Robot belajar mandiri terus maju
Robotics

Robot belajar mandiri terus maju


Modul robot belajar mandiri. Kredit: Grup Materi Robot Lunak, AMOLF

Para peneliti dari kelompok Soft Robotic Matter AMOLF telah menunjukkan bahwa sekelompok robot kecil otonom dan belajar mandiri dapat beradaptasi dengan mudah terhadap keadaan yang berubah. Mereka menghubungkan robot sederhana ini dalam satu baris, setelah itu setiap robot belajar sendiri untuk bergerak maju secepat mungkin. Hasilnya dipublikasikan hari ini di jurnal ilmiah PNAS.

Robot adalah perangkat cerdas yang dapat melakukan banyak hal. Ada robot yang bisa menari dan berjalan naik turun tangga, dan kawanan drone yang bisa terbang sendiri dalam formasi, hanya untuk beberapa nama. Namun, semua robot tersebut telah diprogram hingga batas tertentu — situasi atau pola yang berbeda telah ditanamkan di otak mereka sebelumnya, mereka dikendalikan secara terpusat, atau jaringan komputer yang kompleks mengajarkan perilaku mereka melalui pembelajaran mesin. Bas Overvelde, Kepala Penyelidik dari kelompok Soft Robotic Matter di AMOLF, ingin kembali ke dasar: robot belajar mandiri yang sesederhana mungkin. “Pada akhirnya, kami ingin dapat menggunakan sistem belajar mandiri yang dibangun dari blok bangunan sederhana, yang misalnya hanya terdiri dari bahan seperti polimer. Kami juga akan menyebutnya sebagai bahan robotik.”

Para peneliti berhasil mendapatkan gerobak robotik yang sangat sederhana dan saling terkait yang bergerak di jalur untuk mempelajari bagaimana mereka bisa bergerak secepat mungkin ke arah tertentu. Gerobak melakukan ini tanpa diprogram dengan rute atau mengetahui apa yang dilakukan gerobak robot lainnya. “Ini adalah cara berpikir baru dalam desain robot pembelajaran mandiri. Tidak seperti kebanyakan robot tradisional yang diprogram, jenis robot pembelajaran mandiri sederhana ini tidak memerlukan model rumit untuk memungkinkannya beradaptasi dengan lingkungan yang sangat berubah,” Overvelde menjelaskan. “Di masa mendatang, ini dapat diterapkan dalam robotika lunak, seperti tangan robotik yang mempelajari bagaimana berbagai objek dapat diambil atau robot yang secara otomatis menyesuaikan perilakunya setelah menimbulkan kerusakan.”

Robot pernapasan

Sistem belajar mandiri terdiri dari beberapa blok bangunan terkait berukuran beberapa sentimeter, masing-masing robot. Robot ini terdiri dari mikrokontroler (komputer mini), sensor gerak, pompa yang memompa udara ke bellow dan jarum untuk mengeluarkan udara. Kombinasi ini memungkinkan robot untuk bernapas sebagaimana adanya. Jika Anda menghubungkan robot kedua melalui bellow robot pertama, mereka akan saling mendorong. Itulah yang memungkinkan seluruh kereta robotik bergerak. “Kami ingin membuat robot sesederhana mungkin, itulah sebabnya kami memilih bellow dan udara. Banyak robot lunak menggunakan metode ini,” kata Ph.D. siswa Luuk van Laake.

Satu-satunya hal yang peneliti lakukan sebelumnya adalah memberi tahu setiap robot seperangkat aturan sederhana dengan beberapa baris kode komputer (algoritme singkat): nyalakan dan matikan pompa setiap beberapa detik — ini disebut siklus — dan kemudian cobalah untuk bergerak ke arah tertentu secepat mungkin. Chip pada robot terus mengukur kecepatan. Setiap beberapa siklus, robot membuat sedikit penyesuaian saat pompa dinyalakan dan menentukan apakah penyesuaian ini menggerakkan kereta robot ke depan lebih cepat. Oleh karena itu, setiap gerobak robot terus menerus melakukan percobaan kecil.

Jika Anda mengizinkan dua robot atau lebih untuk mendorong dan menarik satu sama lain dengan cara ini, kereta akan bergerak ke satu arah cepat atau lambat. Akibatnya, robot belajar bahwa ini adalah pengaturan yang lebih baik untuk pompa mereka tanpa perlu berkomunikasi dan tanpa pemrograman yang tepat tentang cara bergerak maju. Sistem perlahan mengoptimalkan dirinya sendiri. Video yang diterbitkan dengan artikel tersebut menunjukkan bagaimana kereta api perlahan tapi pasti bergerak di atas lintasan melingkar.

Menangani situasi baru

Para peneliti menggunakan dua versi berbeda dari algoritme untuk melihat mana yang bekerja lebih baik. Algoritme pertama menyimpan pengukuran kecepatan terbaik dari robot dan menggunakannya untuk menentukan setelan terbaik untuk pompa. Algoritma kedua hanya menggunakan pengukuran kecepatan terakhir untuk menentukan momen terbaik untuk menyalakan pompa di setiap siklus. Algoritma yang terakhir bekerja jauh lebih baik. Ini dapat mengatasi situasi tanpa ini diprogram sebelumnya karena tidak membuang waktu untuk perilaku yang mungkin berhasil dengan baik di masa lalu tetapi tidak lagi melakukannya dalam situasi baru. Misalnya, ia dapat dengan cepat mengatasi rintangan di lintasan, sedangkan robot yang diprogram dengan algoritme lain terhenti. “Jika Anda berhasil menemukan algoritme yang tepat, maka sistem sederhana ini sangat kuat,” kata Overvelde. “Itu dapat mengatasi berbagai situasi yang tidak terduga.”

Menarik kaki

Betapapun sederhananya mereka, para peneliti merasa robot telah hidup kembali. Untuk salah satu eksperimen, mereka ingin merusak robot untuk melihat bagaimana seluruh sistem akan pulih. “Kami mencabut jarum yang berfungsi sebagai nosel. Rasanya agak aneh. Seolah-olah kami menarik kakinya.” Robot juga menyesuaikan perilakunya dalam kasus melukai ini sehingga kereta sekali lagi bergerak ke arah yang benar. Itu adalah bukti lain dari kekuatan sistem.

Sistem ini mudah untuk ditingkatkan; para peneliti telah berhasil menghasilkan kereta bergerak yang terdiri dari tujuh robot. Langkah selanjutnya adalah membangun robot yang menjalani perilaku yang lebih kompleks. “Salah satu contohnya adalah konstruksi seperti gurita,” kata Overvelde. “Sangat menarik untuk melihat apakah blok bangunan individu akan berperilaku seperti lengan gurita. Mereka juga memiliki sistem saraf yang terdesentralisasi, semacam otak independen, seperti sistem robotik kita.”


Kaki penginderaan taktil untuk meningkatkan stabilitas robot berkaki


Informasi lebih lanjut:
Giorgio Oliveri el al., “Pembelajaran berkelanjutan tentang perilaku yang muncul dalam materi robotik,” PNAS (2021). www.pnas.org/cgi/doi/10.1073/pnas.2017015118

Kutipan: Robot belajar mandiri bekerja penuh (2021, 10 Mei) diambil 10 Mei 2021 dari https://techxplore.com/news/2021-05-self-learning-robots-full-steam.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten tersebut disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Data SGP 2020