Privolitve za uporabo piškotkov in drugih orodij

Orodja in piškotki, ki jih uporabljamo na spletnem mestu, zbirajo v anonimizirani obliki informacije o obiskovalcih. Vaše privolitve nam omogočajo, da lahko zagotovimo delovanje vseh funkcij spletnega mesta, določene vsebine prilagodimo posebej za vas in z analizo obiska spletno mesto stalno izboljšujemo.

Vrste piškotkov

Soglašam, da spletno mesto uporablja orodja, vključno s piškotki, ki zagotavljajo pravilno delovanje in primeren nivo varnosti. Razumem, da spletno mesto brez tega ne more zagotavljati pravilnega delovanja, kot so navigacija po spletnem mestu, prilagajanje izgleda in zagotavljanje dostopa do posebnih delov spletnega mesta.

Soglašam, da spletno mesto uporablja orodja, vključno s piškotki, ki zbirajo anonimizirane podatke o obiskovalcih spletnega mesta. Razumem, da upravljavci spletnih mest brez tega ne morejo analizirati obiskanosti in načinov uporabe spletnega mesta za izboljševanje uporabniške izkušnje.

Nastavitve so bile shranjene.

Roji robotov se učijo sporazumevati: nova metoda omogoča sodelovanje več kot sto avtonomnih robotov

img_viewer_87.png

UL FS

Datum objave:

Oznaka:

  • Raziskovalni dosežki
  • Univerzitetna služba za raziskovalno dejavnost
  • Raziskovanje
  • CTR 9
  • UL FS

Roji robotov lahko učinkoviteje delujejo v skladiščih, iščejo preživele po naravnih nesrečah ali skupaj nadzirajo obsežna območja, a le, če znajo učinkovito komunicirati. Raziskovalci Fakultete za strojništvo UL so razvili novo metodo strojnega učenja, ki omogoča usklajeno sodelovanje več kot sto robotov. Metoda postavlja temelje za zanesljivejše in bolj razširljive sisteme avtonomnih mobilnih robotov v industriji in storitvenih dejavnostih.

Z naraščajočim številom avtonomnih mobilnih robotov v skladiščih, tovarnah in storitvenih okoljih postaja njihovo medsebojno sodelovanje vse pomembnejše: skupina nalogo opravi hitreje, se hitreje odzove na lokalne dogodke in je odpornejša na okvare. A z večanjem števila robotov se hitro pojavijo težave. Prostor skupnih dejanj raste eksponentno, komunikacijski kanali so hitro preobremenjeni, signali posameznih robotov pa se izgubijo v šumu sočasnih sporočil.

Dosedanji pristopi spodbujevalnega učenja (ang. reinforcement learning) so se osredotočali na manjše skupine ali poenostavljene scenarije brez vizualnega zaznavanja. Učinkovito učenje sporazumevanja v velikih skupinah robotov, ki bi okolje zaznavali  s kamerami, je ostajalo odprt problem.

Raziskovalci so razvili Century Maze, simulirano okolje za sodelovalno navigacijo velikih skupin robotov, in dve novi komponenti učenja, ki med njimi omogočita uspešno usklajevanje.

Prva, odvedljivo medagentno učenje predstav (ang. differentiable inter-agent belief learning), robote uči, da svoje predstave o ciljih sooblikujejo na podlagi opazovanj sosedov, in skozi komunikacijski kanal posreduje jasen učni signal. Druga, podoživljanje informativnih dogodkov (ang. informative event replay), pa v postopku učenja zaznava in ohranja redke, a ključne dogodke za razvoj sporazumevanja. Pristop presega obstoječe metode tudi v realističnih razmerah z motnjami v komunikaciji ter spremenljivimi vizualnimi in fizikalnimi pogoji.

Članek je bil objavljen v reviji IEEE Transactions on Robotics (IF 10.5 za 2024), izvorna koda, naučeni modeli in drugo gradivo pa so javno dostopni na spletnem repozitoriju.

Logotipi

  • ARIS (si)