Download robot - kmutt-inc

INC 551 Artificial
Intelligence
Lecture 10
Introduction to Mobile Robotics
World Model
Agent
Action
Make
Decision
Environment
World
Model
Sense, Perceive
ถ้ ามีแล้ ว agent จะฉลาดไหม?
Maze Problem
Goal
เดินสารวจ, สร้ าง map
คิดหาเส้ นทางออก
behavior
“เดินเลาะทางขวาไปเรื่ อยๆ”
Start
Robotics
เป็ น Applications ที่จะนาทฤษฎี AI ไปใช้ งานจริง
เทอม “robot” มาจากละคร
Karel Capek’s 1921 play RUR (Rossum’s Universal Robots)
มาจากคาว่ า “rabota” (obligatory work)
ความหมายของ Robot
“A re-programmable, multi-functional manipulator
designed to move material, parts, tools, or specialized
devices for the performance of various tasks”
(Robotics Industry Association, 1985)
“A machine able to extract information from its
environment and use knowledge about its world to act
safely in a meaningful and purposeful manner”
(Ron Arkin, 1998)
“An autonomous system which exists in the
physical world, can sense its environment and can
act on it to achieve some goals”
(Maja Mataric, 2001)
ความหมายของ Robotics
Robotics is the study of robots, autonomous embodied
systems interacting with the physical world
Robotics ประกอบด้ วยส่ วนหลัก 3 ส่ วน
• Perception
• Interaction
• Action
History of Robotics
1921: Karel Capek’s play Rossum’s Universal Robots
1948: W. Grey Walter’s Tortoise Robot
เป็ น mobile robot ตัวแรก
ชื่ อ “Machina Speculatrix”
1 photocell, 1 bump
sensor, 1 motor, 3 wheels,
1 battery
เดินหาแสงสว่ าง
1956: Artificial Intelligence ถือกาเนิดที่ Dartmouth University
โดย Marvin Minsky, John McCarthy, Herbert Simon
Search, plan, logic representation, etc.
1960s: Shakey เป็ น mobile robot ตัวแรกที่ program ได้
Stanford Research Institute (SRI)
มีกล้ องติดอยู่
ใช้ vision ช่ วยในการเคลื่อนที่
ใช้ STRIP planner
Deliberative systems
Stanford cart (1977)/ CMU Rover(1983)
ต้ นแบบของการใช้ sonars / vision ประกอบกัน สร้ าง world model
1986: Rodney A. Brook (MIT) สร้ าง
Subsumption architecture (Behavior-based)
Robot Control
• Reactive Control
– Don’t think, (re)act.
• Deliberative (Planner-based) Control
– Think hard, act later.
• Hybrid Control
– Think and act separately & concurrently.
• Behavior-Based Control
– Think the way you act.
Reactive Control:
Don’t think, react!
• Collection of stimulus-response rules
• ข้ อดี
– Simple
– Fast
• ข้ อจากัด / ข้ อเสี ย
– No memory
– No internal representations
of the world
– Unable to plan ahead
– Unable to learn
Example
On/Off
Sensor 2
On/Off
Sensor 1
High/Med/Low
Sensor 3
Reactive Robot
Robot มี sensors 3 ตัว จะทาการสร้ างตาราง map sensor/action
ได้ sensor 2x2x3=12 แบบ
ตาราง mapping sensor และ action
Sensor1/2/3
Action
Off/Off/Low
Off/Off/Med
Off/Off/High
Off/On/Low
Off/On/Med
:
:
เดินหน้ าเต็มที่
เดินหน้ าช้ าๆ
เลีย้ วขวา
เลีย้ วซ้ าย
เดินหน้ าช้ าๆ
:
:
Potential Field Method
Robot เคลื่อนทีจ่ ากจุดหนึ่งไปอีกโดยมีสิ่งกีดขวางอยู่ตรงกลาง
Goal
Field ต้ านจาก
obstacle
Field ดูดจาก
goal
Note: เวลาใช้ งานจะคานวณเฉพาะที่ robot อยู่เท่ านั้น
ข้ อดี จะมี infinite number of reactions
ข้ อเสี ย สามารถ stuck ที่ local minima ได้ ง่าย
Total
Motor Schema Method
โดย Ronald Arkin (Georgia Tech, 1989)
เป็ น reactive architecture แบบหนึ่งโดยจะมองทุกอย่ างให้ เป็ น
vectors เพื่อนาทั้งหมดมาสร้ าง potential field โดยมีหลักการดังนี้
• Responses represented in uniform vector format
• Combination through cooperative coordination
via vector summation
• No predefined schema hierarchy
• Arbitration is not used
• Each behavior has its contribution to the
robot’s overall response
• Gain values control behavioral strengths
Avoiding obstacles
Staying on Corridor
Deliberative Control:
Think hard, then act!
