Il-kontrolluri tan-netwerk newrali jipprovdu stabbiltà għal robots kumplessi, u jwittu t-triq għal skjeramenti aktar siguri ta 'vetturi awtonomi u magni industrijali. Riċerkaturi fl-Istitut tat-Teknoloġija ta 'Massachusetts żviluppaw algoritmu effiċjenti biex jawtentika l-funzjoni Lyapunov f'sistemi kumplessi, li jiżguraw l-istabbiltà u s-sigurtà ta' robots ikkontrollati minn netwerk newrali f'varjetà ta 'ambjenti.
In-netwerks newrali kellhom impatt kbir fuq kif l-inġiniera jiddisinjaw il-kontrolluri tar-robot, li taw lok għal magni aktar adattabbli u effiċjenti. Madankollu, dawn is-sistemi ta 'tagħlim tal-magni li jixbħu l-moħħ huma wkoll xabla b'żewġ truf: il-kumplessità tagħhom tagħmilhom b'saħħithom, iżda jissieltu wkoll biex jiżguraw li r-robots imħaddma minn netwerks newrali jkunu jistgħu jagħmlu l-kompiti tagħhom b'mod sikur.
Il-mod tradizzjonali biex tivverifika s-sigurtà u l-istabbiltà huwa permezz ta 'teknika msejħa l-funzjoni Lyapunov. Jekk tista 'ssib funzjoni Lyapunov b'valur li jonqos b'mod konsistenti, allura tista' tkun taf li l-insigurtà jew l-instabilità assoċjati ma 'valuri ogħla qatt mhu se jseħħu. Madankollu, għar-robots ikkontrollati minn netwerks newrali, il-metodi preċedenti għall-verifika tal-kundizzjonijiet ta 'Lyapunov ma skalawx tajjeb għal magni kumplessi.
Riċerkaturi fil-Laboratorju tax-Xjenza tal-Kompjuter u l-Intelliġenza Artifiċjali tal-MIT (CSAIL) u istituzzjonijiet oħra issa żviluppaw teknoloġiji ġodda li jippermettu ċertifikazzjoni rigoruża tal-kompjuters Lyapunov f'sistemi aktar kumplessi. L-algoritmu jfittex u jivverifika b'mod effiċjenti l-funzjoni Lyapunov, li tipprovdi garanzija ta 'stabbiltà għas-sistema. Dan l-approċċ għandu l-potenzjal li jagħmel l-iskjerament ta’ robots u vetturi awtonomi, inklużi ajruplani u vetturi spazjali, aktar sigur.
Biex jaqbżu l-algoritmi preċedenti, ir-riċerkaturi sabu shortcut li tiffranka l-flus fil-proċess ta 'taħriġ u validazzjoni. Jiġġeneraw kontroeżempji bi prezz aktar baxx - pereżempju, data kontradittorja minn sensuri li jistgħu jiskonnettjaw il-kontrolluri - u mbagħad jottimizzaw is-sistema robotika biex tittratta dawk il-kontroeżempji. Il-fehim ta 'dawn il-każijiet tat-tarf jgħin it-tagħlim tal-magni jimmaniġġja sitwazzjonijiet ta' sfida, u jippermettilhom joperaw b'mod sikur f'firxa usa 'ta' kundizzjonijiet minn qatt qabel. Imbagħad żviluppaw formula ta' verifika ġdida li kapaċi tuża validatur ta' netwerk newrali skalabbli, -CROWN, biex tipprovdi garanziji stretti fl-agħar każ flimkien ma' kontroeżempji.
"Rajna xi prestazzjoni empirika impressjonanti fuq magni kkontrollati mill-AI bħal robots umanojdi u klieb robot, iżda dawn il-kontrolluri AI m'għandhomx l-assigurazzjoni formali li hija kritika għal sistemi kritiċi għas-sikurezza." "Ix-xogħol tagħna jagħlaq id-distakk bejn il-livell ta 'prestazzjoni tal-kontrolluri tan-netwerk newrali u l-garanziji ta' sigurtà meħtieġa biex jiġu skjerati kontrolluri tan-netwerk newrali aktar kumplessi fid-dinja reali," qal Lujie Yang, student PhD fl-inġinerija elettrika u xjenza tal-kompjuter (EECS) f' il-Massachusetts Institute of Technology u riċerkatur affiljat mas-CSAIL. "
F'dimostrazzjoni diġitali, it-tim simula kif drone quadcopter b'sensor lidar ikun stabbli f'ambjent bidimensjonali. L-algoritmu tagħhom imexxi b'suċċess id-drone għal pożizzjoni stabbli ta' tittajjar, billi juża biss l-informazzjoni ambjentali limitata pprovduta mis-sensor lidar.
