如何確保由神經(jīng)網(wǎng)絡(luò)控制的機(jī)器人的穩(wěn)定性？
發(fā)布時間：2024-08-02 作者：Alex Shipps
神經(jīng)網(wǎng)絡(luò)控制器為復(fù)雜機(jī)器人提供了穩(wěn)定性保障，為自動駕駛汽車和工業(yè)機(jī)器的更安全部署鋪平了道路。麻省理工學(xué)院的研究人員開發(fā)了一種高效的算法來認(rèn)證復(fù)雜系統(tǒng)中的Lyapunov函數(shù)，確保神經(jīng)網(wǎng)絡(luò)控制的機(jī)器人在各種環(huán)境中實(shí)現(xiàn)穩(wěn)定性和安全性。
神經(jīng)網(wǎng)絡(luò)對工程師如何設(shè)計(jì)機(jī)器人控制器產(chǎn)生了巨大的影響，催生了自適應(yīng)能力更強(qiáng)、效率更高的機(jī)器。不過，這些類似大腦的機(jī)器學(xué)習(xí)系統(tǒng)也是一把雙刃劍：其復(fù)雜性使其功能強(qiáng)大，但也難以保證由神經(jīng)網(wǎng)絡(luò)驅(qū)動的機(jī)器人能夠安全地完成任務(wù)。
驗(yàn)證安全性和穩(wěn)定性的傳統(tǒng)方法是通過稱為 Lyapunov 函數(shù)的技術(shù)。如果你能找到一個 Lyapunov 函數(shù)的值持續(xù)下降，那么你就可以知道，與較高值相關(guān)的不安全或不穩(wěn)定情況將永遠(yuǎn)不會發(fā)生。不過，對于由神經(jīng)網(wǎng)絡(luò)控制的機(jī)器人來說，之前驗(yàn)證 Lyapunov 條件的方法并不能很好地擴(kuò)展到復(fù)雜的機(jī)器。
麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）和其他機(jī)構(gòu)的研究人員現(xiàn)在已經(jīng)開發(fā)出新的技術(shù)，可以在更復(fù)雜的系統(tǒng)中嚴(yán)格認(rèn)證Lyapunov計(jì)算。該算法高效搜索并驗(yàn)證了Lyapunov函數(shù)，為系統(tǒng)提供了穩(wěn)定性保障。這種方法有可能使機(jī)器人和自動駕駛車輛（包括飛機(jī)和航天器）的部署更加安全。
圖：研究人員設(shè)計(jì)了一種新算法，可以保證由神經(jīng)網(wǎng)絡(luò)控制的機(jī)器人的穩(wěn)定性，
最終可能帶來更安全的自動駕駛汽車和工業(yè)機(jī)器人。
為了超越以往的算法，研究人員在訓(xùn)練和驗(yàn)證過程中找到了一條省錢的捷徑。他們生成了成本更低的反例——例如，來自傳感器的對抗性數(shù)據(jù)可能會使控制器失靈——然后對機(jī)器人系統(tǒng)進(jìn)行優(yōu)化，以應(yīng)對這些反例。了解這些邊緣案例有助于機(jī)器學(xué)習(xí)如何處理具有挑戰(zhàn)性的情況，從而使它們能夠在比以往更廣泛的條件下安全運(yùn)行。然后，他們開發(fā)了一種新穎的驗(yàn)證公式，能夠使用可擴(kuò)展的神經(jīng)網(wǎng)絡(luò)驗(yàn)證器α,β-CROWN，在反例之外提供嚴(yán)格的最壞情況保證。
“我們已經(jīng)在人形機(jī)器人和機(jī)器狗等AI控制的機(jī)器上看到了一些令人印象深刻的經(jīng)驗(yàn)性能，但這些AI控制器缺乏對安全關(guān)鍵型系統(tǒng)至關(guān)重要的形式保證?！甭槭±砉W(xué)院電氣工程與計(jì)算機(jī)科學(xué)（EECS）博士生、CSAIL 附屬研究員Lujie Yang說：“我們的工作縮小了神經(jīng)網(wǎng)絡(luò)控制器的性能水平與在現(xiàn)實(shí)世界中部署更復(fù)雜的神經(jīng)網(wǎng)絡(luò)控制器所需的安全保證之間的差距?！?/div>
