I progressi nella robotica e nell'intelligenza artificiale (AI) stanno consentendo lo sviluppo di agenti artificiali progettati per assistere gli esseri umani in una varietà di contesti quotidiani. Uno dei tanti possibili usi di questi sistemi potrebbe essere quello di scortare persone o beni di valore che vengono trasferiti da un luogo all'altro, difenderli da minacce o attacchi.

Affascinato da questa idea, un team di ricercatori dell'Università del New Mexico ha recentemente introdotto una nuova soluzione end-to-end per coordinare squadre di scorta robotizzate che proteggono carichi o merci di alto valore. La tecnica che hanno proposto, presentato in un articolo pre-pubblicato su arXiv, si basa sull'apprendimento per rinforzo profondo (RL), che comporta l'addestramento di algoritmi per fare previsioni efficaci analizzando i dati.

"Ho avuto per la prima volta l'idea alla base di questo studio quando pensavo di trascinare la mia valigia in un aeroporto affollato, "Lidia Tapia, il ricercatore capo dello studio, ha detto a TechXplore. "Ho pensato tra me e me:e se potesse aiutare la mia navigazione restando con me e sorvegliandomi mentre cammino?"

Prima che iniziassero a sviluppare la loro soluzione per coordinare le squadre di scorta difensive, Tapia e il suo team hanno esaminato la letteratura precedente alla ricerca di ispirazione o approcci simili. Sfortunatamente, però, non sono stati in grado di trovare altri studi in cui i robot sono stati utilizzati per prevedere le minacce in arrivo e intercettarle, proteggere gli utenti umani e garantire che raggiungano la loro destinazione in sicurezza.

"C'è molto lavoro sugli assistenti di navigazione, ma per lo più funzionano suonando un allarme per impedire a una persona di avvicinarsi a una minaccia in arrivo, " ha spiegato Tapia. "Abbiamo scoperto che una squadra di scorta robotica potrebbe avere diverse altre applicazioni in scenari critici per la sicurezza, molto più importante della mia valigia in aeroporto, quindi abbiamo concentrato questo documento sulla navigazione del payload, che è un compito comune in cui le scorte mantengono il carico utile al sicuro durante la navigazione."

Tapia e i suoi colleghi hanno addestrato il loro modello RL profondo per prevedere posizioni e strategie efficaci per intercettare possibili minacce. Come altre tecniche RL, durante l'allenamento, il loro modello ha attraversato una lunga serie di prove in cui ha dovuto proporre azioni per intercettare minacce e coordinare le scorte, ricevere ricompense quando la strategia proposta era efficace. Col tempo, il modello ha imparato a generalizzare ciò che ha appreso durante l'addestramento e ad applicarlo a situazioni completamente nuove.

"Attualmente non esistono metodi intelligenti per risolvere questo problema, quindi abbiamo mostrato come possono essere utilizzati gli agenti con una posizione fissa, " Tapia ha detto. "Tuttavia, come puoi immaginare, avresti bisogno di un bel po' di agenti difensivi collocati in posizioni regolari per proteggere un carico utile in navigazione."

I ricercatori hanno valutato la loro tecnica RL in una serie di simulazioni in cui agenti di scorta proteggono un obiettivo specifico da minacce o ostacoli nell'ambiente circostante. Hanno scoperto che il loro modello ha superato gli algoritmi all'avanguardia per l'evitamento degli ostacoli, aumentare il successo della navigazione fino al 31 percento. Inoltre, si è scoperto che le squadre di scorta coordinate usando la loro tecnica sono in grado di proteggere con successo i carichi utili con un tasso di successo del 75% superiore a quello ottenuto dalle squadre di scorta in formazioni statiche.

"La scoperta più significativa del nostro lavoro è stata la capacità di rappresentare il problema in un modo che sia possibile per l'agente per apprendere una soluzione flessibile, anche in circostanze impreviste come la rimozione o l'aggiunta di agenti, " Spiegò Tapia.

Nel futuro, l'approccio sviluppato da Tapia e dal suo team presso l'Università del New Mexico potrebbe essere utilizzato per coordinare le squadre che scortano carichi utili o viaggiatori umani. Però, potrebbe avere anche altre applicazioni, per esempio aiutando lo sviluppo di nuovi strumenti per assistere e scortare le persone ipovedenti mentre viaggiano o navigano in ambienti sconosciuti.

"Siamo entusiasti di studiare ulteriori applicazioni di questo lavoro per nuovi problemi che non abbiamo ancora risolto, " Ha detto Tapia. "Sarebbe bello vedere anche i nostri agenti intelligenti dimostrati sull'hardware".

© 2019 Scienza X Rete