Itsenäinen robotti

Kokeneet kirjoittajat eivät ole vielä tarkistaneet sivun nykyistä versiota, ja se voi poiketa merkittävästi 25.5.2022 tarkistetusta versiosta . tarkastukset vaativat 3 muokkausta .


Autonomiset robotit  ovat robotteja , jotka suorittavat toimintoja tai tehtäviä suurella autonomialla , mitä tarvitaan erityisesti sellaisilla aloilla kuin avaruustutkimuksessa , kodinhoidossa (kuten siivouksessa), jätevesien käsittelyssä sekä tavaroiden ja palveluiden toimittamisessa.

Itsenäisten robottien kehitys

Robotit ovat edenneet kehityksessään pitkän tien, joka alkoi yksinkertaisista mekanismeista, jotka suorittavat yhden toiminnon mallin mukaan.

Nykyaikaiset robotit eivät ole vain paljon monimutkaisempia, ne vaativat yhä vähemmän ohjausta jokaisessa vaiheessa, ja lähitulevaisuudessa robotit pärjäävät useimmissa tehtävissä ilman ihmisen puuttumista. Nykyaikainen elektroniikka on jo pitkään reagoinut muuttuviin olosuhteisiin nopeammin ja tarkemmin kuin käyttäjä olisi tehnyt. Esimerkiksi dronin (UAV) sijainti avaruudessa arvioidaan kymmeniä ja satoja kertoja sekunnissa. Stabilointi voidaan suorittaa niin nopeasti, että sen työ voidaan nähdä vain tuloksesta. Kevyet UAV:t (miehittämättömät ilma-alukset) lentävät tasaisesti tuulisella säällä, ohittavat esteet, toimivat yhdessä osana linkkiä ja pitävät kuvattavat kohteet kehyksessä. Toistaiseksi suurin osa droneista on kauko-ohjattuja, ja suunnittelijat pitävät ensisijaisena tavoitteena mahdollisimman suuren omavaraisuuden saavuttamista lähitulevaisuudessa.

Yksi robotiikan tärkeistä ongelmista on luoda robotille mahdollisuuksia selviytyä sille osoitetuista tehtävistä missä tahansa ympäristössä: maassa, veden alla, ilmassa, maan alla tai avaruudessa.

Täysin autonomisella robotilla on oltava seuraavat kyvyt:

Itsenäinen robotti voi oppia tai hankkia uusia taitoja, kuten parantaa algoritmeja tehtäviensä suorittamiseksi tai sopeutua ympäristön muutoksiin.

Itsenäiset robotit vaativat kuitenkin säännöllistä huoltoa, kuten muutkin koneet, ellei toisin mainita.

Älykkäiden robottien arkkitehtuuri

Tähän mennessä oletetaan, että älykäs robotti sisältää seuraavat järjestelmät:

  1. Maailmanmalli - heijastaa robotin maailman tilaa sellaisin ehdoin, jotka ovat käteviä varastointiin ja käsittelyyn. Maailmanmallin tehtävänä on tallentaa esineiden tilaa maailmassa ja niiden ominaisuuksia.
  2. Tunnistusjärjestelmä – Tämä sisältää kuvantunnistusjärjestelmät, puheentunnistusjärjestelmät ja vastaavat. Tunnistusjärjestelmän tehtävänä on tunnistaa eli "tunnistaa" robottia ympäröivät esineet ja niiden sijainti avaruudessa. Tunnistusjärjestelmän komponenttien toiminnan tuloksena rakennetaan malli maailmasta.
  3. Toiminnan suunnittelujärjestelmä - suorittaa "virtuaalisen" muutoksen maailman mallista saadakseen jonkinlaisen toiminnan. Tällöin yleensä tavoitteen saavutettavuus tarkistetaan. Toimintasuunnittelujärjestelmän tulos on suunnitelmien rakentaminen, eli perustoimintojen sarjat.
  4. Toiminnon suoritusjärjestelmä - yrittää suorittaa suunniteltuja toimia antamalla komentoja executive-laitteille ja ohjaamalla suoritusprosessia. Jos alkeistoiminnon suorittaminen on mahdotonta, koko prosessi keskeytyy ja on suoritettava uusi (tai osittain uusi) suunnittelu.
  5. Tavoitteenhallintajärjestelmä - määrittelee hierarkian eli tavoitteiden saavuttamisen merkityksen ja järjestyksen. Ohjausjärjestelmän tärkeitä ominaisuuksia ovat kyky oppia ja sopeutua, eli kyky generoida toimintasarjoja asetettua tavoitetta varten sekä mukauttaa käyttäytymistään muuttuviin ympäristöolosuhteisiin asetettujen tavoitteiden saavuttamiseksi. [yksi]

Esimerkkejä kaupallisten autonomisten robottien edistymisestä

Itsepalvelu

Ensimmäinen vaatimus robotin täydelliselle autonomialle on sen kyky huolehtia itsestään. Monet akkukäyttöiset robotit pystyvät nykyään löytämään virtalähteitä ja muodostamaan yhteyden niihin itse, ja jotkin lelut, kuten Sonyn Aibo, pystyvät myös kiinnittymään itse laturiinsa.

