엔지니어들은 자율 로봇 시스템을 개선하기 위한 레시피를 고안합니다.

엔지니어들은 자율 로봇 시스템을 개선하기 위한 레시피를 고안합니다.
날짜:
2022년 6월 22일
원천:
매사추세츠 공과 대학
요약:
엔지니어들은 자율 로봇 시스템을 개선하기 위한 레시피를 고안했습니다. 그들의 최적화 코드는 로봇의 성능을 향상시키기 위해 시스템을 조정하는 방법과 위치를 자동으로 식별할 수 있습니다.

자율 로봇은 까다로운 Roomba 이후로 먼 길을 왔습니다. 최근 몇 년 동안 인공 지능 시스템은 자율 주행 자동차, 라스트 마일 음식 배달, 레스토랑 서비스, 환자 검사, 병원 청소, 식사 준비, 건물 보안 및 창고 포장에 배포되었습니다.

이러한 로봇 시스템 각각은 특정 시스템에 특정한 임시 설계 프로세스의 산물입니다. 자율 로봇을 설계할 때 엔지니어는 종종 직관에 근거한 수많은 시행착오 시뮬레이션을 실행해야 합니다. 이러한 시뮬레이션은 성능을 조정하고 최적화하기 위해 특정 로봇의 구성 요소 및 작업에 맞게 조정됩니다. 어떤 면에서 오늘날 자율 로봇을 설계하는 것은 성공적인 결과를 보장하기 위해 조리법이나 준비된 믹스 없이 처음부터 케이크를 굽는 것과 같습니다.

이제 MIT 엔지니어들은 로봇공학자들이 일종의 자동화된 성공 레시피로 사용할 일반 설계 도구를 개발했습니다. 팀은 거의 모든 자율 로봇 시스템의 시뮬레이션에 적용할 수 있고 로봇 성능을 개선하기 위해 시스템을 조정하는 방법과 위치를 자동으로 식별하는 데 사용할 수 있는 최적화 코드를 고안했습니다.

팀은 이 도구가 두 개의 매우 다른 자율 시스템의 성능을 빠르게 향상시킬 수 있음을 보여주었습니다. 하나는 로봇이 두 장애물 사이의 경로를 탐색하고 다른 하나는 로봇 쌍이 함께 작업하여 무거운 상자를 이동하는 것입니다.

연구원들은 새로운 범용 옵티마이저가 보행 로봇과 자율 주행 차량, 부드럽고 민첩한 로봇, 협동 로봇 팀에 이르기까지 광범위한 자율 시스템의 개발 속도를 높이는 데 도움이 되기를 바랍니다.

MIT 대학원생인 Charles Dawson과 MIT 항공 및 우주학과 조교수인 ChuChu Fan으로 구성된 팀은 이달 말 뉴욕에서 열리는 연례 로봇 공학: 과학 및 시스템 컨퍼런스에서 연구 결과를 발표할 예정입니다.

반전 디자인

Dawson과 Fan은 다른 엔지니어링 분야에서 사용할 수 있는 풍부한 자동화 설계 도구를 관찰한 후 일반 최적화 도구의 필요성을 깨달았습니다.

"기계 엔지니어가 풍력 터빈을 설계하려는 경우 3D CAD 도구를 사용하여 구조를 설계한 다음 유한 요소 분석 도구를 사용하여 특정 하중을 견딜 수 있는지 확인할 수 있습니다."라고 Dawson은 말합니다. "그러나 자율 시스템을 위한 이러한 컴퓨터 지원 설계 도구가 부족합니다."

일반적으로 로봇 공학자는 시스템의 시뮬레이션과 계획, 제어, 인식 및 하드웨어 구성 요소와 같은 상호 작용하는 많은 하위 시스템을 먼저 개발하여 자율 시스템을 최적화합니다. 그런 다음 각 구성 요소의 특정 매개변수를 조정하고 시뮬레이션을 실행하여 해당 시나리오에서 시스템이 어떻게 수행되는지 확인해야 합니다.

