Ученые из Калифорнийского технологического института (Caltech) разработали алгоритм, который может стать прорывом в управлении автономными роботами. Этот инструмент, названный Spectral Expansion Tree Search (SETS), позволяет роботам принимать решения и планировать движения в реальном времени, оптимально адаптируясь к окружающей среде.
Идея, лежащая в основе SETS, напоминает подход Google DeepMind AlphaZero, который обучался игре в шахматы, сеги и го. Однако вместо игр новый алгоритм применим к физическому миру, помогая роботам — дронам, автономным автомобилям или даже космическим аппаратам справляться с задачами любой сложности.
По словам доктора Сун-Чжо Чуна, профессора управления и динамических систем в Caltech и старшего научного сотрудника Лаборатории реактивного движения NASA (JPL), SETS имитирует «множество игр», разыгрывая динамические симуляции движений роботов и выбирая оптимальные из них. Этот метод значительно эффективнее традиционных оптимизационных алгоритмов, которые часто упускают лучшие траектории.
Главная задача, стоящая перед разработчиками, — создать универсальный алгоритм, способный работать с совершенно разными задачами. Например, гуманоидный робот, помогающий пожилым людям, сталкивается с уникальными препятствиями и движениями, которые отличаются от задач, стоящих перед беспилотным автомобилем. SETS избавляет инженеров от необходимости вручную программировать каждый отдельный тип движений.
Основой алгоритма является модификация метода Монте-Карло для исследования дерева решений. Каждое «дерево» представляет множество возможных траекторий и событий, с которыми сталкивается робот. Проблема стандартного подхода в том, что число возможных вариантов быстро возрастает до невероятных масштабов.
Команда из Caltech решила эту проблему, применив баланс между оценкой новых траекторий и развитием уже найденных удачных вариантов. Это позволяет SETS быстро сужать поиск и находить оптимальные решения среди тысяч или даже десятков тысяч возможных движений всего за десятую долю секунды.
SETS уже продемонстрировал свою универсальность в трех различных сценариях. В первом эксперименте квадрокоптер смог избежать столкновений с препятствиями, двигаясь через воздушные потоки с хаотичными термальными вихрями. Второй тест показал, как алгоритм помог человеку-водителю маневрировать гусеничным транспортным средством по узкой и извилистой трассе. В третьем эксперименте SETS использовался для управления парой спутников, которые захватывали и перемещали третий объект, что может имитировать работу с астероидом или другим космическим аппаратом.
Особенность алгоритма в том, что он не требует программирования специфических функций для каждого робота. Он адаптируется к характеристикам платформы, будь то дрон, наземный транспорт или космическое устройство.
Исследования продолжаются, на данный момент команда Caltech применяет модификацию SETS к гоночному автомобилю, который будет участвовать в Indy Autonomous Challenge на выставке CES в Лас-Вегасе.
Ранее мы рассказывали, как скаты вдохновили ученых на создание необычного робота.