Itsepalvelu perustuu "proprioseption" eli oman sisäisen aseman arviointiin. Esimerkiksi akkulaturin tapauksessa robotti voi sanoa proprioseptiivisesti (kuntonsa arvioimisen jälkeen), että sen akkuteho on alhainen, ja sitten robotti alkaa etsiä laturiaan. Toinen yleinen proprioseptiivinen anturi on lämmityksen ohjaus (lämmönvaihto ympäristön kanssa). Parannetut proprioseptiiviset taidot ovat välttämättömiä, jotta robotit voivat toimia itsenäisesti kuluttajaympäristöissä tai erittäin ankarissa ympäristöissä.

Yleiset proprioseptiiviset anturit:

  • Lämpö-anturi;
  • hall- efektin anturi
  • Optinen anturi
  • Kohteen kosketusanturi
Ympäristön tutkiminen (skannaus)

Exteroception  on ympäristöparametrien arviointi. Autonomisissa roboteissa on oltava erilaisia ​​ympäristöarviointiantureita, jotta ne voivat suorittaa välittömiä tehtäviä ja välttää ongelmia.

Yleiset eksteroseptiiviset anturit:

  • Sähkömagneettisen spektrin anturit ;
  • Äänianturit ;
  • kosketusanturit;
  • Kemialliset anturit (haju, haju )
  • Lämpötila-anturit;
  • Anturit etäisyyden arvioimiseen kohteeseen;
  • Sijainnin arviointianturit (siirtymä suhteessa esineisiin)

Jotkut robottiruohonleikkurit mukauttavat ohjelmistonsa määrittämään, kuinka nopeasti ruoho itää, mikä on tarpeen ihanteellisen suoritustason saavuttamiseksi. Ja joissakin siivousroboteissa on likatason ilmaisimet, jotka määrittävät, kuinka helposti lika poistetaan: ne analysoivat näitä tietoja määrittääkseen, kuinka kauan niiden on viipyvä tietyllä alueella lattian puhdistamisen aikana.

Tehtävän suorittaminen

Seuraava askel autonomisen käyttäytymisen kehittämisessä on kyky suorittaa tiettyjä fyysisiä tehtäviä. Uusien pienten robottipölynimurien, kuten iRobotin ja Electroluxin , tulo vuonna 2002 antoi suuren lupauksen tämän robotiikan alueen kehitykselle. Vaikka näiden robottijärjestelmien älykkyystasossa on vielä joitain ongelmia, ne voivat jo toimia melko suurilla alueilla ja ahtaissa paikoissa ja ohjata tehokkaasti sisätiloissa, koska ne käyttävät kosketus- ja kosketuksettomia antureita. Molemmat robotit laskevat nopeasti työalgoritmit, mukauttavat ne tiettyihin tilanteisiin ja peittävät siten optimaalisesti työskentelyalueen, jolla heidän täytyy työskennellä.

Seuraava autonomisen tehtävien suorittamisen taso edellyttää, että robotti pystyy suorittamaan monimutkaisia ​​ehdollisia tehtäviä. Esimerkiksi turvarobotit voidaan ohjelmoida havaitsemaan tunkeutumiset ja reagoimaan tietyllä tavalla riippuen siitä, missä tunkeilija on ja mitä hän tekee.

Kosketuspaikannus ja sisänavigointi

Voidakseen liittää käyttäytymisensä paikkaan (suorittaakseen lokalisoinnin), robotin on määritettävä, missä se sijaitsee, ja sillä on oltava kyky liikkua asettamansa pisteestä toiseen. Tällainen navigointi alkoi johdinohjauksella 1970-luvulla ja kehittyi majakkakolmioimiseksi 2000-luvun alussa. Nykyaikaiset kaupalliset robotit pystyvät jo liikkumaan itsenäisesti tukeutuen suoraan antureistaan ​​tulevan datan analyysiin. Ensimmäiset kaupalliset robotit, jotka tekivät tämän, olivat Pyxuksen HelpMate- sairaalarobotit ja CyberMotion - turvarobotti . Molemmat järjestelmät kehitettiin 1980-luvulla. Nämä robotit käyttivät alun perin käsin piirrettyjä CAD - pohjapiirroksia, kaikuluotaimia ja seinäntunnistusjärjestelmiä navigoidakseen sisätiloissa. Seuraava sukupolvi, kuten MobileRobots ' PatrolBot ja autonominen pyörätuoli [2] , jotka esiteltiin vuonna 2004, pystyivät luomaan omia sisäkarttojaan laseranturien avulla ja liikkumaan avoimissa tiloissa, kuten hallissa tai käytävässä. Heidän ohjausjärjestelmänsä muuttivat nopeasti navigointipolkua, jos jokin este oli heidän tiellään.

Aluksi autonomisessa navigoinnissa käytettiin tasomaisia ​​antureita (tasaisia ​​antureita), kuten laseretäisyysmittareita, jotka pystyivät havaitsemaan tiedot samalla tasolla. Kehittyneet järjestelmät yhdistävät tiedot eri antureista paikallistamista (paikannusta) ja navigointia varten. Motivityn kaltaiset järjestelmät voivat luottaa erilaisiin sensoreihin eri tilanteissa riippuen siitä, mikä anturi tuottaa luotettavimman ympäristödatan. Siksi tällaiset robotit luovat nopeasti ja itsenäisesti ympäristökartan itselleen.

Sen sijaan, että tarjotaan portaissa kiipeilyä, joka vaatii pitkälle erikoistuneita laitteita, jotkin sisänavigointirobotit toimivat vammaisille soveltuvissa paikoissa ohjaten hissejä ja elektronisia ovia [3] . Näiden elektronisesti ohjattujen liitäntöjen avulla robotit voivat liikkua helposti sisätiloissa. Itsenäinen portaiden kiipeäminen ja ovien avaaminen omatoimisesti ovat tehtäviä, joita robotikot tekevät meidän aikanamme.

