麻省理工學院的新優化工具可用於改進任何自主機器人系統
自從Roomba吸塵器發布以來，自主機器人已經有了長足的進步。近年來，人工智能係統已被部署在自動駕駛汽車、倉庫包裝、病人篩查、最後一英里的食品遞送、醫院清潔、餐廳服務、餐前準備和建築安全中。這些機器人系統中的每一個都是針對該特定係統的臨時設計過程的產物。這意味著，在設計自主機器人時，工程師們必須進行無數次的試錯模擬，而這些模擬往往是根據直覺進行的。
這些模擬是針對特定機器人的組件和任務而進行的，以便調整和優化其性能。今天，設計一個自主機器人在某些方面很像從頭開始烤蛋糕，沒有配方或準備好的混合物刻意確保成功的結果。
改進自主機器人系統
一種新的通用優化工具可以改善許多自主機器人系統的性能。這裡顯示的是一個硬件演示，在這個演示中，該工具自動優化了兩個機器人一起工作以移動一個重箱的性能。
現在，麻省理工學院的工程師們已經開發出一種通用的設計工具供機器人專家使用，作為一種自動化的成功秘訣。該團隊設計了優化代碼，可以應用於幾乎任何自主機器人系統的模擬，並可用於自動識別如何以及在何處調整系統以提高機器人的性能。
工程師們表明，該工具能夠迅速改善兩個非常不同的自主系統的性能：一個是機器人在兩個障礙物之間的路徑導航，另一個是一對機器人合作移動一個重箱。
該小組希望新的通用優化器能夠幫助加快各種自主系統的開發，從步行機器人和自動駕駛汽車，到柔軟靈巧的機器人，以及協作機器人團隊。
由麻省理工學院研究生Charles Dawson（查爾斯·道森）和麻省理工學院航空航天系助理教授ChuChu Fan（範楚楚）組成的研究人員，在紐約舉行的年度機器人學。科學與系統”會議上發表了他們的研究成果。
倒置的設計
Dawson和Fan在觀察了大量可用於其他工程學科的自動化設計工具後，意識到對通用優化工具的需求。
“如果一個機械工程師想設計一個風力渦輪機，他們可以使用三維CAD工具來設計結構，然後使用有限元分析工具來檢查它是否能抵禦某些負載，”道森說。”然而，目前缺乏這些用於自主系統的計算機輔助設計工具。”
通常情況下，機器人專家優化一個自主系統，首先開發一個系統及其許多相互作用的子系統的模擬，如其規劃、控制、感知和硬件組件。然後，她必須調整每個組件的某些參數，並向前運行模擬，看看系統在該場景下的表現。
只有在通過試驗和錯誤運行許多場景後，機器人專家才能確定成分的最佳組合，以產生所需的性能。這是一個繁瑣的、過度定制的、耗時的過程，道森和範試圖將其顛覆。
“我們不是說’給定一個設計，性能如何’，而是想反過來說，’給定我們想看到的性能，什麼設計能讓我們達到這個目的？道森解釋道。
研究人員開發了一個優化框架，或計算機代碼，可以自動找到可以對現有自主系統進行的調整，以達到預期的結果。
該代碼的核心是基於自動分化，或”autodiff”，這是一個在機器學習界開發的編程工具，最初用於訓練神經網絡。autodiff是一種技術，可以快速有效地”評估導數”，或對計算機程序中任何參數變化的敏感性。研究人員在autodiff編程的最新進展的基礎上，為自主機器人系統開發了一個通用的優化工具。
道森說：”我們的方法自動告訴我們如何從最初的設計向實現我們目標的設計邁出小步。使用autodiff本質上是在挖掘定義模擬器的代碼，並找出如何自動進行這種反轉。”
建立更好的機器人
該團隊在兩個獨立的自主機器人系統上測試了他們的新工具，結果顯示，與傳統的優化方法相比，該工具在實驗室實驗中迅速提高了每個系統的性能。
第一個系統包括一個輪式機器人，其任務是根據它從放置在不同位置的兩個信標收到的信號，在兩個障礙物之間規劃一條路徑。該團隊試圖找到信標的最佳位置，以便在障礙物之間產生一條清晰的路徑。
他們發現新的優化器通過機器人的模擬迅速回溯，並在5分鐘內確定了信標的最佳位置，而傳統方法需要15分鐘。
第二個系統更加複雜，包括兩輪機器人一起工作，將一個箱子推向目標位置。這個系統的模擬包括許多更多的子系統和參數。然而，該團隊的工具有效地確定了機器人完成其目標所需的步驟，其優化過程比傳統方法快20倍。
“如果你的系統有更多的參數需要優化，我們的工具可以做得更好，可以節省成倍的時間，”範說。”這基本上是一個組合選擇。隨著參數數量的增加，選擇也在增加，而我們的方法可以一次性減少這種情況。”
該團隊已經提供了一般優化器的下載，併計劃進一步完善代碼，以適用於更複雜的系統，如旨在與人類互動和一起工作的機器人。
道森說：”我們的目標是讓人們能夠建造更好的機器人。”我們正在為優化他們的系統提供一個新的構建模塊，所以他們不必從頭開始。”