工程师设计了一种改进任何自主机器人系统的方法

自挑剔的Roomba以来，自主机器人已经走过了漫长的道路。近年来，人工智能系统已部署在自动驾驶汽车、最后一英里送餐、餐厅服务、患者筛查、医院清洁、膳食准备、建筑安全和仓库包装等领域。

这些机器人系统中的每一个都是特定于该特定系统的特定设计过程的产物。在设计自主机器人时，工程师必须运行无数次试错模拟，通常是凭直觉。这些模拟针对特定机器人的组件和任务量身定制，以调整和优化其性能。在某些方面，今天设计一个自主机器人就像从头开始烤蛋糕，没有配方或准备好的混合物来确保成功的结果。

现在，麻省理工学院的工程师已经为机器人专家开发了一种通用设计工具，作为一种自动化的成功秘诀。该团队设计了一种优化代码，可应用于几乎任何自主机器人系统的模拟，并可用于自动识别如何以及在何处调整系统以提高机器人的性能。

该团队表明，该工具能够快速提高两个非常不同的自主系统的性能：一个是机器人在两个障碍物之间的路径中导航，另一个是两个机器人共同移动一个沉重的箱子。

研究人员希望新的通用优化器可以帮助加快各种自主系统的开发，从步行机器人和自动驾驶车辆到柔软和灵巧的机器人，以及协作机器人团队。

该团队由麻省理工学院研究生CharlesDawson和麻省理工学院航空航天系助理教授ChuChuFan组成，将于本月晚些时候在纽约举行的年度机器人科学与系统会议上展示其研究结果。

倒置设计

Dawson和Fan在观察了可用于其他工程学科的大量自动化设计工具后，意识到需要通用优化工具。

“如果机械工程师想要设计风力涡轮机，他们可以使用3DCAD工具来设计结构，然后使用有限元分析工具来检查它是否能够抵抗某些载荷，”Dawson说。“然而，自主系统缺乏这些计算机辅助设计工具。”

通常，机器人专家通过首先开发系统及其许多交互子系统(例如其规划、控制、感知和硬件组件)的模拟来优化自主系统。然后，她必须调整每个组件的某些参数并向前运行模拟，以查看系统在该场景中的表现。

只有在通过反复试验运行许多场景之后，机器人专家才能确定成分的最佳组合以产生所需的性能。这是一个乏味、过度定制和耗时的过程，道森和范试图改变它。

“而不是说，'给定一个设计，性能是什么?'我们想反过来说，'考虑到我们想要看到的性能，让我们到达那里的设计是什么?'”道森解释道。

研究人员开发了一种优化框架或计算机代码，可以自动找到可以对现有自主系统进行的调整，以达到预期的结果。

代码的核心是基于自动微分或“autodiff”，这是一种在机器学习社区中开发的编程工具，最初用于训练神经网络。Autodiff是一种可以快速有效地“评估导数”或对计算机程序中任何参数变化的敏感性的技术。Dawson和Fan基于autodiff编程的最新进展为自主机器人系统开发通用优化工具。

“我们的方法自动告诉我们如何从初始设计迈出小步，实现我们的目标，”道森说。“我们使用autodiff从本质上挖掘定义模拟器的代码，并找出如何自动进行这种反转。”

建造更好的机器人

该团队在两个独立的自主机器人系统上测试了他们的新工具，并表明与传统的优化方法相比，该工具在实验室实验中迅速提高了每个系统的性能。

第一个系统包括一个轮式机器人，其任务是根据从放置在不同位置的两个信标接收到的信号，规划两个障碍物之间的路径。该团队试图找到信标的最佳位置，以便在障碍物之间形成一条清晰的路径。

他们发现新的优化器可以快速通过机器人的模拟进行回溯，并在5分钟内确定信标的最佳位置，而传统方法需要15分钟。

第二个系统更复杂，包括双轮机器人一起工作，将盒子推向目标位置。该系统的模拟包括更多的子系统和参数。尽管如此，该团队的工具还是有效地确定了机器人完成目标所需的步骤，优化过程比传统方法快20倍。

“如果您的系统有更多参数需要优化，我们的工具可以做得更好，并且可以成倍地节省更多时间，”范说。“这基本上是一种组合选择：随着参数数量的增加，选择也会增加，而我们的方法可以一次性减少它。”

该团队已提供通用优化器可供下载，并计划进一步改进代码以应用于更复杂的系统，例如旨在与人类交互和与人类一起工作的机器人。

“我们的目标是让人们能够制造更好的机器人，”道森说。“我们为优化他们的系统提供了一个新的构建模块，因此他们不必从头开始。”