Näiden sisäteknologioiden kehityksen myötä siivousrobotit pystyvät puhdistamaan monimutkaisen, käyttäjän määrittelemän pinnan tai koko lattian ilman käyttäjän toimia. Turvarobotit voivat yhdessä ajaa ja ympäröidä tunkeilijat sekä katkaista heidän pakoreittinsä. Nämä edistysaskeleet tarjoavat myös sivuhyötyjä: robottien sisäiset kartat sisältävät tyypillisesti "kieltoalueita", jotka ihmiset asettavat estämään autonomista robottia pääsemästä tietyille alueille.

Kosketuspaikannus ja navigointi ulkona

Ulkona Autonomia saavutetaan helpoimmin ilmassa, koska liikkeelle on vähän esteitä (seinät, kulmat, portaat). Risteilyohjus  on erittäin vaarallinen autonominen robotti. Droneja (miehittämättömiä ilma-aluksia) käytetään yhä enemmän tiedusteluun. Jotkut näistä miehittämättömistä ilma -aluksista (UAV) pystyvät suorittamaan tehtävänsä ilman ihmisen väliintuloa, lukuun ottamatta ehkä mahdollisuutta laskeutua, jossa henkilön on käytettävä kauko-ohjainta. Joillakin UAV:illa on kuitenkin jo kyky laskeutua turvallisesti. UAV:t voivat olla erityisen tärkeitä valvottaessa maanalaisia ​​tiloja, esimerkiksi hiilikaivoksia, joissa ne voivat selvittää teknisten prosessien toteuttamisen edellytyksiä tai suorittaa pelastustoimia. [5]

Autonomiaa ulkona on erittäin vaikea saavuttaa, kun otetaan huomioon:

  • maan pinnan kolmiulotteisuus;
  • suuret erot pintatiheyksissä;
  • sääominaisuudet;
  • ympäristön epävakaus, josta tietoa kerätään.

Yhdysvalloissa osana MDARS-projektia kehitettiin ja luotiin prototyyppi ulkokäyttöön tarkoitetusta robotista jo 1990-luvulla, ja vuodesta 2006 lähtien robotti on ollut sarjassa. General Dynamics MDARS -robotit voivat navigoida puoliautonomisesti ja havaita tunkeutumiset käyttämällä MRHA-ohjelmistoarkkitehtuuria, joka on yhteinen kaikille miehittämättömille taisteluajoneuvoille. Seekur- robotti oli ensimmäinen kaupallinen autonominen robottivariantti, joka osoitti MDARS:n kaltaisia ​​ominaisuuksia ja kohdistui lentokentille, laitoksille, rangaistuslaitoksille ja sisäministeriölle . [6]

MER -A- ja MER-B- kulkijat (nykyisin nimellä Spirit and Opportunity ) voivat määrittää auringon sijainnin ja määrittää reittinsä tällä tavalla:

  • 3D-pintakartan luominen;
  • laskea pinnan turvallisia ja vaarallisia alueita 3D-näköanturien avulla;
  • lasketaan optimaalinen reitti turvallisten alueiden läpi haluttuun suuntaan;
  • liikkua tiettyyn suuntaan;
  • toista määritettyjä tehtäväjaksoja, kunnes haluttu kohde saavutetaan tai löydetään muita polkuja määränpäähän.

Suunnitelluissa ESA Rover- ja ExoMars Rover -roboteissa on suhteelliseen lokalisointiin ja absoluuttiseen lokalisointiin perustuvat näköanturit, mikä helpottaa robottien navigointia turvallisilla ja tehokkailla lentoreitillä kohteeseen:

  • toistaa 3D-malleja roveria ympäröivästä pinnasta stereokameraparilla;
  • turvallisten ja vaarallisten alueiden määrittäminen ja mönkijän yleinen vaikeus navigoida pinnalla;
  • laskea tehokkaita polkuja turvallisten alueiden läpi haluttuun määränpäähän;
  • liikuttaa roveria suunniteltuja polkuja pitkin;
  • luomalla "Navigointikartan" kaikista aiemmista navigointitiedoista.

Yhdysvaltain hallituksen rahoittamat DARPA Grand Challenge ja DARPA Urban Challenge ovat vauhdittaneet uusien ja paljon edistyneempien kykyjen ja valmiuksien kehittämistä autonomisille roboteille, kun taas autonomiset ilmarobotit ovat olleet tässä vaiheessa 1990-luvulta lähtien. AUVSI:n (Kansainvälinen miehittämättömien ajoneuvojärjestelmien liitto) kilpailu lentävistä roboteista.

