得益于布里斯托大学和UWE的研究，新一代群集机器人可以在野外独立学习和发展新的行为，这更近了一步。

该团队利用人工进化技术使机器人能够自动学习人类能够理解的群体行为。今天在高级智能系统上宣布的新进展可以为环境监测、灾难恢复、基础设施维护、物流和农业创造新的机器人可能性。

到目前为止，人工进化通常在群体外的计算机上运行，然后将最佳策略复制给机器人。然而，这种方法是有限的，因为它需要外部基础设施和实验室环境。

通过在群体中嵌入具有高处理能力的定制群体机器人，布里斯托团队可以找出哪些规则将产生所需的群体行为。这可能会导致机器人群体能够在现场持续独立地适应，以满足手头的环境和任务。通过使进化的控制器为人类所理解，我们也可以查询、解释和改进控制器。

布里斯托大学机器人实验室的主要作者西蒙琼斯说：“人类可以理解的控制器使我们能够分析和验证自动设计，以确保实际应用中部署的安全性。”

在Sabine Hauert博士的带领下，工程师们利用最新的高性能移动计算技术，建造了大量受大自然启发的机器人。他们的“Teraflop Swarm”可以完全在集群中运行计算密集型的自动设计过程，从而避免了离线资源的限制。该集群仅用15分钟就实现了高水平的性能，比以前快得多。进化方法不依赖于外部基础设施。

工程数学和布里斯托机器人实验室(BRL)机器人学高级讲师豪特博士说：“这是迈向机器人群体的第一步，机器人群体可以在野外自动找到合适的群体策略。”

“下一步将把这些机器人人群带出实验室，并在实际应用中展示我们提出的方法。”

通过释放大量外部基础设施并显示生成的可分析、可理解和可解释的控制器，研究人员将转向实际应用中的组控制器自动设计。

未来，从零开始，机器人人群可以直接找到合适的策略到位，并在群体任务或环境发生变化时改变策略。

UWE BRL和科学传播系的艾伦温菲尔德教授说：“在许多现代人工智能系统中，尤其是那些使用深度学习的系统，几乎不可能理解系统为什么会做出特定的决定。这种缺乏透明度可能是真的。如果系统做出错误的决策并造成危害，问题在于本文描述的系统是透明的：其决策过程是人类可以理解的。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：