211service.com
Hyrderobotter og andre 'Multiagent Systems'
At skrive et program til at styre en enkelt autonom robot, der navigerer i et usikkert miljø med et uregelmæssigt kommunikationslink, er svært nok; at skrive en til flere robotter, der måske eller måske ikke skal arbejde sammen, afhængigt af opgaven, er endnu sværere.
Som en konsekvens heraf har ingeniører, der designer kontrolprogrammer til multiagent-systemer - hvad enten det er teams af robotter eller netværk af enheder med forskellige funktioner - generelt begrænset sig til specielle tilfælde, hvor pålidelig information om miljøet kan antages, eller en relativt simpel samarbejdsopgave kan være tydeligt. angivet på forhånd.
I maj, på den internationale konference om autonome agenter og multiagentsystemer, fandt forskere fra MIT's Datalogi og kunstig intelligens laboratorium (CSAIL) vil præsentere et nyt system, der syr eksisterende kontrolprogrammer sammen for at tillade multiagent-systemer at samarbejde på meget mere komplekse måder. Systemet tager højde for usikkerhed - for eksempel oddsene for, at et kommunikationslink falder, eller at en bestemt algoritme utilsigtet vil styre en robot ind i en blindgyde - og planlægger automatisk omkring det.
Til små samarbejdsopgaver kan systemet garantere, at dets kombination af programmer er optimal - at det vil give de bedst mulige resultater, givet miljøets usikkerhed og programmernes begrænsninger.
I samarbejde med Jon How, Richard Cockburn Maclaurin-professoren i luftfart og astronautik, og hans studerende Chris Maynor, tester forskerne i øjeblikket deres system i en simulering af en lagerapplikation, hvor teams af robotter ville være forpligtet til at hente vilkårlige objekter fra ubestemte objekter. steder, der samarbejder efter behov for at transportere tunge læs. Simuleringerne involverer små grupper af iRobot Creates, programmerbare robotter, der har samme chassis som Roomba-støvsugeren.
Begrundet tvivl
I [multiagent]-systemer, generelt, i den virkelige verden, er det meget svært for dem at kommunikere effektivt, siger Christopher Amato, en postdoc i CSAIL og førsteforfatter på det nye papir. Hvis du har et kamera, er det umuligt for kameraet konstant at streame al dets information til alle de andre kameraer. På samme måde er robotter på netværk, der er uperfekte, så det tager noget tid at få beskeder til andre robotter, og måske kan de ikke kommunikere i visse situationer omkring forhindringer.
En agent har måske ikke engang perfekt information om sin egen placering, siger Amato - hvilken gang i lageret den faktisk er i, for eksempel. Når man forsøger at træffe en beslutning, er der desuden en vis usikkerhed om, hvordan det kommer til at udvikle sig, siger han. Måske forsøger du at bevæge dig i en bestemt retning, og der er vind- eller hjulslip, eller der er usikkerhed på tværs af netværk på grund af pakketab. Så i disse virkelige domæner med al denne kommunikationsstøj og usikkerhed om, hvad der sker, er det svært at træffe beslutninger.
Det nye MIT-system, som Amato udviklede sammen med medforfatterne Leslie Kaelbling, Panasonic-professoren i datalogi og teknik, og George Konidaris, en stipendiat postdoc, tager tre input. Den ene er et sæt kontrolalgoritmer på lavt niveau - som MIT-forskerne omtaler som makrohandlinger - som kan styre agenters adfærd kollektivt eller individuelt. Det andet er et sæt statistikker om disse programmers udførelse i et bestemt miljø. Og den tredje er en ordning til værdiansættelse af forskellige resultater: Udførelse af en opgave medfører en høj positiv værdiansættelse, men at forbruge energi får en negativ værdiansættelse.
Skole med hårde slag
Amato forestiller sig, at statistikken kan indsamles automatisk ved blot at lade et multiagent-system køre i et stykke tid - uanset om det er i den virkelige verden eller i simuleringer. I lagerapplikationen ville robotterne for eksempel blive overladt til at udføre forskellige makrohandlinger, og systemet ville indsamle data om resultater. Robotter, der forsøger at bevæge sig fra punkt A til punkt B inden for lageret, kan ende ned ad en blindgyde nogle procent af tiden, og deres kommunikationsbåndbredde kan falde en anden procentdel af tiden; disse procenter kan variere for robotter, der bevæger sig fra punkt B til punkt C.
MIT-systemet tager disse input og beslutter derefter, hvordan man bedst kombinerer makrohandlinger for at maksimere systemets værdifunktion. Det kan bruge alle makro-handlinger; den bruger muligvis kun en lille delmængde. Og det kan bruge dem på måder, som en menneskelig designer ikke ville have tænkt på.
Antag for eksempel, at hver robot har en lille bank af farvet lys, som den kan bruge til at kommunikere med sine modparter, hvis deres trådløse forbindelser er nede. Det, der typisk sker, er, at programmøren beslutter, at rødt lys betyder, at gå til dette rum og hjælpe nogen, grønt lys betyder, at gå til det rum og hjælpe nogen, siger Amato. I vores tilfælde kan vi bare sige, at der er tre lys, og algoritmen spytter ud, om de skal bruges eller ej, og hvad hver farve betyder.
MIT-forskernes arbejde rammer problemet med multiagent-kontrol som noget, der kaldes en delvis observerbar Markov-beslutningsproces eller POMDP. POMDP'er, og især Dec-POMDP'er, som er den decentraliserede version, er dybest set uoverskuelige til rigtige multirobotproblemer, fordi de er så komplekse og beregningsmæssigt dyre at løse, at de bare eksploderer, når du øger antallet af robotter, siger Nora Ayanian, en assistent. professor i datalogi ved University of Southern California, som har specialiseret sig i multirobotsystemer. Så de er ikke rigtig populære i multirobotverdenen.
Normalt, når du bruger disse Dec-POMDP'er, arbejder du på et meget lavt niveau af granularitet, forklarer hun. Det interessante ved dette papir er, at de tager disse meget komplekse værktøjer og på en måde mindsker opløsningen.
Dette vil helt sikkert få disse POMDP'er på radaren af multirobotsystemer, tilføjer Ayanian. Det er noget, der virkelig gør det langt mere i stand til at blive anvendt på komplekse problemer.