Мотивация для эволюционной робототехники
Робототехнические проекты
Большая часть исследований в области робототехники фокусируется не на конкретных промышленных задачах, на исследованиями новых типов роботов, альтернативными способами мышления о роботах или дизайнерах, а также о новых способах их изготовления, а также о других расследованиях, такие как проект киберфлоры MIT, практически полностью академичны.
Первым особым новым новшеством в дизайне роботов является opensourcing
роботов-проектов. Чтобы описать уровень продвижения робота,
могут использоваться термины «Robot поколения». Этот термин придуман профессором
Ханс Моравек, главный научный сотрудник Университета Карнеги-Меллона
Институт робототехники в описании эволюции робота в ближайшем будущем
технологии. Первичные роботы, предсказанные Moravec в 1997 году, должны
имеют интеллектуальную способность, сопоставимую, возможно, с ящерицей и должны
станет доступным к 2010 году. Потому что робот первого поколения был бы неспособен
однако, Moravec прогнозирует, что второе поколение роботов будет улучшением по сравнению с первым и станет доступным к 2020, с интеллектом, возможно, сравнимым с интеллектом мыши. Третье поколение должен иметь интеллект, сопоставимый с интеллектом обезьяны. Хотя роботы четвертого поколения, роботы с человеческим интеллектом, профессор Моравец предсказывает, станет возможным, он не прогнозирует
|
|
|
это происходит примерно до 2040 или 2050 годов.
The next-generation robots are smarter than previous-generation robots.
Эволюционные роботы
Второй - эволюционные роботы. Это методология, которая использует
эволюционные вычисления для разработки роботов, особенно формы тела,
или контроллеры движения и поведения. Аналогично естественной эволюции
большой популяции роботов разрешено конкурировать в некотором роде или их
способность выполнять задачу измеряется с помощью функции фитнеса. Те что
худшие удаляются из населения и заменяются новым которые имеют новое поведение, основанное на принципах победителей. Со временем население улучшается, и в конечном итоге может появиться удовлетворительный робот. Это происходит без прямого программирования роботов исследователями.
Исследователи используют этот метод как для создания лучших роботов, так и для
исследовать природу эволюции. Поскольку процесс часто требует много
поколений роботов, подлежащих моделированию, этот метод может выполняться целиком или в основном в симуляции, а затем тестировались на реальных роботах после разработки алгоритмов достаточно хороши. В настоящее время около 1 миллиона промышленных роботов во всем мире, а Япония - лучшая страна с высокими
|
|
|
плотность использования роботов в его обрабатывающей промышленности.
Эволюционная робототехника (ER) - это методология, использующая эволюционные
вычисление для разработки контроллеров для автономных роботов. Алгоритмы в
ER часто работает с популяциями кандидатов-контролеров, изначально выбранных
из некоторого распределения. Затем эта популяция многократно модифицируется
в соответствии с функцией пригодности. В случае генетических алгоритмов
(или «GA»), общий метод в эволюционном вычислении, население
кандидатов-регуляторов многократно выращивают в соответствии с кроссовером, мутацией и других GA-операторов, а затем отбирали в соответствии с функцией пригодности.
Контроллеры-кандидаты, используемые в приложениях ER, могут быть взяты из некоторых подмножество набора искусственных нейронных сетей, хотя некоторые приложения (включая SAMUEL, разработанный в Морском Центре прикладных исследований в искусственном интеллекте) используют коллекции правил «ЕСЛИ ТОЛЬКО ЭЛСЕ», как составные части отдельного контроллера. Теоретически можно использовать любой набор символических формулировок законов управления (иногда называемых политики в сообществе машинного обучения) в качестве места возможного кандидата контроллеры. Искусственные нейронные сети могут также использоваться для обучения роботов вне контекста эволюционной робототехники. В частности, другие формы обучения усилению можно использовать для обучения роботов-контроллеров.
|
|
|
Робототехника развития связана, но отличается от эволюционной
робототехника. ER использует популяции роботов, которые эволюционируют со временем, тогда как DevRob интересуется тем, как организация управления одним роботом система развивается через опыт, со временем.
There are two methodologies for the development of robots: through evolution and through the accumulation of experience
История
Основой ER была заложена работа в национальных исследованиях совет в Риме в 90-х годах, но первоначальная идея кодирования управления роботом
система в геноме и искусственная эволюция улучшат ее даты назад к концу 80-х.
