蓋世汽車訊 近年來，人工智能系統已廣泛部署于自動駕駛汽車、最后一英里配送、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。

據外媒報道，麻省理工學院（MIT）的工程師為機器人專家開發出一種通用設計工具，可改進自動駕駛機器人系統。該團隊設計出一種優化代碼，可應用于幾乎所有的自動駕駛機器人系統的仿真，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。

圖片來源：MIT

該團隊表明，該工具能夠快速提高兩個非常不同的自動駕駛系統的性能：一個是機器人在兩個障礙物間的路徑中導航，另一個是兩個機器人共同移動一個沉重的箱子。

研究人員希望該全新通用優化器可以幫助加快自動駕駛系統的開發，包括步行機器人和自動駕駛車輛，柔軟和靈巧的機器人，以及協作機器人團隊。

倒置設計

在觀察了可用于其他工程學科的大量自動化設計工具后，研究成員、麻省理工學院研究生Charles Dawson和麻省理工學院航空航天系助理教授ChuChu Fan意識到需要一個通用的優化工具。

通常，機器人專家需要首先開發仿真系統及其許多交互子系統（例如規劃、控制、感知和硬件組件）來優化自動駕駛系統，然后調整每個組件的某些參數并向前運行仿真，以查看該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參數的最佳組合以產生所需的性能。該過程乏味、過度定制和耗時，因此Dawson和Fan決定進行改變。

研究人員們開發出一種優化框架或計算機代碼，可以自動找到微調現有自動駕駛系統，以達到預期結果。

該代碼的核心是基于自動微分或“autodiff”（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可以快速有效地“評估導數”或覺察到計算機程序中任何參數變化。Dawson和Fan正是基于autodiff編程的最新進展為自動駕駛機器人系統開發出通用優化工具。

打造更好的機器人

該團隊在兩個獨立的自動駕駛機器人系統上測試了他們的新工具，并發現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。

圖片來源：MIT

第一個系統包括一個輪式機器人，其任務是根據從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仿真進行反饋，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，包括兩個輪式機器人一起工作，將一個盒子推向一個目標位置。該系統的仿真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。

該團隊提供該通用優化器下載選項，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。

返回第一電動網首頁 >