Vesiautonomia robotteja suunnitellaan jo, ja osa niistä on jo rakennettu. Osana eurooppalaista aloitetta Ranska aikoo rakentaa uuden sukupolven autonomisia vedenalaisia ​​robotteja. Pääurakoitsija on Thales ja projektin nimi on Asemar . Tämä laite on suunniteltu vedenalaiseen tiedusteluun - tällaisten robottien avulla, jotka liikennöivät tietyllä alueella veden alla, voit havaita erilaisia ​​esineitä (kuten merimiinoja tai jonkinlaisia ​​kontteja), voit seurata sukellusveneitä tai esim. taisteluuimarit. [7]

Tulevaisuudessa usean tonnin iskutilavuudeltaan matalalla havaittavissa olevat ajoneuvot suorittavat itsenäisesti partioita määrätyillä reiteillä ja pystyvät samalla kattamaan tuhansien kilometrien etäisyydet. Tällaiset robotit sijaitsevat vesipatsassa, liikkuvat virtauksia pitkin (yksityiskohtaiset navigointikartat on pitkään "digitoitu") sekä oman moottorinsa avulla. [kahdeksan]

Ongelmia autonomisen robottiteollisuuden kehityksessä

Osana edistystä autonomisten robottien kehityksessä on monia ongelmia, joista suurin on tekoälyn luominen, mutta pienempiä, mutta merkittäviä ongelmia on kuitenkin monia.

Tekoälyn luomisen ongelma

Toimintaohjelman luomiseksi autonomisen robotin on kirjoitettava joka kerta uusia ja uusia algoritmeja: koneella ei ole vapaata tahtoa edes annettujen tehtävien suorittamisen puitteissa: se vain suorittaa ohjelmakoodin, lajittelee vaihtoehdot rationaalisin tehtävän toteuttaminen. Kun tehtävä on lopussa, robotti menettää motiivin toimia. Robotille ei voida antaa abstrakteja ohjeita, koska "abstraktin ohjeen" käsitettä ei ole tulkittu "konkreettisen ohjeen" muodossa. Poistumiskeino on luoda sellainen järjestelmä, joka tuottaa itselleen ne toiminta-, käyttäytymis- tai tuomioalgoritmit, jotka tulee tuottaa jokaiseen tapaukseen, ja tämän järjestelmän tulisi myös kerätä tietoa/kokemusta ja analysoida siitä tehtyjä johtopäätöksiä ja yleistyksiä. Tällainen yleistyksiä tekevä järjestelmä - tekee abstrakteja konstruktioita, ei aritmeettisia laskelmia, mikä tarkoittaa, että se on katsottava älykkyydeksi. Sen keinotekoinen luonne määrittää sen luonnehdinnan "keinoälyksi". Robottien autonomia riippuu pitkälti tekoälyn (AI) luomisesta.

Tieteellinen kehitys tekoälyn alalla on päässyt umpikujaan. Tekoälystä ei ole yleisesti hyväksyttyä mielipidettä. Mutta jokainen uusi konferenssi tai symposiumi synnyttää uusia ja uusia "konsepteja", joissa on yhteisiä puutteita. Hyvin harvoin tulee esille uusia ideoita, esimerkiksi ajatus neuroverkoista. Tietokoneet pelaavat shakkia yhä paremmin. Mikään tietokone ei kuitenkaan opi ja keksi uusia algoritmeja shakin pelaamiseen yksinään: he käyttävät lahjakkaiden shakinpelaajien tai ohjelmoijat-matemaatikot, eli aidon älykkyyden kantajien, ehdottamia skeemoja ja temppuja. Tietokoneet vain lajittelevat vaihtoehtoja. Maailmassa yksinkertainen vaihtoehtojen luettelointi ei kuitenkaan usein ole tarkoituksenmukaista, koska vaihtoehtoja on paljon ja syöttötietoja ei tunneta. Tarvitsemme improvisaatiota, abstraktia ajattelua, johon koneet eivät vielä pysty – eikä tästä tilanteesta ole vielä löydetty ulospääsyä filosofisessa tai matemaattisessa muodossa. [9]

Ruokaongelma

Yksi suurimmista ongelmista täysin autonomisten robottien luomisessa on ongelma saada ruokaa niille. Yksi mahdollinen ratkaisu on varustaa robotti aurinkopaneeleilla, mutta tämä energianottotapa ei välttämättä aina ole käytettävissä riittävän kirkkaan valonlähteen puuttuessa. Päiväntasaajan vyöhykkeen lähellä olevissa maissa tämä ei ehkä ole ongelma, mutta useimmat kehittyneet maat sijaitsevat lauhkealla vyöhykkeellä, joten nykyaikaisten aurinkopaneelien alhaisesta hyötysuhteesta johtuva sähköongelma on olennainen autonomisille roboteille. Lupaava tapa on kouluttaa robotteja ottamaan energiaa itsekseen samalla tavalla kuin eläimet tekevät. Tämä kuitenkin nostaa esiin ongelman korkealaatuisten bioraaka-aineiden saamisesta ruokaan. Ajatuksena on kouluttaa robotti syömään jotain, mitä löytyy helposti lähes kaikkialta, esimerkiksi pudonneita lehtiä, kuolleita hyönteisiä tai ihmisen jätetuotteita.

Professori Chris Melhuish Länsi-Englannin yliopistosta ja hänen tiiminsä kehittivät vuonna 2004 EcoBot II -robotin , joka tuotti energiaa "elämäänsä" kärpäsistä tai mädäntyneiden omenoiden palasista. Sen edistyneempi versio - "EcoBot III" . Vuonna 2010 tämä robotti opetettiin pääsemään eroon bakteerijätteestä, jotta mikrobien polttokennojen (MFC) toiminnan varmistavat bakteerit eivät kuole omista "epäpuhtauksistaan". Tänään kootaan jo uutta robottimallia " " EcoBot -IV" liukukäytävällä , jonka polttoaine-elementit, kuten kehittäjät ehdottavat, voivat toimia 20-30 vuotta, koska MFC:ssä ei ole liikkuvia osia. Vain bakteerit toimivat, mikä tarkoittaa, että käytännössä mitään ei voi rikkoa. [10]

Navigointiongelma

Toistaiseksi kaikkien nykyisten itsenäisesti, ilman ihmisen hallintaa liikkuvien mobiililaitteiden pääongelma on edelleen navigointi .