시행 착오를 통해 많은 시나리오를 실행한 후에만 로봇 공학자는 원하는 성능을 낼 수 있는 최적의 구성 요소 조합을 식별할 수 있습니다. Dawson과 Fan이 머리를 돌리려고 했던 지루하고 지나치게 맞춤화된 시간 소모적인 프로세스입니다.

"'디자인이 주어지면 성능은 어떻습니까?'라고 말하는 대신 우리는 이것을 거꾸로 말하고 싶었습니다. '보고 싶은 성능을 감안할 때 우리를 거기에 이르게 하는 디자인은 무엇입니까?'" Dawson은 설명합니다.

연구원들은 원하는 결과를 얻기 위해 기존 자율 시스템에 적용할 수 있는 조정을 자동으로 찾을 수 있는 최적화 프레임워크 또는 컴퓨터 코드를 개발했습니다.

코드의 핵심은 기계 학습 커뮤니티 내에서 개발되었으며 처음에 신경망을 훈련하는 데 사용된 프로그래밍 도구인 자동 미분 또는 "autodiff"를 기반으로 합니다. Autodiff는 빠르고 효율적으로 "도함수를 평가"할 수 있는 기술 또는 컴퓨터 프로그램의 매개변수 변경에 대한 민감도입니다. Dawson과 Fan은 최근 autodiff 프로그래밍의 발전을 바탕으로 자율 로봇 시스템을 위한 범용 최적화 도구를 개발했습니다.

"우리의 방법은 초기 설계에서 목표를 달성하는 설계를 향한 작은 단계를 자동으로 알려줍니다."라고 Dawson은 말합니다. "우리는 autodiff를 사용하여 기본적으로 시뮬레이터를 정의하는 코드를 파헤치고 이 반전을 자동으로 수행하는 방법을 알아냅니다."

더 나은 로봇 만들기

팀은 2개의 개별 자율 로봇 시스템에서 새로운 도구를 테스트했으며 실험실 실험에서 도구가 기존 최적화 방법과 비교하여 각 시스템의 성능을 빠르게 향상시키는 것으로 나타났습니다.

첫 번째 시스템은 별도의 위치에 배치된 두 개의 비콘에서 수신한 신호를 기반으로 두 장애물 사이의 경로를 계획하는 작업을 수행하는 바퀴 달린 로봇으로 구성되었습니다. 팀은 장애물 사이에 명확한 경로를 제공하는 최적의 비콘 배치를 찾으려고 노력했습니다.

그들은 새로운 옵티마이저가 로봇의 시뮬레이션을 통해 빠르게 다시 작동하고 5분 이내에 최적의 비콘 배치를 식별한다는 것을 발견했습니다.

두 번째 시스템은 상자를 목표 위치로 밀기 위해 함께 작동하는 두 개의 바퀴 달린 로봇으로 구성되어 더 복잡했습니다. 이 시스템의 시뮬레이션에는 더 많은 하위 시스템과 매개변수가 포함되었습니다. 그럼에도 불구하고 팀의 도구는 기존 접근 방식보다 20배 빠른 최적화 프로세스에서 로봇이 목표를 달성하는 데 필요한 단계를 효율적으로 식별했습니다.

Fan은 "시스템에 최적화할 매개변수가 더 많다면 우리 도구가 훨씬 더 잘 작동하고 기하급수적으로 더 많은 시간을 절약할 수 있습니다."라고 말합니다. "기본적으로 조합 선택입니다. 매개변수 수가 증가하면 선택도 늘어나고 우리의 접근 방식은 이를 한 번에 줄일 수 있습니다."

팀은 일반 최적화 프로그램을 다운로드할 수 있도록 했으며 인간과 상호 작용하고 함께 작업하도록 설계된 로봇과 같은 더 복잡한 시스템에 적용하기 위해 코드를 더욱 개선할 계획입니다.

"우리의 목표는 사람들이 더 나은 로봇을 만들 수 있도록 하는 것입니다."라고 Dawson은 말합니다. "우리는 시스템 최적화를 위한 새로운 빌딩 블록을 제공하고 있으므로 처음부터 시작할 필요가 없습니다."