INC 551 Artificial Intelligence Lecture 10 Introduction to Mobile Robotics

World Model Environment Action Sense, Perceive Make Decision Agent World Model ถ้ามีแล้ว agent จะฉลาดไหม ?

Start Goal Maze Problem เดินสำรวจ, สร้าง map คิดหาเส้นทางออก behavior “ เดินเลาะทางขวาไปเรื่อยๆ ”

Robotics เป็น Applications ที่จะนำทฤษฎี AI ไปใช้งานจริง เทอม “robot” มาจากละคร Karel Capek’s 1921 play RUR (Rossum’s Universal Robots) มาจากคำว่า “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 ประกอบด้วยส่วนหลัก 3 ส่วน Perception Interaction Action

History of Robotics 1921: Karel Capek’s play Rossum’s Universal Robots 1948: W. Grey Walter’s Tortoise Robot เป็น mobile robot ตัวแรก ชื่อ “Machina Speculatrix” 1 photocell, 1 bump sensor, 1 motor, 3 wheels, 1 battery เดินหาแสงสว่าง

1956: Artificial Intelligence ถือกำเนิดที่ Dartmouth University โดย Marvin Minsky, John McCarthy, Herbert Simon Search, plan, logic representation, etc. 1960s: Shakey เป็น mobile robot ตัวแรกที่ program ได้ Stanford Research Institute (SRI) มีกล้องติดอยู่ ใช้ vision ช่วยในการเคลื่อนที่ ใช้ STRIP planner Deliberative systems

Stanford cart (1977)/ CMU Rover(1983) ต้นแบบของการใช้ sonars / vision ประกอบกัน สร้าง world model 1986: Rodney A. Brook (MIT) สร้าง 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 ข้อดี –Simple –Fast ข้อจำกัด / ข้อเสีย –No memory –No internal representations of the world –Unable to plan ahead –Unable to learn

Example Sensor 1 Sensor 2 Sensor 3 Reactive Robot On/Off High/Med/Low Robot มี sensors 3 ตัว จะทำการสร้างตาราง map sensor/action ได้ sensor 2x2x3=12 แบบ

Sensor1/2/3Action Off/Off/Low เดินหน้าเต็มที่ Off/Off/Med เดินหน้าช้าๆ Off/Off/High เลี้ยวขวา Off/On/Low เลี้ยวซ้าย Off/On/Med เดินหน้าช้าๆ : ตาราง mapping sensor และ action

Potential Field Method Robot เคลื่อนที่จากจุดหนึ่งไปอีกโดยมีสิ่งกีดขวางอยู่ตรงกลาง Goal

Field ต้านจาก obstacle Field ดูดจาก goal Total Note: เวลาใช้งานจะคำนวณเฉพาะที่ robot อยู่เท่านั้น ข้อดี จะมี infinite number of reactions ข้อเสีย สามารถ stuck ที่ local minima ได้ง่าย

Motor Schema Method โดย Ronald Arkin (Georgia Tech, 1989) เป็น reactive architecture แบบหนึ่งโดยจะมองทุกอย่างให้เป็น vectors เพื่อนำทั้งหมดมาสร้าง 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 obstaclesStaying 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 ข้อดี Capable of learning and prediction Finds strategic solutions ข้อเสีย 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 หุ่นยนต์เดินตามเส้น เก็บกล่อง (1,1) (4,4) (1,2) box Robot ทราบว่าตัวเอง อยู่ตำแหน่งไหน

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: ใช้เวลา search นานมากกว่าจะครบทุก state Space: ใช้ memory มากที่จะแทน state ครบทุก state Information: world model ไม่ค่อย correct และ up-to-date

Hybrid Control : Think and act independently & concurrently! เป็นการรวมกันของ 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” รับเอาข้อดีจากทั้ง reactive และ deliberative ข้อเสียคือยุ่งยากโดยเฉพาะการออกแบบ middle layer Reactive and deliberative layers operate on very different time-scales and representations These layers must operate concurrently เป็นแบบที่ใช้กันอย่างแพร่หลายในปัจจุบัน

Example: Atlantis โดย E. Gat, Jet Propulsion Lab (JPL), NASA, 1991 Three layers: Deliberator: planning and world modeling Sequencer: initiation and termination of low- level 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 ใกล้แบบ Reactive มี world model ขนาดเล็กๆในแต่ละ behavior module Allow for a variety of behavior coordination mechanisms อาศัยความฉลาดของมนุษย์มาประกอบ behaviors แต่ละอันเข้าด้วยกัน

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 มีอะไรบ้าง จะขึ้นกับ task แยก task ออกเป็น behaviors ย่อยๆแต่ละอัน ออกแบบ behavior ทดสอบแยกกันทีละอัน เพิ่ม behavior เข้าไปทีละอัน ใช้หลัก suppression/inhibition และความฉลาดของมนุษย์ ในการประกอบ behaviors เข้าด้วยกัน

Subsumption Layer level 2 level 1 level 0 sensors First, we design, implement, and debug layer 0 Next, we design layer 1 When layer 1 is designed, layer 0 is taken into consideration and utilized, its existence is “subsumed” As layer 1 is added, layer 0 continues to function. Continue designing layers, until the desired task is achieved actuators

Suppression & Inhibition AFSM inputsoutputs suppressor inhibitor I s กลไกในการประกอบ behaviors เข้าด้วยกัน Higher layers can disable the ones below Avoid-obstacles can stop the robot from moving around Layer 2 can either: Inhibit the output of level 1 or Suppress the input of level 1 The process is continued all the way to the top level level 2 level 1 level 0

Example Safe wander (Brooks, 1986)

Emergent Behavior การประกอบกันของ behaviors หลายๆอย่างอาจจะทำให้เกิด behavior อีกอันหนึ่งที่คาดไม่ถึงเรียก “Emergent behavior” ซึ่งเกิดจาก 2 สิ่ง A robot’s interaction with the environment The interaction of behaviors เช่น 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 ได้จาก behaviors เหล่านี้ Don’t get too close to other robots Don’t get too far from other robots Keep moving if you can