F'żewġ esperimenti oħra, l-approċċ tagħhom ippermetta li żewġ sistemi robotiċi simulati joperaw b'mod stabbli taħt firxa usa 'ta' kundizzjonijiet: pendlu maqlub u vettura li ssegwi l-passaġġ. Dawn l-esperimenti, għalkemm żgħar, huma ħafna aktar kumplessi minn validazzjonijiet preċedenti tan-netwerk newrali jistgħu jagħmlu, speċjalment peress li jinkludu mudelli tas-sensuri.
"B'differenza mill-problemi komuni tat-tagħlim tal-magni, l-użu strett ta 'netwerks newrali bħala funzjonijiet ta' Lyapunov jeħtieġ li jiġu solvuti problemi ta 'ottimizzazzjoni globali diffiċli, għalhekk l-iskalabbiltà hija ostaklu ewlieni," qal Sicun Gao, professur assoċjat tax-xjenza tal-kompjuter u l-inġinerija fl-Università ta' Kalifornja, San Diego .
Joffri titjib sinifikanti fl-iskalabbiltà u l-kwalità tas-soluzzjoni meta mqabbel mal-metodi eżistenti. Dan ix-xogħol jiftaħ direzzjonijiet eċċitanti għall-iżvilupp ulterjuri ta 'algoritmi ta' ottimizzazzjoni għall-metodu newrali Lyapunov, kif ukoll l-użu rigoruż ta 'tagħlim profond fil-kontroll u r-robotika.
Il-metodu l-ġdid ta' stabbiltà għandu l-potenzjal li jiġi applikat b'mod wiesa'. F'dawn l-applikazzjonijiet, is-sigurtà hija importanti ħafna. Jista 'jgħin biex jiżgura li karozzi li jsuqu waħedhom bħal ajruplani u vetturi spazjali jsuqu aktar bla xkiel. Bl-istess mod, drones li jwasslu oġġetti jew jimmappaw terren differenti jistgħu wkoll jibbenefikaw minn din il-garanzija ta 'sigurtà.
L-approċċ il-ġdid mhuwiex limitat għar-robotika u jista 'jgħin applikazzjonijiet oħra fil-futur, bħall-ipproċessar bijomediku u industrijali. Filwaqt li t-teknoloġija hija titjib fuq xogħol preċedenti f'termini ta 'skalabbiltà, ir-riċerkaturi qed jesploraw kif tista' taħdem aħjar f'sistemi b'dimensjonijiet ogħla. Huma jridu wkoll jikkunsidraw data lil hinn mill-qari tal-lidar, bħal immaġini u sħab tal-punti.
Bħala direzzjoni ta 'riċerka futura, it-tim jittama li jipprovdi l-istess garanzija ta' stabbiltà għal sistemi f'ambjenti inċerti u suxxettibbli għal interferenza. Pereżempju, jekk drone jiġi espost għal buffura qawwija ta 'riħ, ir-riċerkaturi jridu jiżguraw li għadu jtir b'mod stabbli u jwettaq il-missjoni maħsuba tiegħu.
Barra minn hekk, għandhom il-ħsieb li japplikaw il-metodi tagħhom għal problemi ta 'ottimizzazzjoni, bil-għan li jimminimizzaw il-ħin u d-distanza meħtieġa għar-robot biex itemm il-kompitu filwaqt li jżomm l-istabbiltà. u jippjana li jespandu t-teknoloġija tagħhom għal robots umanojdi u magni oħra tad-dinja reali fejn ir-robot jeħtieġ li jkun stabbli meta jkun f'kuntatt mal-madwar.