Kun yritetään luoda autonominen ajoneuvo kuljetusta varten, syntyy useita ongelmia, joita yhdistää yleinen nimi - "navigointitehtävät". Navigointi on tiedettä, joka ohjaa liikkuvan robotin tai muun autonomisen kohteen liikettä avaruudessa. Jotta avaruudessa navigointi onnistuisi, robotin sisäisen järjestelmän on kyettävä siihen

  • rakentaa reitti
  • ohjaa liikeparametreja - aseta pyörien / ohjauspyörän kiertokulma ja niiden pyörimisnopeus
  • tulkita oikein antureilta saatua tietoa maailmasta
  • pidä kirjaa omista koordinaateistasi.

Perinteisesti navigointitehtäviin kuuluu kaksi ajallisesti jaettavissa olevaa osatehtävää: alueellinen lokalisointi ja polun suunnittelu. Lokalisointi koostuu robotin nykyisen sijainnin arvioimisesta suhteessa tiettyihin tunnetuihin vertailupisteisiin ympäristössä absoluuttisina koordinaatteina. Suunnittelu on lyhimmän reitin löytämistä, jos mahdollista, ja matkaa kohti määränpäätä.

Tarkoituksenmukaisessa navigoinnissa on tapana erottaa vähintään kolme hierarkkista ongelman esittelytasoa:

  • esteiden ylitys
  • paikallinen navigointi
  • globaali reittisuunnittelu.

Globaalit suunnittelualgoritmit käyttävät tietoja koko avaruudesta määrittääkseen alueet, jotka voidaan matkustaa, ja valitsevat sitten parhaan polun. Suunnitteluongelmaan löydetään tarkat algoritmiset ratkaisut. Tarkoilla algoritmeilla on kuitenkin suuri laskennallinen monimutkaisuus ja lisäksi ne vaativat tarkkoja algebrallisia kohinamalleja. Heuristiset menetelmät eivät takaa haun täydellisyyttä ja optimaalisuutta edes globaalilla suunnittelulla, kun kaikki tieto ympäristöstä on saatavilla. Heuristiset globaalit ajoitustekniikat kuitenkin vähentävät tehtävien monimutkaisuutta ja herkkyyttä datavirheille eri tavoin. Geneettisten algoritmien avulla voit löytää parhaan reitin ottaen huomioon vähimmäismatka-ajan eri skenaarioissa todellisissa liikenneolosuhteissa ja erilaisilla ajoneuvonopeuksilla.

Olennainen osa mitä tahansa navigointijärjestelmää on halu saavuttaa määränpää eksymättä tai törmäämättä mihinkään esineeseen [11] . Tietyllä reitillä voi olla myös muita rajoituksia, esimerkiksi: nopeusrajoitukset tai epävarmuusalueet, joille teoriassa tietysti on mahdollista määrittää reitti, mutta ei toivottavaa. Usein robotin reitti suunnitellaan itsenäisesti, mikä voi johtaa robotin määränpäähän edellyttäen, että ympäristö on täysin tunnettu ja paikallaan, joten robotti pystyy seuraamaan ympäristöä täydellisesti. Mutta kun navigointiongelmia ratkaistaan ​​todellisessa ympäristössä, kaikkien näiden ehtojen noudattaminen on käytännössä mahdotonta [12] . Näin ollen autonomisten liikkeen suunnittelumenetelmien rajoitukset ovat saaneet tutkijat tutkimaan online-suunnittelua - tämä suunnittelu perustuu tietoon, joka on saatu paikallisen ympäristön havaitsemisesta, jotta voidaan käsitellä tuntemattomia esteitä robotin kulkeessa avaruuden halki.

Yleinen lausunto mobiilirobotin polun suunnittelun ongelmasta:

  1. Evoluutioalgoritmien soveltaminen navigointiongelmiin
  2. Geneettisen algoritmin valitseminen evolutionaarisen navigaattorin (EN) toteuttamiseksi
  3. Evoluutionavigaattorialgoritmin kuvaus ja algoritmitietokannan täydentäminen äskettäin luodulla algoritmilla.

Tässä kuvattu evoluutioalgoritmi on evolutionaarinen navigaattori, joka yhdistää offline- ja online-suunnittelutilat yksinkertaiseen erittäin tarkkaan karttaan ja tehokkaaseen suunnittelualgoritmiin [13] . Algoritmin ensimmäisessä osassa offline-ajastin etsii globaalisti optimaalisia polkuja alusta alkaen määränpäähän, ja online-ajastimen toinen osa vastaa mahdollisten törmäysten tai aiemmin tuntemattomien objektien käsittelystä korvaten osan alkuperäisestä globaalista polusta. optimaalisen alipolun kanssa. On tärkeää huomata, että EN:n molemmat osat käyttävät samaa evoluutioalgoritmia, mutta eri parametrien eri arvoilla. FI lukee ensin kartan ja hakee lähteen ja määränpään sijainnit. Autonominen evoluutioalgoritmi (AEA) luo sitten lähes optimaalisen globaalin polun: se on osittain suoraviivainen polku, joka koostuu kelvollisista ankkuripisteistä tai solmuista.

