脳インスパイヤ・リクイドニューラルネットワークを使うドローン

May, 1, 2023, Cambridge--MITの研究者は、自律ドローンナビゲーションで新たな前進を示している。これは､脳からヒントを得たリキッドニューラルネットワーク(液体神経回路網)であり、これは分布外のシナリオで優れている。

新しいドローンは、空に舞い上がり、リキッドニューラルネットワーク(LNN)に誘導されて､絶え間なく変化し、見たこともない環境を正確かつ容易にナビゲートする鳥類からヒントを得た驚嘆である。

有機脳の順応的性質からヒントを得て、MIT’s Computer Science and Artificial Intelligence Laboratory (CSAIL)の研究者は、ロバストな飛行ナビゲーションエイジェントのための方法を導入した。複雑で不慣れな環境においてビジョンベースで、ターゲットに飛行するタスクをマスターするためである。連続的に新しいデータインプットに適応するLNNは、未知の領域で確実な決定を下す能力を示した。森、都会の景観、騒音、回転、妨害が加わる環境である。これらの順応モデルは、ナビゲーションタスクで多くの先進的ドローンを凌駕しており、実世界のドローンアプリケーション、探索、レスキュー、配達および野生動物のモニタリングなどで、潜在性を示している。

Science Roboticsに発表された研究は、この新種のエイジェントが、有意の分布変化、その分野における長年の課題にいかに適応できるかを詳細に説明している。しかし、チームの新しい種類のマシンラーニングアルゴリズムは、ドローン搭載のカメラからのピクセルインプットなど、高次の、非構造化データからタスクのカジュアル構造を捉える。これらのネットワークは、次にタスクの重要な側面を抽出し、関係ない特徴を無視することができる。これにより取得されたなナビゲーションスキルはターゲットを新しい環境にシームレスに移動させることができる。

リクイド・ネットワークは、ディープラーニングシステムにおける重要な弱点に対処する能力の有望な予備的示唆を提供している。チームのシステムは、まず、人間のパイロットにより収集されたデータで訓練し、学習したナビゲーションスキルを景観や条件の劇的に変化する新しい環境にどう伝えるかを見た。トレーニング期間だけに学習する従来のニューラルネットワークと違い、リクイドニューラルネットのパラメタは､時間経過にともない変わりうるので、解釈できるだけでなく、予想外の、あるいはノイジーデータに対する回復力がある。

一連のクワドロータクローズドループ制御実験で、そのドローンは、距離のテスト、ストレステスト、ターゲット回転および妨害、敵とのハイキング、物体間の三角ループ、動的標的追跡を行った。動く標的を追跡し、今まで見たこともないような環境で物体間のマルチステップループを実行し、他の最先端のドローンの性能を凌駕した。

限られたエクスパートデータから学習し、新しい環境への一般化を行いながら、所与のタスクを理解する能力は、自律的なドローンの導入を、より効率的にし、費用効率を高め、高信頼にすることができる、とチームは考えている。リクイッドニューラルネットワークは、チームによると、自律的空中モビリティドローンを環境モニタリング、小包の配達、自律走行車、ロボット支援に使えるようにする。

MIT CSAIL Research Affiliate Ramin Hasaniは、「われわれの研究で提示された実験セットアップは、制御されたシナリオと単純なシナリオで様々な深層学習システムの推理能力をテストしている。自律ナビゲーションアプリケーションにおけるAIシステムのためのより複雑な推論問題についての今後のR&Dには、まだ十分な余地がある。それらをわれわれの社会に安全に導入できるようになるまでには試験が必要である」と同氏は、コメントしている。

「分布外のタスクやシナリオでのロバストな学習およびパフォーマンスは、社会的に重要なアプリケーションに参入するためにマシンラーニングや自律ロボットシステムが克服しなければならない重要問題の一部である」とインペリアルカレッジ・ロンドン(Imperial College London)、コンピューティング学部、AI安全性教授、Alessio Lomuscioは、コメントしている。「この関連では、リクイッドニューラルネットラークのパフォーマンス、MITで開発された新しい脳からヒントを得たパラダイムは、目を見張るものである。これらの結果が、他の実験で確認されると、ここで開発されたそのパラダイムは、AIとロボットシステムをより高信頼に、ロバストに、効率的にすることに貢献する」と同氏は続けている。

明らかに、空は、今や制限はなく、むしろこれら空中の驚異の無限の可能性にとっての広大なプレイグラウンドである。

(詳細は、https://news.mit.edu/)