Lager selvlærende roboter

Havner en robot i et Mars-krater, må den selv lære seg hvordan den kommer opp igjen. Forskere på Institutt for informatikk har nå funnet læringsalgoritmen.

LÆRINGSALGORITME: Lena Garder og Mats Høvin på Mikroelektronikksystemer ved Institutt for informatikk forsker på den raskest mulige læringsalgoritmen. Den blir nå testet ut på robot-kyllingen "Henriette" for at roboten selv skal lære seg å gå. Foto: Ola Sæther

Dagens roboter er stokk dumme og programmert til å gjøre helt bestemte bevegelser. De takler ingen uforutsette hendelser.

Førsteamanuensis Mats Høvin og mastergradsstudent Lena Garder på Mikroelektronikksystemer ved Institutt for informatikk forsker derfor på den ”raskest mulige læringsalgoritmen” slik at roboter kan lære seg ting på egen hånd.

Den nye algoritmen skal gjøre det mulig for morgendagens roboter å prøve seg frem og lære av egne feil, akkurat som babyer, for stadig å bli bedre.

– Akkurat som prosessene i naturen går ideen ut på å krysse og mutere løsninger i stadig jakt på en enda bedre løsning. Ved å kombinere en slik genetisk algoritme med et såkalt nevralt nettverk, får man en unik algoritme. Ingen andre har gjort noe tilsvarende, forteller Mats Høvin.

Robotgen

Hemmeligheten bak det nye læringssystemet er at hver mulige bevegelse beskrives som et sett av såkalte robotgener. Akkurat som i et menneskelig DNA-molekyl, der hvert gen har en bestemt egenskap, kan et robotgen for eksempel si noe om en sylinder skal opp eller ned eller om sylinderen skal ta en pause. En lang sekvens med slike robotgener skaper et helt spesielt bevegelsesmønster. Antall mulige kombinasjoner er uendelige store.

– Vi gir roboten 20 til 30 mulige tilfeldige startforslag og måler hvor langt den går. De fleste forslagene er ubrukelige. Så genererer systemet hele tiden nye genkombinasjoner og tester effektiviteten. Systemet vil da hurtigst mulig og med færrest mulige trinn optimalisere seg selv, sier Lena Garder.

Kreativ

Hun sier at algoritmen kan finne løsninger som en programmerer ikke har tenkt på forhånd.

– Tenk deg at du sender en robot til Mars og den mister en fot eller et hjul. Da må roboten likevel lære seg å gå. Havner roboten i et krater, må den kanskje lære seg å gjøre et kjempehopp for å komme opp igjen. Den genetiske algoritmen kan altså hjelpe roboten til å finne løsninger som vi selv ikke klarer å komme på som en god idé, forteller Lena Garder.

Nå testes læringsalgoritmen på en tobeint robot-kylling, ”Henriette”, og en firbeint robot-hund, ”Turbo”, som Mats Høvin selv har konstruert i kontorverkstedet sitt. Etter famling med tilfeldige hopp opp og ned, finner ”Henriette” og ”Turbo” raskt et egnet gåmønster.

– ”Turbo” og ”Henriette” beveger seg aldri på den samme måten. Vi viser dem aldri at de skal gå sånn og sånn. Det må de selv finne ut av. Vi kan for eksempel be dem om å gå mest mulig effektivt med minst mulig lufttrykk, eller at de skal vibrere eller bråke minst mulig, sier Lena Garder.

Kunstig liv

Nå ønsker forskerne at ”Turbo” skal læres opp ved hjelp av klapping og ros.

– Hvis ”Turbo” skal oppføre seg som en vanlig hund, må den få rosbasert opplæring. Da vil den lære seg det som er normalt for en hund, sier Lena Garder.

Mats Høvin ønsker også å lage et system slik at roboten selv bestemmer hva den skal lære.

– Det betyr at mennesket ikke lenger behøver å ha kontroll på roboten. Da nærmer vi oss kunstig liv, forteller Mats Høvin.

Emneord: Matematikk og naturvitenskap, Informasjons- og kommunikasjonsvitenskap, Algoritmer og beregnbarhetsteori, Basale biofag, Genetikk Av Yngve Vogt
Publisert 1. feb. 2012 12:00
Legg til kommentar

Logg inn for å kommentere

Ikke UiO- eller Feide-bruker?
Opprett en WebID-bruker for å kommentere