BOBbots: Robot Sederhana, Algoritma Cerdas

Siapa pun yang memiliki anak tahu bahwa meskipun mengendalikan satu anak bisa jadi sulit, mengendalikan banyak anak sekaligus hampir tidak mungkin. Membuat segerombolan robot bekerja secara kolektif dapat menjadi tantangan yang sama, kecuali jika para peneliti dengan hati-hati membuat koreografi interaksi mereka — seperti pesawat dalam formasi — menggunakan komponen dan algoritme yang semakin canggih. Tapi apa yang bisa dicapai dengan andal ketika robot yang ada sederhana, tidak konsisten, dan tidak memiliki pemrograman yang canggih untuk perilaku terkoordinasi? TerasKaltim

Georgia Tech BOBbots

Sebuah tim peneliti yang dipimpin oleh Dana Randall, Profesor Komputasi ADVANCE dan Daniel Goldman, Profesor Fisika Keluarga Dunn, keduanya di Institut Teknologi Georgia, berusaha menunjukkan bahwa bahkan robot yang paling sederhana pun masih dapat menyelesaikan tugas dengan baik di luar kemampuan satu, atau bahkan beberapa, dari mereka. Tujuan menyelesaikan tugas-tugas ini dengan apa yang disebut tim sebagai “robot bodoh” (pada dasarnya partikel granular seluler) melebihi harapan mereka, dan para peneliti melaporkan bahwa mereka mampu menghapus semua sensor, komunikasi, memori, dan komputasi – dan sebagai gantinya menyelesaikan serangkaian tugas dengan memanfaatkan karakteristik fisik robot, suatu sifat yang oleh tim disebut sebagai “perwujudan tugas”.

Bahnisikha Dutta, seorang mahasiswa pascasarjana di Georgia Tech, adalah bagian dari tim peneliti interdisipliner yang menciptakan dan mempelajari robot magnetik. Kredit: Allison Carter, Georgia Tech

BOBbot tim, atau “bot berperilaku, mengatur, berdengung” yang dinamai untuk perintis fisika granular Bob Behringer, “hampir sama bodohnya dengan yang mereka dapatkan,” jelas Randall. “Sasis silinder mereka memiliki sikat bergetar di bawahnya dan magnet yang longgar di pinggirannya, menyebabkan mereka menghabiskan lebih banyak waktu di lokasi dengan lebih banyak tetangga.” Platform eksperimental dilengkapi dengan simulasi komputer yang tepat yang dipimpin oleh mahasiswa fisika Georgia Tech, Shengkai Li, sebagai cara untuk mempelajari aspek sistem yang tidak nyaman untuk dipelajari di lab.

Terlepas dari kesederhanaan BOBbots, para peneliti menemukan bahwa, saat robot bergerak dan bertabrakan satu sama lain, “bentuk agregat kompak yang mampu secara kolektif membersihkan puing-puing yang terlalu berat untuk digerakkan sendirian,” menurut Goldman. “Sementara kebanyakan orang membangun robot yang semakin kompleks dan mahal untuk menjamin koordinasi, kami ingin melihat tugas kompleks apa yang dapat diselesaikan dengan robot yang sangat sederhana.”

Tim Peneliti BOBbots

Dana Randall, Daniel Goldman, dan Bahnisikha Dutta bekerja sama dalam menciptakan robot magnet. Foto ini diambil pada tahun 2019 di Georgia Tech sebagai bagian dari studi penelitian sebelumnya. Kredit: Allison Carter, Georgia Tech

Pekerjaan mereka, seperti yang dilaporkan 23 April 2021, dalam jurnal Science Advances, terinspirasi oleh model teoritis partikel yang bergerak di papan catur. Abstraksi teoretis yang dikenal sebagai sistem partikel pengorganisasian diri dikembangkan untuk mempelajari model matematika BOBbots secara ketat. Menggunakan ide-ide dari teori probabilitas, fisika statistik, dan algoritme stokastik, para peneliti dapat membuktikan bahwa model teoretis mengalami perubahan fase ketika interaksi magnetik meningkat – tiba-tiba berubah dari terdispersi menjadi agregasi dalam kelompok besar dan kompak, mirip dengan perubahan fase yang kami lakukan. lihat dalam sistem sehari-hari yang umum, seperti air dan es.

“Analisis yang ketat tidak hanya menunjukkan kepada kami bagaimana membangun BOBbot, tetapi juga mengungkapkan kekokohan yang melekat pada algoritme kami yang memungkinkan beberapa robot menjadi salah atau tidak dapat diprediksi,” catat Randall, yang juga menjabat sebagai profesor ilmu komputer dan asisten profesor matematika di Georgia Tech.

Referensi: “Memrogram materi granular kohesif aktif dengan perubahan fase yang diinduksi secara mekanis” oleh Shengkai Li, Bahnisikha Dutta, Sarah Cannon, Joshua J. Daymude, Ram Avinery, Enes Aydin, Andréa W. Richa, Daniel I. Goldman dan Dana Randall, 23 April 2021, Kemajuan Ilmu Pengetahuan.

Kolaborasi ini didasarkan pada eksperimen dan simulasi yang juga dirancang oleh Bahnisikha Dutta, Ram Avinery dan Enes Aydin dari Georgia Tech, serta pada karya teoretis oleh Andrea Richa dan Joshua Daymude dari Arizona State University, dan Sarah Cannon dari Claremont McKenna College, yang merupakan lulusan Georgia Tech baru-baru ini.

Pekerjaan ini merupakan bagian dari Multidisiplin University Research Initiative (MURI) yang didanai oleh Army Research Office (ARO) untuk mempelajari dasar-dasar komputasi yang muncul dan kecerdasan kolektif.

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>