בקרי רשת עצביים מספקים יציבות לרובוטים מורכבים, וסוללים את הדרך לפריסה בטוחה יותר של כלי רכב אוטונומיים ומכונות תעשייתיות. חוקרים במכון הטכנולוגי של מסצ'וסטס פיתחו אלגוריתם יעיל לאימות פונקציית Lyapunov במערכות מורכבות, תוך הבטחת היציבות והבטיחות של רובוטים הנשלטים על ידי רשת עצבית במגוון סביבות.
לרשתות עצביות הייתה השפעה עצומה על האופן שבו מהנדסים מתכננים בקרי רובוט, והולידו מכונות סתגלניות ויעילות יותר. עם זאת, מערכות למידת מכונה דמויות מוח הן גם חרב פיפיות: המורכבות שלהן הופכת אותן לעוצמתיות, אך הן גם נאבקות להבטיח שרובוטים המופעלים על ידי רשתות עצביות יוכלו לבצע את המשימות שלהם בבטחה.
הדרך המסורתית לאמת אבטחה ויציבות היא באמצעות טכניקה הנקראת פונקציית Lyapunov. אם אתה יכול למצוא פונקציית Lyapunov עם ערך יורד בעקביות, אז אתה יכול לדעת שחוסר הביטחון או חוסר היציבות הקשורים לערכים גבוהים יותר לעולם לא יתרחשו. עם זאת, עבור רובוטים הנשלטים על ידי רשתות עצביות, השיטות הקודמות לאימות תנאי ליאפונוב לא התאימו היטב למכונות מורכבות.
חוקרים במעבדת MIT למדעי המחשב והבינה המלאכותית (CSAIL) ומוסדות אחרים פיתחו כעת טכנולוגיות חדשות המאפשרות הסמכה קפדנית של מחשוב ליאפונוב במערכות מורכבות יותר. האלגוריתם מחפש ומאמת ביעילות את פונקציית Lyapunov, המספקת ערובה ליציבות למערכת. לגישה זו יש פוטנציאל להפוך את הפריסה של רובוטים וכלי רכב אוטונומיים, כולל מטוסים וחלליות, לבטוחה יותר.
כדי לעלות על אלגוריתמים קודמים, החוקרים מצאו קיצור דרך חוסך כסף בתהליך ההדרכה והאימות. הם מייצרים דוגמאות נגד בעלות נמוכה יותר - לדוגמה, נתונים יריבים מחיישנים שיכולים להשבית בקרים - ולאחר מכן מייעלים את המערכת הרובוטית כדי להתמודד עם הדוגמאות הנגדיות הללו. הבנת מקרי הקצה הללו עוזרת למידת מכונה להתמודד עם מצבים מאתגרים, ומאפשרת להם לפעול בבטחה במגוון רחב יותר של תנאים מאי פעם. לאחר מכן הם פיתחו נוסחת אימות חדשנית המסוגלת להשתמש במאמת רשת עצבית ניתנת להרחבה, -CROWN, כדי לספק ערבויות קפדניות במקרה הגרוע בנוסף לדוגמאות נגד.
"ראינו כמה ביצועים אמפיריים מרשימים במכונות נשלטות בינה מלאכותית כמו רובוטים דמויי אדם וכלבי רובוט, אבל לבקרי בינה מלאכותית הללו חסרה הבטחה הרשמית שקריטית למערכות קריטיות לבטיחות." "העבודה שלנו סוגרת את הפער בין רמת הביצועים של בקרי רשת עצבית לבין ערבויות האבטחה הנדרשות לפריסת בקרי רשת עצביים מורכבים יותר בעולם האמיתי", אמרה לוג'י יאנג, דוקטורנטית להנדסת חשמל ומדעי המחשב (EECS) ב- המכון הטכנולוגי של מסצ'וסטס וחוקר הקשור ל-CSAIL. "
בהדגמה דיגיטלית, הצוות הדמה כיצד מזל"ט quadcopter עם חיישן לידר יהיה יציב בסביבה דו מימדית. האלגוריתם שלהם מנווט בהצלחה את המל"ט למצב ריחוף יציב, תוך שימוש רק במידע הסביבתי המוגבל שמספק חיישן הלידר.
בשני ניסויים נוספים, הגישה שלהם אפשרה לשתי מערכות רובוטיות מדומות לפעול ביציבות במגוון רחב יותר של תנאים: מטוטלת הפוכה ורכב עוקב אחר הנתיבים. ניסויים אלה, למרות שהם קטנים, הם הרבה יותר מורכבים מאשר אימותים קודמים של רשתות עצבים עשויים לעשות, במיוחד מכיוון שהם כוללים מודלים של חיישנים.
"בניגוד לבעיות למידת מכונה נפוצות, השימוש הקפדני ברשתות עצביות כשליאפונוב מתפקד מצריך פתרון בעיות אופטימיזציה גלובליות קשות, ולכן מדרגיות היא צוואר בקבוק מרכזי", אמר סיקון גאו, פרופסור חבר למדעי המחשב והנדסה באוניברסיטת קליפורניה, סן דייגו .
הוא מציע שיפורים משמעותיים בהרחבה ובאיכות הפתרון בהשוואה לשיטות הקיימות. עבודה זו פותחת כיוונים מרגשים להמשך פיתוח אלגוריתמי אופטימיזציה עבור שיטת ליאפונוב העצבית, כמו גם שימוש קפדני בלמידה עמוקה בשליטה וברובוטיקה.
לשיטת היציבות החדשה יש פוטנציאל ליישום נרחב. ביישומים אלה, הבטיחות היא מעל הכל. זה יכול לעזור להבטיח שמכוניות בנהיגה עצמית כמו מטוסים וחלליות נוסעות בצורה חלקה יותר. באופן דומה, מל"טים שמספקים פריטים או ממפים שטחים שונים יכולים גם הם להפיק תועלת מהבטחת האבטחה הזו.
הגישה החדשה אינה מוגבלת לרובוטיקה ועשויה לסייע ליישומים אחרים בעתיד, כגון עיבוד ביו-רפואי ותעשייתי. בעוד שהטכנולוגיה היא שיפור ביחס לעבודות קודמות מבחינת מדרגיות, החוקרים בוחנים כיצד היא יכולה לבצע ביצועים טובים יותר במערכות בעלות ממדים גבוהים יותר. הם גם רוצים לשקול נתונים מעבר לקריאות לידאר, כגון תמונות וענני נקודות.
ככיוון מחקר עתידי, הצוות מקווה לספק את אותה ערובה ליציבות עבור מערכות בסביבות לא בטוחות ורגישות להפרעות. לדוגמה, אם מזל"ט נחשף למשב רוח חזק, החוקרים רוצים לוודא שהוא עדיין טס ביציבות ומבצע את משימתו המיועדת.
בנוסף, הם מתכוונים ליישם את השיטות שלהם לבעיות אופטימיזציה, במטרה למזער את הזמן והמרחק הנדרשים לרובוט לביצוע המשימה תוך שמירה על יציבות. ומתכננים להרחיב את הטכנולוגיה שלהם לרובוטים דמויי אדם ומכונות אחרות בעולם האמיתי שבהם הרובוט צריך להיות יציב כאשר הוא נמצא במגע עם סביבתו.
