Como os robôs colaboram para alcançar o consenso?

Tomar decisões em grupo não é tarefa fácil, especialmente quando os tomadores de decisão são um enxame de robôs. Para aumentar a autonomia do enxame na percepção coletiva, uma equipe de pesquisa do laboratório de pesquisa de inteligência artificial IRIDIA da Université Libre de Bruxelles propôs uma abordagem inovadora de auto-organização na qual um robô de cada vez trabalha temporariamente como o “cérebro” para consolidar informações em nome do grupo.

Seu artigo foi publicado em Computação Inteligente. No artigo, os autores mostraram que seu método melhora a precisão da percepção coletiva ao reduzir fontes de incerteza.

Ao combinar aspectos de controle centralizado e descentralizado, os autores perceberam os benefícios de ambos em um sistema, mantendo a escalabilidade e a tolerância a falhas das abordagens descentralizadas, ao mesmo tempo que incorporam a precisão das centralizadas. A abordagem permite que os robôs entendam suas posições relativas dentro do sistema e fundam as informações dos sensores em um ponto, sem exigir uma rede de comunicação global ou estática ou quaisquer referências externas.

Além disso, a abordagem dos autores permite que métodos centralizados para fusão de informações de múltiplos sensores sejam aplicados pela primeira vez a um sistema auto-organizado. As técnicas de fusão multissensor foram anteriormente demonstradas apenas em sistemas totalmente centralizados.

Os autores testaram a abordagem de hierarquia auto-organizada em relação a três abordagens de referência e descobriram que a sua abordagem se destacou em termos de precisão, consistência e tempo de reação nas condições testadas. Na configuração experimental, um enxame de drones simulados e robôs terrestres coleta dados espaciais bidimensionais detectando objetos espalhados em uma arena e forma uma opinião coletiva sobre a densidade do objeto. Os robôs devem confiar em seus sensores de curto alcance para deduzir o número de objetos por unidade.

Essa nova abordagem, segundo os autores, utiliza uma “rede hierárquica ad-hoc dinâmica”. É construído sobre um tipo de estrutura geral conhecida como sistema nervoso mesclado, onde os robôs em cada nível da hierarquia têm papéis diferentes nos processos de tomada de decisão e os robôs podem alterar suas conexões e posições relativas conforme necessário, mesmo que cada robô seja limitado a comunicar apenas com os seus vizinhos diretos.

Na abordagem dos autores, o robô “cérebro” no nível superior é responsável por realizar inferências e enviar instruções de movimento a jusante, enquanto os robôs no nível médio gerenciam a transferência de dados e participam no equilíbrio dos objetivos de movimento globais e locais (por exemplo , durante a evitação de obstáculos), e a maioria no nível inferior realiza a coleta de amostras enquanto gerencia o movimento local.

Pesquisas futuras sobre o tema poderão investigar métodos de inferência avançados e expandir a robustez dos métodos de amostragem sob outros tipos de falhas de robôs ou condições ambientais desafiadoras, como ambientes com grandes obstáculos ou limites irregulares.

Fornecido pela Computação Inteligente