On olemassa rinnakkaisalgoritmi (A1-A2) lentävän kohteen kaappaamiseen robottikäsivarrella. [neljätoista]

Muita ongelmia autonomisten robottien kehityksessä Koneiden aiheuttamat suorat vaarat ihmisille

Robotiikan jatkuvan kehityksen myötä robotit ja muut automatisoidut järjestelmät ovat tulossa älykkäämpiä ja kehittyneempiä. Samalla heille siirtyy yhä enemmän tehtäviä: autolla ajaminen, vammaisten ja vanhusten auttaminen, kodin vartiointi ja luultavasti jopa sotilasoperaatioihin osallistuminen. Ongelmana on täydellinen luottamus robotteihin: ei ole varmuutta siitä, että robotit eivät koskaan tee sellaista päätöstä, joka vahingoittaa henkilöä. [viisitoista]

Ensinnäkin ongelma koskee taistelurobotteja. Nykyaikaisissa armeijoissa robotteja käytetään pääasiassa miinojen ja pommien raivaamiseen sekä tiedusteluun, mutta niitä käytetään yhä enemmän täysimittaisena taisteluajoneuvona, joka on varustettu nykyaikaisilla aseilla. Tällä hetkellä taistelurobottia ohjaa pääsääntöisesti elävä operaattori, joka on vastuussa kaikista hänelle uskotun laitteen toimista. Jos kone kuitenkin saa itse päättää kohteen valinnasta, tilanne muuttuu täysin. Nykyaikaisen sodankäynnin on tapahduttava siten, että myöhemmin voitaisiin tunnistaa selkkauksen aikana kuolleiden siviilien kuolemaan syyllistyneet ja heidän syyllisyytensä aste. Koska autonomisten robottien tekemiä murhia ei voida arvioida tästä näkökulmasta, "vastuun" käsite ei periaatteessa sovellu niihin. Siksi tällaisten koneiden kehittäminen olisi kiellettävä eettisistä syistä. Samaan aikaan autonomisia koneita, jotka pystyvät tappamaan, on jo olemassa. Esimerkkinä ovat miehittämättömät tiedustelukoneet, jotka on varustettu ohjusaseilla ja jotka on ohjelmoitu tuhoamaan kohteita, joilla on joukko tiettyjä ominaisuuksia. Yhdysvaltain armeija käytti tällaisia ​​laitteita laajalti Lähi-idän konfliktien aikana. [16]

Suora seuraus inhimillisten piirteiden puutteesta on mahdollisuus käyttää robotteja operaatioissa kansanlevottomuuksien ja ihmisoikeuksien tukahduttamiseen. Jos tällainen tilaisuus ilmaantuu, robotteja käytetään varmasti vallan laittomaan kaappaamiseen ja pitämiseen. Kansainvälinen oikeus ei takaa suojaa moraalittomien ja valtaa omaavien ihmisten hyökkäyksiltä. Ihmisoikeusaktivistit pitävät "sieluttomia koneita" ihanteellisena työkaluna mellakoiden, sortotoimien jne. tukahduttamiseen, koska toisin kuin useimmat ihmiset, robotti ei keskustele käskystä ja tekee sen, mitä sen käsketään tehdä. Robotti itsessään ei ole rationaalinen olento, joka kykenee ymmärtämään käskyn ja pysähtymisen olemuksen, ja rangaistusten soveltaminen sen tehtävään lähettäneeseen armeijaan on turhaa, samoin kuin robotin laitteiston ja ohjelmiston kehittäjien rankaiseminen. .

Yalen yliopiston eettikko Wendell Walla ja kognitiivisen tieteen historioitsija ja filosofi Colin Allen, joka työskentelee Indianan osavaltion yliopistossa, puhuvat autonomisten robottien kokonaisvaltaisen tuomisen väistämättömyydestä elämäämme. Osittaisena ratkaisuna autonomisten robottijärjestelmien ihmisille aiheuttamaa vaaraa koskevaan ongelmaan he ehdottavat uusia robotiikan lakeja , joita omaksumalla voisimme vähentää korkean teknologian luomuksestamme aiheutuvaa vaaraa: [17]

1. Robottien sijainti paikoissa, joissa vaaratilanteiden kehittymisen riski on aluksi pieni:

Ennen kuin asetat roboteille tietyn tehtävän, on varmistettava, että kaikkien tietokoneiden ja robottien ei koskaan tarvitse tehdä päätöksiä, joiden seurauksia ei voida ennakoida etukäteen. Robottien työskentelypaikan ja keinojen, joilla ne toimivat, tulee tehdä mahdottomaksi edes vahingossa tapahtuva vahinko ulkopuoliselle.

2. Älä anna roboteille aseita:

Vaikka on liian myöhäistä yrittää pysäyttää robottien rakentaminen aseiksi, ei ole liian myöhäistä rajoittaa niiden käyttöä vain tietyntyyppisiin aseisiin - verkkoihin, unilääkkeisiin jne. tai rajoittaa tilanteita, joissa robottiaseet ovat hyväksyttäviä. käyttää.

3. Anna roboteille robotiikan lait, kuten Asimov:

Vaikka Asimovin säännöt ovat huonosti sovellettavissa, koska moraalin - hyvän, pahan, arvojen, prioriteettien ja vastaavien - määrittelyssä on paljon monimutkaisuutta, säännöt voivat kuitenkin onnistuneesti rajoittaa robottien käyttäytymistä, asettaa ne hyvin rajoitettuihin olosuhteisiin.

