Sparus II. Kreditas: ICM. Mokslininkų komanda pirmą kartą parodė, kad sustiprinantis mokymasis, ty neuroninis tinklas, kuris išmoksta atlikti geriausią veiksmą kiekvieną akimirką, remiantis įvairiais atlygiais, leidžia autonominėms transporto priemonėms ir povandeniniams robotams rasti ir atidžiai sekti jūrų objektus ir gyvūnus. .
Išsamesnė informacija pateikta laikraštyje, paskelbtame m Mokslo robotika.
Šiuo metu povandeninė robotika tampa pagrindine priemone, padedančia tobulinti žinias apie vandenynus, atsižvelgiant į daugybę sunkumų juos tyrinėjant, nes transporto priemonės gali nusileisti iki 4000 metrų gylio. Be to, jų teikiami in situ duomenys padeda papildyti kitus duomenis, pavyzdžiui, gautus iš palydovų. Ši technologija leidžia tirti nedidelio masto reiškinius, tokius kaip CO2 jūrų organizmų gaudymas, o tai padeda reguliuoti klimato kaitą.
Konkrečiai, šis naujas darbas atskleidžia, kad sustiprinimo mokymasis, plačiai naudojamas valdymo ir robotikos srityse, taip pat kuriant įrankius, susijusius su natūralios kalbos apdorojimu, pvz., ChatGPT, leidžia povandeniniams robotams sužinoti, kokius veiksmus reikia atlikti bet kuriuo metu. pasiekti konkretų tikslą. Ši veiksmų politika atitinka arba tam tikromis aplinkybėmis netgi pagerina tradicinius metodus, pagrįstus analitine plėtra.
„Tokio tipo mokymasis leidžia mums išmokyti neuroninį tinklą optimizuoti konkrečią užduotį, kurią būtų labai sunku atlikti kitu atveju. Pavyzdžiui, mes sugebėjome parodyti, kad galima optimizuoti transporto priemonės trajektoriją, kad būtų galima nustatyti vietą ir sekti po vandeniu judančius objektus“, – aiškina Ivanas Masmitjà, pagrindinis tyrimo autorius, dirbęs tarp Institut de Ciències del Mar (ICM-CSIC) ir Monterey Bay akvariumo tyrimų instituto (MBARI).
Tai „leis mums pagilinti ekologinių reiškinių, tokių kaip migracija ar judėjimas nedideliais ir dideliais masteliais daugybės jūrų rūšių, naudojant autonominius robotus, tyrimus. Be to, ši pažanga leis realiu laiku stebėti kitus okeanografinius prietaisus. robotų tinklas, kuriame kai kurie gali būti ant paviršiaus, stebėti ir per palydovą perduoti veiksmus, kuriuos jūros dugne atlieka kitos robotinės platformos“, – atkreipia dėmesį tyrime taip pat dalyvavusi ICM-CSIC tyrėja Joan Navarro.
Šiam darbui atlikti mokslininkai naudojo diapazono akustinius metodus, kurie leidžia įvertinti objekto padėtį, atsižvelgiant į atstumo matavimus, atliktus skirtinguose taškuose. Tačiau dėl šio fakto objekto buvimo vietos nustatymo tikslumas labai priklauso nuo vietos, kurioje atliekami akustinio diapazono matavimai.
Ir čia tampa svarbus dirbtinio intelekto taikymas, o konkrečiai – pastiprinimo mokymasis, leidžiantis identifikuoti geriausius taškus, taigi ir optimalią trajektoriją, kurią turi atlikti robotas.
Neuroniniai tinklai buvo mokomi iš dalies naudojant kompiuterių klasterį Barselonos superkompiuterių centre (BSC-CNS), kur yra galingiausias superkompiuteris Ispanijoje ir vienas galingiausių Europoje. „Tai leido reguliuoti skirtingų algoritmų parametrus daug greičiau nei naudojant įprastus kompiuterius“, – teigia profesorius Mario Martinas iš UPC Informatikos skyriaus ir tyrimo autorius.
Kai jie buvo išmokyti, algoritmai buvo išbandyti skirtingose autonominėse transporto priemonėse, įskaitant AUV Sparus II, kurią sukūrė VICOROB, atliekant keletą eksperimentinių misijų, sukurtų Sant Feliu de Guíxols uoste, Baix Empordà ir Monterėjaus įlankoje (Kalifornija). bendradarbiaujant su pagrindine MBARI Bioinspiration Lab tyrėja Kakani Katija.
„Mūsų modeliavimo aplinka apima tikrų transporto priemonių valdymo architektūrą, kuri leido mums efektyviai įgyvendinti algoritmus prieš išvykstant į jūrą“, – aiškina Narcis Palomeras iš UdG.
Būsimiems tyrimams komanda ištirs galimybę taikyti tuos pačius algoritmus sudėtingesnėms misijoms išspręsti. Pavyzdžiui, kelių transporto priemonių naudojimas objektams nustatyti, frontams ir termoklinams arba kooperuotiems dumblių augimui naudojant kelių platformų sustiprinimo mokymosi metodus.
Daugiau informacijos: I. Masmitja ir kt., Dinaminis robotinis povandeninių taikinių sekimas naudojant sustiprinimo mokymąsi, Mokslo robotika (2023). DOI: 10.1126/scirobotics.ade7811
Citata: Sustiprinimo mokymasis leidžia povandeniniams robotams rasti ir sekti objektus po vandeniu (2023 m. liepos 28 d.), gauta 2023 m. liepos 29 d. iš https://techxplore.com/news/2023-07-underwater-robots-track.html
Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačių studijų ar mokslinių tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.
