工程師設計了一種改進任何自主機器人系統的方法

自挑剔的Roomba以來，自主機器人已經走過了漫長的道路。近年來，人工智能系統已部署在自動駕駛汽車、最后一英里送餐、餐廳服務、患者篩查、醫院清潔、膳食準備、建筑安全和倉庫包裝等領域。

這些機器人系統中的每一個都是特定于該特定系統的特定設計過程的產物。在設計自主機器人時，工程師必須運行無數次試錯模擬，通常是憑直覺。這些模擬針對特定機器人的組件和任務量身定制，以調整和優化其性能。在某些方面，今天設計一個自主機器人就像從頭開始烤蛋糕，沒有配方或準備好的混合物來確保成功的結果。

現在，麻省理工學院的工程師已經為機器人專家開發了一種通用設計工具，作為一種自動化的成功秘訣。該團隊設計了一種優化代碼，可應用于幾乎任何自主機器人系統的模擬，并可用于自動識別如何以及在何處調整系統以提高機器人的性能。

該團隊表明，該工具能夠快速提高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。

研究人員希望新的通用優化器可以幫助加快各種自主系統的開發，從步行機器人和自動駕駛車輛到柔軟和靈巧的機器人，以及協作機器人團隊。

該團隊由麻省理工學院研究生CharlesDawson和麻省理工學院航空航天系助理教授ChuChuFan組成，將于本月晚些時候在紐約舉行的年度機器人科學與系統會議上展示其研究結果。

倒置設計

Dawson和Fan在觀察了可用于其他工程學科的大量自動化設計工具后，意識到需要通用優化工具。

“如果機械工程師想要設計風力渦輪機，他們可以使用3DCAD工具來設計結構，然后使用有限元分析工具來檢查它是否能夠抵抗某些載荷，”Dawson說。“然而，自主系統缺乏這些計算機輔助設計工具。”

通常，機器人專家通過首先開發系統及其許多交互子系統(例如其規劃、控制、感知和硬件組件)的模擬來優化自主系統。然后，她必須調整每個組件的某些參數并向前運行模擬，以查看系統在該場景中的表現。

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成分的最佳組合以產生所需的性能。這是一個乏味、過度定制和耗時的過程，道森和范試圖改變它。

“而不是說，'給定一個設計，性能是什么?'我們想反過來說，'考慮到我們想要看到的性能，讓我們到達那里的設計是什么?'”道森解釋道。

研究人員開發了一種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。

代碼的核心是基于自動微分或“autodiff”，這是一種在機器學習社區中開發的編程工具，最初用于訓練神經網絡。Autodiff是一種可以快速有效地“評估導數”或對計算機程序中任何參數變化的敏感性的技術。Dawson和Fan基于autodiff編程的最新進展為自主機器人系統開發通用優化工具。

“我們的方法自動告訴我們如何從初始設計邁出小步，實現我們的目標，”道森說。“我們使用autodiff從本質上挖掘定義模擬器的代碼，并找出如何自動進行這種反轉。”

建造更好的機器人

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，并表明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，其任務是根據從放置在不同位置的兩個信標接收到的信號，規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。

他們發現新的優化器可以快速通過機器人的模擬進行回溯，并在5分鐘內確定信標的最佳位置，而傳統方法需要15分鐘。

第二個系統更復雜，包括雙輪機器人一起工作，將盒子推向目標位置。該系統的模擬包括更多的子系統和參數。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，優化過程比傳統方法快20倍。

“如果您的系統有更多參數需要優化，我們的工具可以做得更好，并且可以成倍地節省更多時間，”范說。“這基本上是一種組合選擇：隨著參數數量的增加，選擇也會增加，而我們的方法可以一次性減少它。”

該團隊已提供通用優化器可供下載，并計劃進一步改進代碼以應用于更復雜的系統，例如旨在與人類交互和與人類一起工作的機器人。

“我們的目標是讓人們能夠制造更好的機器人，”道森說。“我們為優化他們的系統提供了一個新的構建模塊，因此他們不必從頭開始。”