяться) и перемещаться.
Эти маневры могут служить основой для выполнения более сложных функций, но даже такие задачи решить довольно сложно, так как смартикулы не понимают, как они расположены по отношению ко всей группе.
Чтобы понять возможности и проблемы, связанные с программированием сложного поведения из простых частей, стоит помнить о том, что знает каждый отдельный смартикул.
Не так много.
Он не видит, у него ограниченная память, и все, что он знает о других смартикулах, с которыми он должен координировать действия, он узнает, сталкиваясь со своими непосредственными соседями.
«Представьте себе кого-то на рок-концерте с закрытыми глазами», — сказал Джошуа Дамад, аспирант компьютерных наук в Университете Аризоны, работающий над проектом Smarticle. Одной из стратегий может быть назначение лидера для управления стаей, но этот подход уязвим.
Если лидер пострадает, весь рой потерпит неудачу.
Другой вариант — дать каждому роботу в рое свою уникальную задачу, но в больших масштабах такой подход непрактичен.
«Почти невозможно запрограммировать 1000 роботов индивидуально», — сказал он.
Джефф Дусек , исследователь из инженерного колледжа Олина и бывший член исследовательской группы самоорганизующихся систем в Гарварде, который работал над роями подводные роботы .
«Но когда каждый член группы работает по одним и тем же правилам, ваш код не меняется, будь у вас 10 роботов, 1000 или 10 000».
Алгоритм роя имеет два свойства.
Во-первых, оно распределено, то есть действует отдельно на каждую из частиц системы (поскольку каждая кочующий муравей выполняет простой набор действий в зависимости от информации, полученной из окружающей среды).
Во-вторых, оно включает в себя элемент случайности.
Это значит, что если, скажем, кочущий муравей почувствует присутствие рядом пяти других муравьев, то с вероятностью 20% он переместится влево, а с вероятностью 80% — вправо.
Алгоритмы со случайностью отличаются от детерминированных алгоритмов, в которых каждый этап полностью определяется предыдущими.
Случайность может показаться ненужной для алгоритмов — ведь при реализации процедуры обычно хочется добиться определенного результата.
Но случайность имеет неожиданные преимущества в эффективности, которые делают алгоритмы со случайностью хорошо подходящими для использования в роях.
Случайные гарантии
В 2015 году Голдман и Рэндол обсудили возможность найти правила, которые позволили бы смартиклам работать вместе как единое целое.Рэндалл понял, что поведение, которого хотел добиться Гольдман, было очень похоже на поведение идеализированных систем частиц, изучаемых в информатике.
«И я сразу подумал: я точно знаю, что нужно делать», — сказал Рэндол.
По мнению Рэндалла, поведение смартикул напоминало феномен, смоделированный учеными-компьютерщиками во многих других контекстах.
Одним из самых известных примеров является появление сегрегированных кварталов.
В конце 1960-х годов экономист Томас Шеллинг хотел понять, как происходит сегрегация соседей в отсутствие некой центральной силы, сортирующей людей по цвету кожи.
Он представил гипотетического человека, который смотрит на своих соседей и решает, стоит ли переезжать, исходя из того, сколько соседей похожи на него.
При переезде человека Шеллинг перемещал его в случайное место расселения, где алгоритмический процесс наблюдения и принятия решений повторялся.
Шеллинг обнаружил, что согласно его правилам сегрегация жителей была практически гарантирована, даже если некоторые люди предпочитали жить в гетерогенных кварталах.
Уильям Савой, аспирант лаборатории Голдмана
Рэндал понял, что смартикулы в их стае напоминают людей из модели Шеллинга.
В обоих случаях отдельные подразделения должны принимать решения, не зная своего положения в глобальной схеме (они знают только то, что видят в непосредственной близости от себя).
В модели Шеллинга решения могут приниматься с элементом случайности — если ваши соседи отличаются от вас, то есть шанс, что вы переедете, и есть шанс, что вы останетесь.
В 2016 году Рэндалл и его коллеги опубликовали работа , где они описали идеализированные частицы, живущие на решетке и решающие, оставаться им или двигаться в зависимости от количества наблюдаемых вокруг них частиц.
Принимаемые решения были вероятностными — каждый раз частицы «кидали» утяжелённую игральную кость, чтобы сделать выбор.
Рэндалл и его соавторы показали, что если вы присвоите кубу правильный вес, вы можете гарантировать появление плотного роя (точно так же Шеллинг мог доказать, что если вы присвоите терпимость к разнообразию жителям региона справа).
уровне, то сегрегация обязательно появится).
Настроив алгоритм, они также могли гарантировать, что рой частиц будет двигаться в расширенном состоянии.
Случайность алгоритма помогает частицам в рое избежать застревания в локальных уплотнениях, когда множество изолированных подгрупп скапливаются вместе, но весь рой в целом не уплотняется.
Случайность гарантирует, что при возникновении небольших уплотнений некоторые подразделения все равно решат переехать в другое место, и процесс будет продолжаться до тех пор, пока не будет достигнуто общее уплотнение.
Чтобы избежать локальных уплотнений, необходима некоторая хаотичность; гораздо больше его требуется для перехода из глобально сжатого состояния в расширенное.
В реальный мир
Доказать, что частицы в теоретическом мире могут, выполняя простой алгоритм, добиться определенного поведения в рое — это одно.Реализация алгоритма в дешевых, подверженных сбоям реальных смартикулах, которые ломают конечности в коробке, — это совсем другое.
«Наши коллеги теоретически выясняют, как программировать эти вещи, но мы все еще находимся на ранней стадии и не можем сказать, что эти схемы были перенесены напрямую», — сказал Голдман.
Одной из проблем было заставить смартикулы двигаться вместе.
Сначала, когда исследователи помещали умников в замкнутое пространство, группа просто беспорядочно дергалась.
Но однажды, когда физики наблюдали за этим хаотичным движением, разрядился аккумулятор одного из смартикул.
Гольдман и его коллеги заметили, что рой внезапно начал двигаться в сторону стационарного блока.
Исследователи сообщили об этом неожиданном открытии теоретикам, которые ухватились за намек.
Работа привела к созданию новой версии алгоритма, позволяющего идеализированному рою всегда двигаться в заданном направлении.
Постепенно компьютерные эксперименты и физические эксперименты становятся все ближе.
Исследователи надеются в конечном итоге доказать теоретически, что базовый алгоритм, реализованный с использованием общего метода в большом рое маленьких и дешевых роботов, гарантированно приведет к желаемому поведению роя.
«Мы хотели бы достичь того момента, когда мы не будем просто обнаруживать что-то, когда батарея разряжается», — сказал Дамад. «Мы хотим, чтобы это было чем-то вроде преднамеренного достижения».
Теги: #Робототехника #roi #толпа #групповая робототехника
-
Печать Формата А2 Для Деловых Целей
19 Oct, 24 -
Российский Шлем Виртуальной Реальности Врд.
19 Oct, 24 -
Ваш Стартап — Это Не Стартап, А Просто Сайт
19 Oct, 24 -
Мифическая Сила Контракта
19 Oct, 24
