Una nuova generazione di sciami robot in grado di apprendere ed evolvere autonomamente nuovi comportamenti in natura è un passo più vicino, grazie alla ricerca dell'Università di Bristol e dell'Università dell'Inghilterra occidentale (UWE).

Il team ha utilizzato l'evoluzione artificiale per consentire ai robot di apprendere automaticamente comportamenti degli sciami comprensibili per gli umani. Questo nuovo anticipo pubblicato oggi in Sistemi intelligenti avanzati , potrebbe creare nuove possibilità robotiche per il monitoraggio ambientale, ripristino di emergenza, manutenzione delle infrastrutture, logistica e agricoltura.

Fino ad ora, l'evoluzione artificiale è stata tipicamente eseguita su un computer esterno allo sciame, con la migliore strategia poi copiata sui robot. Però, questo approccio è limitante in quanto richiede infrastrutture esterne e un ambiente di laboratorio.

Utilizzando uno sciame di robot su misura con un'elevata potenza di elaborazione incorporati nello sciame, il team di Bristol è stato in grado di scoprire quali regole danno origine ai comportamenti desiderati dello sciame. Ciò potrebbe portare a sciami robotici in grado di adattarsi in modo continuo e indipendente in natura, per soddisfare gli ambienti e le attività a portata di mano. Rendendo comprensibili all'uomo i controller evoluti, i controllori possono anche essere interrogati, spiegato e migliorato.

Autore principale, Simone Jones, del Robotics Lab dell'Università di Bristol ha dichiarato:"I controller comprensibili dall'uomo ci consentono di analizzare e verificare i progetti automatici, per garantire la sicurezza per l'implementazione in applicazioni del mondo reale."

Co-diretto dalla dott.ssa Sabine Hauert, gli ingegneri hanno approfittato dei recenti progressi nel mobile computing ad alte prestazioni, per costruire uno sciame di robot ispirati a quelli della natura. Il loro "Teraflop Swarm" ha la capacità di eseguire il processo di progettazione automatica ad alta intensità di calcolo interamente all'interno dello sciame, liberandolo dal vincolo delle risorse off-line. Lo sciame raggiunge un alto livello di prestazioni in soli 15 minuti, molto più veloce dei precedenti metodi di evoluzione incorporata, e senza fare affidamento su infrastrutture esterne.

Dottor Hauert, Senior Lecturer in Robotica presso il Dipartimento di Ingegneria Matematica e Bristol Robotics Laboratory (BRL), ha dichiarato:"Questo è il primo passo verso sciami di robot che scoprono automaticamente strategie di sciame adatte in natura".

"Il prossimo passo sarà portare questi sciami di robot fuori dal laboratorio e dimostrare il nostro approccio proposto nelle applicazioni del mondo reale".

Liberando lo sciame di infrastrutture esterne, e mostrando che è possibile analizzare, comprendere e spiegare i controller generati, i ricercatori si sposteranno verso la progettazione automatica di controller dello sciame nelle applicazioni del mondo reale.

Nel futuro, iniziando da zero, uno sciame di robot potrebbe scoprire una strategia adatta direttamente in situ, e cambia la strategia quando il compito dello sciame, o cambiamenti ambientali.

Professor Alan Winfield, BRL e Unità di Comunicazione della Scienza, UWE, ha dichiarato:"In molti moderni sistemi di intelligenza artificiale, specialmente quelli che impiegano il Deep Learning, è quasi impossibile capire perché il sistema abbia preso una decisione particolare. Questa mancanza di trasparenza può essere un vero problema se il sistema prende una decisione sbagliata e causa danni. Un importante vantaggio del sistema descritto in questo documento è che è trasparente:il suo processo decisionale è comprensibile per gli esseri umani".