인공 지능이 바다를 항해하도록 드론을 안내하다

Caltech, ETH Zurich 및 Harvard의 엔지니어들은 자율 드론이 해류를 통과하는 대신 항해를 돕기 위해 해류를 사용할 수 있도록 하는 인공 지능(AI)을 개발하고 있습니다.

"로봇이 특히 떼에서 심해를 탐험하기를 원할 때 표면에서 20,000피트 떨어진 곳에서 조이스틱으로 로봇을 제어하는 ​​것은 거의 불가능합니다. 또한 로봇이 탐색해야 하는 지역 해류에 대한 데이터를 제공할 수 없기 때문에 우리는 표면에서 그것들을 감지할 수 없습니다. 대신 특정 지점에서 스스로 이동하는 방법에 대한 결정을 내릴 수 있는 해양 드론이 필요합니다."라고 John O. Dabiri 교수가 말했습니다.

AI의 성능은 컴퓨터 시뮬레이션을 사용하여 테스트되었지만 이 작업을 수행한 팀은 지구와 다른 행성의 해상 드론에 전원을 공급할 수 있는 작은 컴퓨터 칩에서 알고리즘을 실행하는 손바닥 크기의 작은 로봇도 개발했습니다. 목표는 예를 들어 해파리가 명령에 따라 더 빠르고 빠르게 수영할 수 있도록 이전에 개발한 보철과 함께 알고리즘을 사용하여 행성의 바다 상태를 모니터링하는 자율 시스템을 만드는 것입니다. 알고리즘을 실행하는 완전 기계 로봇은 Enceladus 또는 Europa와 같은 다른 세계의 바다를 탐험할 수도 있습니다.

어느 시나리오에서든 드론은 어디로 가야 하는지, 가장 효율적인 방법으로 스스로 결정을 내릴 수 있어야 합니다. 그렇게 하기 위해 그들은 자신이 수집할 수 있는 데이터, 즉 현재 경험하고 있는 수류에 대한 정보만 갖게 될 것입니다.

이 문제를 해결하기 위해 연구원들은 강화 학습(RL) 네트워크로 눈을 돌렸습니다. 기존 신경망과 비교할 때 강화 학습 네트워크는 정적 데이터 세트를 학습하지 않고 경험을 수집할 수 있는 한 빨리 학습합니다. 이 체계를 사용하면 훨씬 더 작은 컴퓨터에 존재할 수 있습니다. 이 프로젝트의 목적을 위해 팀은 Teensy에 설치 및 실행할 수 있는 소프트웨어를 작성했습니다. 2.4인치 x 0.7인치 마이크로컨트롤러는 누구나 Amazon에서 30달러 미만으로 구입할 수 있으며 약 0.5와트의 전력만 사용합니다.

물 속의 장애물을 지나는 흐름이 반대 방향으로 움직이는 여러 소용돌이를 생성하는 컴퓨터 시뮬레이션을 사용하여 팀은 AI가 소용돌이의 여파로 저속 영역을 활용하여 해안으로 이동하는 방식으로 탐색하도록 가르쳤습니다. 최소한의 전력 사용으로 목표 위치. 항해를 돕기 위해 시뮬레이션된 수영 선수는 바로 그 위치의 물 흐름에 대한 정보에만 접근할 수 있었지만, 원하는 목표를 향해 해안을 따라가기 위해 소용돌이를 이용하는 방법을 곧 배웠습니다. 물리적 로봇에서 AI는 로봇 플랫폼을 위한 비교적 작고 저렴한 센서인 온보드 자이로스코프와 가속도계에서 수집할 수 있는 정보에만 액세스할 수 있습니다.

이러한 종류의 탐색은 독수리와 매가 공중에서 열풍을 타고 기류에서 에너지를 추출하여 최소한의 에너지로 원하는 위치로 기동하는 방식과 유사합니다. 놀랍게도 연구원들은 강화 학습 알고리즘이 바다의 실제 물고기가 사용하는 것으로 생각되는 것보다 훨씬 더 효과적인 탐색 전략을 학습할 수 있음을 발견했습니다.

이 기술은 아직 초기 단계에 있습니다. 현재 팀은 바다에서 임무를 수행할 때 발생할 수 있는 각기 다른 유형의 흐름 교란에 대해 AI를 테스트하려고 합니다(예:소용돌이치는 소용돌이 대 흐르는 조류). 야생에서. 그러나 연구자들은 강화 학습 전략에 해양 흐름 물리학에 대한 지식을 통합함으로써 이러한 한계를 극복하는 것을 목표로 합니다. 그들의 연구는 특히 이러한 작은 장치에서 작동할 수 있기 때문에 이러한 문제를 해결하는 데 RL 네트워크의 잠재적인 효율성을 증명합니다. 이를 현장에서 시도하기 위해 팀은 "CARL-Bot"(Caltech 자율 강화 학습 로봇)이라는 맞춤형 드론에 Teensy를 배치하고 있습니다. CARL-Bot은 Caltech 캠퍼스에 새로 건설된 2층 높이의 물 탱크에 떨어뜨리고 바다의 흐름을 탐색하는 방법을 배우게 됩니다.