在數(shù)字演示中，該團(tuán)隊(duì)模擬了帶有激光雷達(dá)傳感器的四旋翼無人機(jī)如何在二維環(huán)境中保持穩(wěn)定。他們的算法成功地將無人機(jī)引導(dǎo)到穩(wěn)定的懸停位置，僅使用激光雷達(dá)傳感器提供的有限環(huán)境信息。
在另外兩個實(shí)驗(yàn)中，他們的方法使兩個模擬機(jī)器人系統(tǒng)能夠在更廣泛的條件下穩(wěn)定運(yùn)行：倒立擺和路徑跟蹤車輛。這些實(shí)驗(yàn)雖然規(guī)模不大，但比以前的神經(jīng)網(wǎng)絡(luò)驗(yàn)證可能做的要復(fù)雜得多，特別是因?yàn)樗鼈儼瑐鞲衅髂Ｐ汀?/div>
“與常見的機(jī)器學(xué)習(xí)問題不同，嚴(yán)格使用神經(jīng)網(wǎng)絡(luò)作為Lyapunov函數(shù)需要解決困難的全局優(yōu)化問題，因此可擴(kuò)展性是關(guān)鍵瓶頸，”加州大學(xué)圣地亞哥分校計(jì)算機(jī)科學(xué)與工程副教授Sicun Gao說， “目前的工作通過開發(fā)算法方法做出了重要貢獻(xiàn)，這些算法方法更適合神經(jīng)網(wǎng)絡(luò)的特定使用，因?yàn)長yapunov在控制問題中的作用?！?/div>
與現(xiàn)有方法相比，它在可擴(kuò)展性和解決方案質(zhì)量方面取得了顯著的改進(jìn)。這項(xiàng)工作為進(jìn)一步開發(fā)神經(jīng)Lyapunov方法的優(yōu)化算法，以及深度學(xué)習(xí)在控制和機(jī)器人技術(shù)中的嚴(yán)格使用開辟了令人興奮的方向。
新的穩(wěn)定性方法具有潛在的廣泛應(yīng)用。在這些應(yīng)用中，保證安全至關(guān)重要。它可以幫助確保飛機(jī)和航天器等自動駕駛汽車的行駛更順暢。同樣，運(yùn)送物品或繪制不同地形的無人機(jī)也可以從這種安全保證中受益。
新方法不僅限于機(jī)器人技術(shù)，在未來可能會幫助其他應(yīng)用，如生物醫(yī)學(xué)和工業(yè)加工等。雖然該技術(shù)在可擴(kuò)展性方面比以前的工作有所提升，但研究人員正在探索它如何在具有更高維度的系統(tǒng)中表現(xiàn)得更好。他們還希望考慮激光雷達(dá)讀數(shù)以外的數(shù)據(jù)，例如圖像和點(diǎn)云。
作為未來的研究方向，該團(tuán)隊(duì)希望為處于不確定環(huán)境和易受干擾的系統(tǒng)提供相同的穩(wěn)定性保證。例如，如果一架無人機(jī)面臨一陣強(qiáng)風(fēng)，研究人員希望確保它仍然能穩(wěn)定飛行并完成預(yù)期的任務(wù)。
此外，他們打算將他們的方法應(yīng)用于優(yōu)化問題，其目標(biāo)是在保持穩(wěn)定的同時最小化機(jī)器人完成任務(wù)所需的時間和距離。并計(jì)劃將他們的技術(shù)擴(kuò)展到類人機(jī)器人和其他現(xiàn)實(shí)世界的機(jī)器，在這些機(jī)器中，機(jī)器人需要在與周圍環(huán)境接觸時保持穩(wěn)定。
標(biāo)簽：網(wǎng)絡(luò)控制器,機(jī)器人,自動駕駛,工業(yè)機(jī)器
相關(guān)文章