The robot uses all the available sensory information and
stored internal knowledge (world model) to create
a plan of action: sense → plan → act (SPA) paradigm
ข้ อดี
• Capable of learning and prediction
• Finds strategic solutions
ข้ อเสี ย
• Planning requires search through potentially
all possible plans, which takes a long time
• Requires a world model, which may become outdated
• Too slow for real-time response
Example
หุ่นยนต์ เดินตามเส้ น เก็บกล่ อง
(4,4)
box
(1,2)
(1,1)
Robot
ทราบว่ าตัวเอง
อยู่ตาแหน่ งไหน
Example: Shakey
AI-based robots used computer vision
Techniques to process visual information
from cameras
Planning:
Looking ahead at the outcomes of possible actions,
searching for a sequence that would reach the goal.
The world is represented as a set of states
A path is searched that takes the robot from the
current state to the goal state
Deliberative, planner-based architectures involve the
sequential execution of three functional steps:
Sensing (S)
Planning (P)
Acting (A), executing the plan
เรียก SPA
SPA has serious drawbacks for robotics
Disadvantages of SPA
• Time-scale: ใช้ เวลา search นานมากกว่ าจะครบทุก state
• Space: ใช้ memory มากทีจ่ ะแทน state ครบทุก state
• Information: world model ไม่ ค่อย correct
และ up-to-date
Hybrid Control:
Think and act independently & concurrently!
เป็ นการรวมกันของ reactive and deliberative control
• Reactive layer (bottom): deals with immediate reaction
• Deliberative layer (top): creates plans
• Middle layer: connects the two layers
Usually called “three-layer systems”
รับเอาข้ อดีจากทั้ง reactive และ deliberative
ข้ อเสี ยคือยุ่งยากโดยเฉพาะการออกแบบ middle layer
• Reactive and deliberative layers operate on
very different time-scales and representations
• These layers must operate concurrently
เป็ นแบบทีใ่ ช้ กนั อย่ างแพร่ หลายในปัจจุบนั
Example: Atlantis
โดย E. Gat, Jet Propulsion Lab (JPL), NASA, 1991
Three layers:
Deliberator: planning and world modeling
Sequencer: initiation and termination of lowlevel activities
Controller: collection of primitive activities
Block Diagram of Atlantis
Behavior-Based Control:
Think the way you act!
“Thinking” is performed through a network of behaviors
utilize distributed representations
• Respond in real-time
• ใกล้ แบบ Reactive
• มี world model ขนาดเล็กๆในแต่ ละ behavior module
• Allow for a variety of behavior coordination mechanisms
• อาศัยความฉลาดของมนุษย์ มาประกอบ behaviors แต่ ละอันเข้ าด้ วยกัน
Subsumption Architecture
Rodney A. Brooks, MIT, 1986
Traditional (SPA):
sense – plan – act
Subsumption
Idea
Principle of Design
• Systems are built from the bottom up
• Components are task-achieving actions/behaviors
(avoid-obstacles, find-doors, visit-rooms)
• All rules can be executed in parallel, not in a sequence
• Components are organized in layers, from the bottom up
• Lowest layers handle most basic tasks
• Newly added components and layers exploit the existing
ones
Subsumption Design
• Behaviors มีอะไรบ้ าง จะขึน้ กับ task
• แยก task ออกเป็ น behaviors ย่ อยๆแต่ ละอัน
• ออกแบบ behavior ทดสอบแยกกันทีละอัน
• เพิม่ behavior เข้ าไปทีละอัน
• ใช้ หลัก suppression/inhibition และความฉลาดของมนุษย์
ในการประกอบ behaviors เข้ าด้ วยกัน
Subsumption Layer
First, we design, implement,
and debug layer 0
level 2
level 1
Next, we design layer 1
When layer 1 is designed,
layer 0 is taken into consideration
and utilized, its existence is
“subsumed”
level 0
sensors
As layer 1 is added, layer 0 continues
to function. Continue designing layers,
until the desired task is achieved
actuators
Suppression & Inhibition
กลไกในการประกอบ behaviors เข้ าด้ วยกัน
Higher layers can disable
the ones below
level 2
level 1
level 0
Avoid-obstacles can stop
the robot from moving around
inhibitor
Layer 2 can either:
Inhibit the output of level 1 or
Suppress the input of level 1
s
inputs
I
suppressor
The process is continued all
the way to the top level
AFSM
outputs
Example
Safe wander (Brooks, 1986)
Emergent Behavior
การประกอบกันของ behaviors หลายๆอย่ างอาจจะทาให้ เกิด
behavior อีกอันหนึ่งทีค่ าดไม่ ถึงเรียก “Emergent behavior”
ซึ่งเกิดจาก 2 สิ่ ง
• A robot’s interaction with the environment
• The interaction of behaviors
เช่ น
• If too close on the left, turn right
• If too close on the right, turn left
• Otherwise, keep straight
Wall
Following
• The robot has no explicit representations
of “walls”
• The controller does not specify anything
explicit about following
Example: Flocking
สามารถ design ได้ จาก behaviors เหล่ านี้
• Don’t get too close to other robots
• Don’t get too far from other robots
• Keep moving if you can