4. Robotiikan lakien tulee perustua tiettyihin periaatteisiin, ei yksinkertaisiin ohjeisiin:

Motivoinnin antaminen roboteille, kuten "suurimmalle ihmisjoukolle suurimman hyödyn" asettaminen etusijalle, on todennäköisesti turvallisempaa kuin yksinkertaistettujen sääntöjen asettaminen.

5. Robottien opettaminen lasten tavoin valmiin algoritmien peruspaketin lataamisen sijaan:

Koneet, jotka oppivat ja ikään kuin "kasvavat" vähitellen, voivat kehittää ymmärrystä teoista, joita ihmiset pitävät oikeana ja vääränä. Neuroprosessorien ohjelmointi , lupaava perusta uusimpien autonomisten robottien luomiselle, tarjoaa vain tällaisen lähestymistavan, toisin kuin käskyjoukkojen algoritminen asettaminen. Tämän säännöksen onnistumisaste on varsin lupaava, vaikka tämä strategia edellyttääkin useita teknologisia läpimurtoja. Tällä hetkellä ei ole juuri mitään työkaluja, jotka voisivat kouluttaa robotteja kuten ihmisiä.

6. Valtuuta koneita keinotekoisella psyykellä:

Ihmisten kykyjen, kuten empatian, emotionaalisuuden ja kyvyn lukea ei-sanallisia sosiaalisen kommunikoinnin vihjeitä, pitäisi antaa roboteille paljon parempi kyky olla vuorovaikutuksessa ihmisten kanssa. Työ tähän suuntaan on jo alkanut, on suunniteltu, että kotimaisilla roboteilla on tulevaisuudessa sellaisia ​​"emotionaalisia" ominaisuuksia. Tämän lähestymistavan onnistumisprosentti on melko korkea. Emotionaalisesti herkkien robottien kehittäminen auttaa varmasti kolmen edellisen robotiikan lain toteuttamisessa. Käytämme suurinta osaa tiedoista tehdäksemme valintoja ja tehdäksemme yhteistyötä muiden ihmisten kanssa. Valinta johtuu tunteistamme ja myös kyvystämme lukea eleitä ja aikomuksia, kuvitella tapahtumia toisen henkilön näkökulmasta. Epäsuorat uhat autonomisista roboteista

Nämä ongelmat liittyvät lupaavaan lumivyörymäiseen automatisoitujen robottien hyökkäykseen kaikilla ihmisen ammatillisen toiminnan aloilla. Se on yhdistetty

  • Ensinnäkin kehityksen kanssa
  • toiseksi robottien kustannusten aleneminen ja niiden saatavuus kaupallisella sektorilla
  • kolmanneksi tehokkuuden jatkuva lisääntyminen robotin käytön seurauksena ihmisen sijasta.

Eikä tavallinen työttömyys ole vain pinnallinen ilmiö useiden sosiopsykologisten ongelmien joukossa, joita syntyy yhteiskunnan myöhemmän robotisoitumisen myötä.

Ensimmäinen ongelma liittyy luovuuden kannustimien mahdolliseen menettämiseen massan tietokoneistamisen tai taiteen koneiden käytön seurauksena - kuten nyt tapahtuu joillakin alueilla, joilla työntekijät korvataan automatisoiduilla kuljettimilla ja automaateilla - siivoojat, myyjät , vartijat ja niin edelleen. Vaikka viime aikoina on käynyt selväksi, että henkilö ei luovu vapaaehtoisesti pätevimmästä - luovasta työstä, koska se on erittäin houkutteleva henkilölle itselleen [18] .

Toinen ongelma on vakavampi, ja sellaiset asiantuntijat kuin N. Viner, N. M. Amosov, I. A. Poletaev ja muut ovat todenneet sen useammin kuin kerran. Se koostuu seuraavasta: jo nyt on olemassa koneita ja ohjelmia, jotka pystyvät oppimaan itse työprosessissa, eli lisäämään ulkoisiin tekijöihin sopeutumisen tehokkuutta. Tulevaisuudessa saattaa olla koneita, joiden sopeutumiskyky ja luotettavuus on niin paljon, ettei ihmisen tarvitse puuttua prosessiin. Tässä tapauksessa henkilö itse voi menettää ominaisuudet, jotka ovat vastuussa ratkaisujen löytämisestä. Todellinen mahdollisuus on ihmisen kyky reagoida muuttuviin ulkoisiin olosuhteisiin ja mahdollisesti kyvyttömyys ottaa hallintaansa hätätilanteessa. Herää kysymys, onko järkevää ottaa käyttöön vakaviin hätätilanteisiin liittyvien prosessien automatisoinnin tietty rajoittava taso. Tällöin koneen ohjausta "valvojalla" on aina kyky ja reaktio vaikuttaa tilanteeseen siten, että vältytään hätätilanteen kehittymiseltä. Tällaiset tilanteet ovat mahdollisia liikenteessä, ydinenergiassa ja vastaavissa. Erityisesti tällainen vaara on syytä huomata strategisissa ohjusjoukoissa, joissa virheen seuraukset voivat olla kohtalokkaita. Muutama vuosi sitten Yhdysvallat alkoi ottaa käyttöön täysin tietokoneistettua järjestelmää rakettien laukaisemiseksi supertietokoneen komennoilla, jotka käsittelivät valtavia määriä eri puolilta maailmaa kerättyä dataa. Kävi kuitenkin ilmi, että jopa toistuvan kopioinnin ja uudelleentarkistuksen ehdolla virheen todennäköisyys olisi niin suuri, että valvovan toimijan puuttuminen johtaisi korjaamattomiin seurauksiin. Järjestelmä hylättiin.

