Robot-“hjärna” klarar komplicerade uppgifter
Antalet robotar som kan användas för interna transporter, utforskning av farliga miljöer eller för att assistera människor i diverse situationer förväntas öka markant under de närmaste årtiondena. Sådana robotar ska ha förmågan att klara sig själva samt kunna fungera i en ständigt föränderlig och ostrukturerad miljö. För att roboten ska kunna klara av sina arbetsuppgifter måste dess kontrollsystem, robotens “hjärna”, vara uppbyggd på ett sådant sätt att den klarar av att hantera de många situationer som kan uppstå. En metod för att skapa robothjärnor går ut på att kombinera flera enkla delar, beteenden, så att ett mer varierat beteende uppstår när de enklare beteendena samverkar, så kallad beteendebaserad robotik.
Jimmy Pettersson har i ett doktorsarbete på Chalmers studerat dels hur enskilda beteenden kan skapas och optimeras samt hur dessa beteenden kan kombineras så att en robot utför sin syssla på ett tillfredställande sätt. För att roboten ska kunna välja mellan olika beteenden som till exempel undvika hinder, ladda batterier, navigera och veta var den är, används en metod som kallas nyttofunktionsmetoden. I denna metod väljs det beteende som för tillfället är förknippat med den största nyttan. Nyttan i sin tur bestäms av funktioner som tas fram med hjälp av beräkningar som är inspirerade av biologisk evolution, så kallade evolutionära algoritmer. Optimeringen görs i simulerade miljöer för att sedan implementeras i en riktig robot.
I avhandlingen redovisas basegenskaper hos nyttofunktionsmetoden samt hur metoden utvecklas genom introduktionen av generiska hormoner (artificiella känslor) – interna signaler i robothjärnan vilkas variation bestäms under optimeringen. Vid användning av liknande signaler är det annars vanligt att variationen är bestämd på förhand, det vill säga att “hunger”, “rädsla”, etc. varierar på ett förutbestämt sätt.
– I vår lösning kan man inte veta förrän efteråt om en signal kan kallas “hunger” eller “rädsla” eftersom vi inte vet hur de varierar innan optimeringen, säger Jimmy Pettersson.
– Nyttofunktionsmetoden har visat sig mycket användbar för att hitta lösningar på en mängd olika beteendeproblem. Vi har också framgångsrikt testat metoden i en robot tänkt för transport och leverans.
I samband med studierna kring nyttofunktionsmetoden har även ett mjukvarubibliotek (UFLib) utvecklats där en användare snabbt och relativt enkelt kan skapa anpassade datorprogram för framtagning av robothjärnor baserade på nyttofunktionsmetoden.
Avhandlingen “Generation and Organization of Behaviors for Autonomous Robots” försvaras vid en offentlig disputation på Chalmers den 29 september kl 10.00 i sal HA1,
Hörsalsvägen 4, Chalmers, Campus Johanneberg, Göteborg
Jimmy Pettersson kommer från Nyköping. Efter doktorsexamen kommer han att fortsätta sina robotstudier som post-doc under ett år vid två japanska universitet, Future University i Hakodate och Waseda University i Tokyo.
Kontaktinformation
Mer information:
Jimmy Pettersson, Institutionen för tillämpad mekanik, Avdelningen för fordonssäkerhet, tel: 0155-227813, e-post: jimmy.pettersson@chalmers.se
Handledare: Mattias Wahde, Institutionen för tillämpad mekanik, Avdelningen för fordonssäkerhet e-post: mattias.wahde@chalmers.se