В 1992 и 1993 годах три исследовательские группы, одна из которых окружала Флореано
и Mondada в EPFL в Лозанне, а второй - Cliff, Харви и мужья из COGS в Университете Сассекса и третий из Университета Южной Калифорнии участвовал М. Энтони Льюис
и Эндрю Х. Фагг сообщили о многообещающих результатах экспериментов на искусственном эволюция автономных роботов. Успех этого раннего исследования
|
|
|
вызвало волну активности в лабораториях по всему миру, пытаясь использовать
потенциал подхода.
В последнее время сложность «масштабирования» сложности задач робота
несколько обратил внимание на теоретический конец поля а не инженерный конец.
The history of evolutionary robotics stretches from the 80s of the last century
Цели
Эволюционная робототехника осуществляется с множеством различных целей, часто при
в то же время. К ним относятся создание полезных контроллеров для реального робота
задачи, исследующие тонкости эволюционной теории (такие как Болдуин
эффект), воспроизводя психологические явления и выясняя биологические нейронных сетей путем изучения искусственных. Создание контроллеров через искусственная эволюция требует большого количества оценок большого населения.
Это очень трудоемко, что является одной из причин, по которым контроллер эволюция обычно выполняется в программном обеспечении. Кроме того, начальные случайные контроллеры могут проявлять потенциально опасное поведение, например, стены, которые могут повредить робота. Перенос контроллеров в моделирование физическим роботам очень сложно, и главная проблема в использовании ER подход. Причина в том, что эволюция свободна исследовать все возможности для получить высокую физическую форму, включая любые неточности моделирования. Эта потребность
для большого количества оценок, требующих быстрого, но точного компьютерного моделирования, является одним из ограничивающих факторов подхода ЭР.
В редких случаях эволюционные вычисления могут быть использованы для разработки
физической структуры робота, в дополнение к контроллеру. Один из Наиболее примечательными примерами этого была демонстрация Карла Симса для «Мышлениях»
Корпорация.
Evolutionary robotics is used for various purposes.
Мотивация для эволюционной робототехники
Многие из широко используемых алгоритмов машинного обучения требуют набора
учебных примеров, состоящих как из гипотетического ввода, так и из желаемого ответа.
Во многих приложениях для обучения роботов желаемый ответ - это действие для
робот взять. Эти действия обычно неизвестны явно априорно, вместо этого
робот может в лучшем случае получить значение, указывающее на успех или неудачу
данное действие принято. Эволюционные алгоритмы - естественные решения такого рода
проблемной структуры, поскольку функция пригодности нуждается только в кодировании успеха или отказ данного контроллера, а не точные действия контроллера
должен был принять. Альтернатива использованию эволюционных вычислений в
робототехническое обучение - это использование других форм обучения подкреплению, таких как q-учиться, учиться фитнесу любого конкретного действия, а затем использовать предсказанные косвенные значения для создания контроллера.
Динамика и кинематика
Изучение движения можно разделить на кинематику и динамику. непосредственный
кинематика относится к расчету конечного эффекторного положения, ориентации,
скорости и ускорения, когда известны соответствующие значения соединения.
Обратная кинематика относится к противоположному случаю, когда требуемые общие значения рассчитываются для заданных значений конечных эффекторов, как это сделано при планировании пути. Некоторые Особые аспекты кинематики включают обработку избыточности (разные возможности выполнения одного и того же движения), предотвращение столкновений и отказ от сингулярности. Как только все соответствующие позиции, скорости и ускорения были рассчитаны с использованием кинематики, методов из области динамики используются для изучения влияния сил на эти движения. Прямая динамика относится к вычислению ускорений в роботе, когда применяемые силы
известны. Прямая динамика используется при компьютерном моделировании робота.
Обратная динамика относится к расчету сил привода, необходимых для
создать предписанное ускорение конечного эффектора. Эта информация может быть использована для улучшить алгоритмы управления роботом.
В каждой области, упомянутой выше, исследователи стремятся разработать новые
концепции и стратегии, улучшить существующие и улучшить взаимодействие между этими районами. Для этого критерии «оптимальной» производительности и необходимо разработать способы оптимизации конструкции, структуры и управления роботами и реализованы.
Dynamics and kinematics are used to improve the robot control algorithms.
Дата добавления: 2018-11-24; просмотров: 91; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!