Разговор с профессором Натаном Майклом, техническим директором
Являются ли идеи роения десятилетиями? Как вы ответите на вопрос, когда роение станет возможным в реальном мире?
Существуют разные уровни возможного: от возможного в лаборатории до возможного в полевых условиях в виде надежных продуктов. На самом деле мы знаем, как сделать многое из того, что требуется с теоретической точки зрения, и нам просто нужно принять меры для решения инженерных проблем, возникающих при проектировании и разработке надежных и функциональных систем роения.
Я предполагаю, что от трех до пяти роботов в полевых условиях окажут нетривиальное влияние в течение двух лет. Оттуда вскоре после этого переходим к роям примерно из 10 роботов, а вскоре после этого к еще большим роям из 100 роботов; такое быстрое продвижение стало возможным благодаря теории и идеям, которые были активно разработаны за последние 40 лет. Нерешенных частей становится все меньше и меньше. Мы на самом деле знаем, как сделать многое из этого сейчас.
Что вы думаете о переходе от пяти роботов в полевых условиях к 50 или 100? Что вы считаете самой большой проблемой?
Самой большой проблемой является изменчивость, которая может возникнуть в результате воздействия окружающей среды; Производительность каждого робота будет меняться вместе с его способностью взаимодействовать в зависимости от меняющихся условий. Ранее мы постоянно развертывали от 30 до 50 роботов в течение многих циклов питания в лабораторной среде, где эти системы непрерывно работали и выполняли желаемые задачи, взаимодействуя друг с другом. Ключевым наблюдением в этом типе контролируемой среды является то, что возникает огромная сложность, поскольку способность каждого робота работать быстро меняется при длительном использовании. Те же самые наблюдения обычно отмечаются в крупномасштабных развертываниях, таких как доставка посылок на склад, где системы могут существенно меняться в зависимости от пробега (например, изнашиваются колеса, снижается емкость батареи). Однако домены, которые мы рассматриваем в Shield AI, демонстрируют значительно более сложные характеристики с условиями, которые трудно предвидеть.
В лаборатории мы наблюдаем, что отказы проявляются на уровне отдельного робота довольно быстро, в первые несколько запусков. Но после того, как они работают в течение гораздо более длительного периода времени, это начинает становиться вопросом надежности; это больше вопрос надежной системной инженерии, а не вопрос разработки и правильности алгоритма. Таким образом, основная проблема масштабирования с 5 до 10 роботов в значительной степени является алгоритмической, а масштабирование с 10 до 50 роботов становится менее алгоритмическим и в большей степени инженерным. От 50 до 100 роботов и выше мы, как правило, вносим фундаментальные изменения в алгоритмы. Но важно отметить, что фундаментальные изменения менее существенны, чем проблемы достижения надежной производительности в большом количестве систем. Это становится скорее инженерной задачей, чем теоретической.
Вы провели десятилетия в лаборатории, пытаясь решить эти вопросы. Является ли для вас уникальным или интересным то, что все больше людей задают эти вопросы, поскольку идеи совместной работы нескольких роботов и роя стали более популярными?
В этом есть определенная уникальность в том, насколько изменилась перспектива за последние 10-15 лет с точки зрения того, что возможно. Я бы сказал, что эволюция была действительно быстрой, но в то же время неудивительной.
Многие прошлые проблемы сводятся к алгоритмам и теории, которые вы разрабатываете с течением времени, но которые были ограничены инженерией и технологиями. Теперь, когда инженерия и технологии достигли такого уровня, когда многие из этих теорий были воплощены в реальный мир, многие из этих алгоритмов готовы к применению; теория, инженерия и технология выравниваются с точки зрения зрелости. Так что я совсем не удивлен, и я ожидаю, что он будет продолжать быстро развиваться, поскольку отставание в теории от 30 до 40 лет просто ждет подходящего момента времени, когда технологии догонят — и это время настало сейчас.
Как вы относитесь к идее, что роботы учатся друг у друга и становятся умнее?
Точно так же мы, люди, учимся друг у друга, и это происходит через опыт. Мы все познаем мир, а затем делимся этим опытом друг с другом. Так роботы становятся умнее.
Задача состоит в том, чтобы разработать алгоритмы, которые допускают такой подход — алгоритмы, которые позволяют роботу испытывать и действовать в мире, когда он исследует окружающую среду, воспринимает и моделирует эту среду, а затем использует этот опыт и делает его возможным. поделиться им с другими роботами.
В ваших видеороликах мы видели несколько примеров того, как роботы учатся друг у друга тому, как избегать определенных препятствий. Был ли для вас важным момент, когда вы впервые заметили, что роботы могут учиться друг у друга в лаборатории?
На это, конечно, было интересно посмотреть, но это произошло как часть спроектированной системы, так что это тоже неудивительно. Это был не тот момент а-ха, потому что он не делал ничего волшебного; система сделала именно то, что должна была делать. Я полагаю, что тот факт, что он сделал именно то, что должен был делать — что робот научился генерировать знания и опыт, а затем передавать свои знания другим роботам, которые были намного меньше и не могли вычислять те же типы решений, — был захватывающим. . Но это также неудивительно, потому что теория утверждает, что она должна работать, и что она должна предоставлять такого рода гарантии правильности, и что она будет работать.
Что было действительно интересно, так это то, что произошло после этого момента, потому что теперь системы могли развивать опыт, который мы также не могли генерировать.
Чем больше летали роботы, тем более способными они становились. Они летали быстрее, они стали более устойчивыми и способными справляться со все более сложными и сложными операционными условиями.
Таким образом, это была первоначальная отправная точка, которая была нам нужна для создания действительно высокопроизводительных систем — нам нужно было позволить этим системам думать самостоятельно и, следовательно, повышать их производительность. Опять же, очень интересно, но также и неудивительно, что именно это и произошло, потому что именно это, согласно теории, должно было произойти. Они летали быстрее, стали более устойчивыми и лучше справлялись со все более сложными и сложными операционными условиями.
Какова роль устойчивости в роях?
Устойчивость в роях относится к способности системы смягчать непредвиденные проблемы. Это достигается за счет способности системы выяснить, что что-то не так, а затем адаптироваться к проблеме, которая может вызывать проблемы в системе, накапливая понимание с течением времени (благодаря опыту и использованию многих типов методов обучения, таких как обучение с подкреплением). ) для улучшения индивидуальной и коллективной деятельности.
Устойчивость относится к способности справляться с этим очень большим количеством перестановок ошибок, которые могут возникнуть при использовании тысяч роботов. Вы можете создать устойчивость за счет продуманной конструкции систем, но в конечном итоге из-за сложности конструкции вам придется создавать алгоритмы, позволяющие системам координировать свои действия и взаимодействовать таким образом, чтобы роботы действительно могли выявлять проблемы по мере их возникновения и устранять их. адаптироваться к этим проблемам, принимая решения; совместное планирование; обмена информацией; выбор слушать или не слушать других роботов в зависимости от того, делают ли они ошибки; и как они распределяют ресурсы или рабочих роботов в зависимости от их способности вносить свой вклад в условия работы. Таким образом, устойчивость проявляется на многих различных уровнях иерархической структуры, от самого низкого уровня отдельного робота до самого высокого уровня групп роботов, работающих вместе, чтобы выяснить, как они могут справиться с изменениями условий работы и их ожидаемых уровней производительности.
Оставайтесь с нами, чтобы узнать о следующем раунде Основы AI Shield.
