Een nieuwe generatie zwermrobots die zelfstandig nieuw gedrag in het wild kan leren en ontwikkelen, is een stap dichterbij, dankzij onderzoek van de University of Bristol en de University of the West of England (UWE).

Het team gebruikte kunstmatige evolutie om de robots in staat te stellen automatisch zwermgedrag te leren dat begrijpelijk is voor mensen. Deze nieuwe voorschot vandaag gepubliceerd in Geavanceerde intelligente systemen , nieuwe robotische mogelijkheden kunnen creëren voor milieumonitoring, herstel na rampen, onderhoud van de infrastructuur, logistiek en landbouw.

Tot nu, kunstmatige evolutie is meestal uitgevoerd op een computer die zich buiten de zwerm bevindt, met de beste strategie en vervolgens gekopieerd naar de robots. Echter, deze benadering is beperkend omdat er een externe infrastructuur en een laboratoriumomgeving voor nodig is.

Door gebruik te maken van een op maat gemaakte zwerm robots met een hoge verwerkingskracht ingebed in de zwerm, het Bristol-team kon ontdekken welke regels aanleiding geven tot gewenst zwermgedrag. Dit zou kunnen leiden tot robotzwermen die zich in het wild continu en onafhankelijk kunnen aanpassen, om te voldoen aan de omgevingen en taken bij de hand. Door de geëvolueerde controllers begrijpelijk te maken voor mensen, de controllers kunnen ook worden opgevraagd, uitgelegd en verbeterd.

Hoofdauteur, Simon Jones, van het Robotics Lab van de Universiteit van Bristol zei:"Met menselijke begrijpelijke controllers kunnen we automatische ontwerpen analyseren en verifiëren, om de veiligheid voor implementatie in real-world applicaties te garanderen."

Mede geleid door Dr. Sabine Hauert, de ingenieurs hebben geprofiteerd van de recente ontwikkelingen op het gebied van high-performance mobiel computergebruik, om een ​​zwerm robots te bouwen, geïnspireerd door de natuur. Hun 'Teraflop Swarm' heeft de mogelijkheid om het rekenintensieve automatische ontwerpproces volledig binnen de zwerm uit te voeren, het bevrijden van de beperkingen van offline bronnen. De zwerm bereikt binnen slechts 15 minuten een hoog prestatieniveau, veel sneller dan eerdere belichaamde evolutiemethoden, en zonder afhankelijk te zijn van externe infrastructuur.

Dr. Hauert, Hoofddocent Robotica bij de faculteit Technische Wiskunde en Bristol Robotics Laboratory (BRL), zei:"Dit is de eerste stap naar robotzwermen die automatisch geschikte zwermstrategieën in het wild ontdekken."

"De volgende stap zal zijn om deze robotzwermen uit het laboratorium te halen en onze voorgestelde aanpak in praktijktoepassingen te demonstreren."

Door de zwerm externe infrastructuur te bevrijden, en door te laten zien dat het mogelijk is om te analyseren, de gegenereerde controllers begrijpen en uitleggen, de onderzoekers zullen evolueren naar het automatisch ontwerpen van zwermcontrollers in real-world toepassingen.

In de toekomst, beginnen bij het begin, een robotzwerm zou direct in situ een geschikte strategie kunnen ontdekken, en verander de strategie wanneer de zwermtaak, of veranderingen in de omgeving.

Professor Alan Winfield, BRL en Eenheid Wetenschapscommunicatie, UWE, zei:"In veel moderne AI-systemen, vooral degenen die Deep Learning toepassen, het is bijna niet te begrijpen waarom het systeem een ​​bepaalde beslissing heeft genomen. Dit gebrek aan transparantie kan een reëel probleem zijn als het systeem een ​​slechte beslissing neemt en schade veroorzaakt. Een belangrijk voordeel van het in dit artikel beschreven systeem is dat het transparant is:het besluitvormingsproces is begrijpelijk voor mensen."