Tilføj til lytteliste
Tilføj til lytteliste
Tilføj til lytteliste
På lytteliste
Tilføj til lytteliste
Lyt til artiklen:
Kunstig intelligens helt ude i skoven
Tunge maskiner til arbejde i skovbrug, miner og byggepladser har kompleks mekanik, ofte i kombination med hydraulik, som gør dem svære at styre.
Det har hidtil betydet, at kunstig intelligens og såkaldt "deep reinforcement learning" fortrinsvis har være anvendeligt til enten digitale systemer eller små og lette robotter. Det skriver universitetet i Umeå på sin hjemmeside.
Ifølge Universitetet har forskere nu udviklet verdens første selvkørende skovmaskine, som kan manøvrere helt uden menneskelig styring og løbende blive bedre ved hjælp af kunstig intelligens.
Virtuel træning
AI-styring af robotter kræver store mængder træningsdata, hvilket er omkostningsfuldt og risikabelt, når det drejer sig om tunge maskiner.
- Det er dyrt og farligt at udføre de eksperimenter, der er nødvendige for at producere den mængde træningsdata, som kræves for at træne AI-modeller til at håndtere alle tænkelige situationer, siger Martin Servin, lektor i fysik ved Umeå Universitet.
Men træning i et simuleret miljø løser dette, men matchet med virkeligheden bliver aldrig helt perfekt.
Den 16 ton tunge skovmaskine blev derfor trænet med kunstig intelligens i et virtuelt miljø ved hjælp af Umeå Universitets supercomputer og flere millioner træningstrin.
Resultatet er ifølge universitetet, at maskinen kan manøvrere under vanskelige og meget forskelligartede forhold, som skove byder på.
Verdens første
- Resultaterne viser, at det er muligt at overføre AI-styring til en fysisk skovmaskine efter først at have trænet den i et simuleret miljø, siger Viktor Wiberg, forsker ved Algoryx Simulation, som har medvirket ved udviklingen af den AI-styrede skovmaskine.
Hans egen ph.d.-afhandling ved Umeå Universitet danner grundlag for arbejdet.
Viktor Wiberg konstaterer, at det er første gang, nogen har formået at demonstrere autonom styring af en så kompleks maskine som en skovmaskine ved hjælp af AI.
Erfaring med træning
Viktor Wiberg fortæller, at en stor del af forskningen og udviklingen i virtuelle træningsmiljøer minder om de simulatorer, der længe har været brugt til at træne menneskelige maskinførere. Og det virtuelle miljø er baseret på fysiksimulering, der realistisk beregner maskinens bevægelser og interaktionen med terræn og træstammer.
- I et virtuelt miljø sker træningen uden risiko for skader og uden brændstofforbrug, siger Martin Servin, lektor i fysik ved Umeå Universitet.
Men selvom fysikmodellerne, der driver simulatorerne, er meget realistiske, er der en vis uoverensstemmelse med virkeligheden. Denne såkaldte "realitetskløft" udgør en stor hindring, når en trænet model skal overføres til at styre en fysisk maskine. Resultatet kan være, at AI'en udfører uventede og uønskede handlinger.
Indtil nu har det været uklart, hvor stor en hindring realitetskløften udgør, når det gælder tunge og komplekse maskiner. Men forskningsstudien fra Umeå Universitet viser, at kløften kan overvindes.
- Det er imponerende, at det faktisk virkede. Det var tydeligt, hvordan AI'en præsterede bedre og bedre ved hvert forsøg, siger Tobias Semberg, ingeniør ved Skogforsk Troëdsson Forestry Teleoperation Lab.