Ihmiset ratkaisevat jatkuvasti tekoälyn ongelman ja kohtaavat jatkuvasti uusia ongelmia. Ja ilmeisesti tämä prosessi on loputon. [kahdeksantoista]

Katso myös

Muistiinpanot

  1. http://www.raai.org/about/persons/dobrynin/pages/kii2006-pln.html Arkistoitu 27. tammikuuta 2012 Wayback Machine Intelligent Robotsissa
  2. Päätutkija: W. Kennedy, National Institutes of Health, NIH SBIR 2 R44 HD041781-02
  3. Speci-Minder; katso hissi ja sisäänkäynti ovelle Arkistoitu alkuperäisestä 2. tammikuuta 2008.
  4. go.amazone.de Arkistoitu 4. maaliskuuta 2016.
  5. ML Kim, LD Pevzner, IO Temkin. Automaattisen järjestelmän kehittäminen miehittämättömien ilma-alusten (UAV) liikkeenhallintaan  kaivosolosuhteisiin // Gornye nauki i tekhnologii = Mining Science and Technology (Venäjä). – 13.10.2021. - T. 6 , no. 3 . — S. 203–210 . — ISSN 2500-0632 . - doi : 10.17073/2500-0632-2021-3-203-210 .
  6. FOXNews.com - Asevalmistajat paljastavat terrorismin vastaisten laitteiden uuden aikakauden - Paikalliset uutiset | Uutisartikkelit | Kansalliset uutiset | Yhdysvaltain uutiset . Käyttöpäivä: 6. maaliskuuta 2016. Arkistoitu alkuperäisestä 18. helmikuuta 2013.
  7. Vedenalaiset robotit Thalesilta , dxdt.ru: viihdyttävä verkkolehti (11. tammikuuta 2008). Arkistoitu alkuperäisestä 12. maaliskuuta 2013. Haettu 8. helmikuuta 2013.
  8. Vedenalaiset autonomiset robotit , dxdt.ru: viihdyttävä verkkolehti (23. kesäkuuta 2008). Arkistoitu alkuperäisestä 17. tammikuuta 2013. Haettu 8. helmikuuta 2013.
  9. Tekoäly. (linkki ei saatavilla) . Käyttöpäivä: 6. maaliskuuta 2016. Arkistoitu alkuperäisestä 7. maaliskuuta 2016. 
  10. Uuden tyyppiset autonomiset polttokennorobotit . Haettu 30. kesäkuuta 2020. Arkistoitu alkuperäisestä 11. elokuuta 2019.
  11. Polunhakualgoritmit . Haettu 6. maaliskuuta 2016. Arkistoitu alkuperäisestä 29. huhtikuuta 2012.
  12. Anturipohjainen autonominen navigointi Mars Roverille Arkistoitu 13. toukokuuta 2008.
  13. Suunnittelemme polkua autonomiselle robotille evolutionaaristen algoritmien perusteella. Arkistoitu 8. lokakuuta 2014.
  14. Bodrenko, AI (2019). "Uusi menetelmä mobiilirobottien käyttämiseksi rahdin siirtämiseen varastossa" (PDF) . Tiede- ja käytäntötiedote . 5 (6): 192-211. DOI : 10.33619/2414-2948/43/26 .
  15. Sotilaalliset robotit ja moraalikysymykset (pääsemätön linkki) . Haettu 6. maaliskuuta 2016. Arkistoitu alkuperäisestä 10. huhtikuuta 2013. 
  16. http://www.popmech.ru/article/592-robotyi-ubiytsyi/ Arkistoitu 28. lokakuuta 2012 Wayback Machinessa
  17. Uudet robotiikkalait suojelevat ihmisiä roboteilta . Haettu 6. maaliskuuta 2016. Arkistoitu alkuperäisestä 15. joulukuuta 2012.
  18. 1 2 Tekoälyn ongelmat . Haettu 6. maaliskuuta 2016. Arkistoitu alkuperäisestä 20. lokakuuta 2012.

Kirjallisuus

  • Sebastian Thrun, Wolfram Burgard, Dieter Fox: Probabilistic Robotics (älykäs robotiikka ja autonomiset agentit). The Mit Press, 2005, ISBN 978-0-2622-0162-9 .
  • D. Toal, C. Flanagan, C. Jones, B. Strunz: Subsumption arkkitehtuuri robottien ohjaamiseen. 1996.
  • Roland Siegwart, Illah Reza Nourbakhsh, Davide Scaramuzz: Johdatus autonomisiin mobiilirobotteihin. The Mit Press, zweite Auflage 2011.
  • Roland Stenzel: Steuerungsarchitekturen für autonome mobile Roboter. Rheinisch-Westfälische Technische Hochschule Aachen, Fakultät für Mathematik, Informatik und Naturwissenschaften, 2002, abgerufen am 11. December 2008.
  • Michel Tokic: Entwicklung eines lernenden Laufroboters. Hochschule Ravensburg-Weingarten, Fakultät für Elektrotechnik und Informatik, 2006, Abgerufen am 11. December 2008.

Linkit