Tunga AI-styrda maskiner ska bli säkrare med beräkningsfysik
Hem TEKNIK Tunga AI-styrda maskiner ska bli säkrare med beräkningsfysik

Tunga AI-styrda maskiner ska bli säkrare med beräkningsfysik

Publicerat av: Redaktionen

När tunga maskiner ska bli självstyrande är säkerheten högsta prioritet. I Umeå samarbetar forskare och industri med att ta fram pålitliga AI-styrda maskiner som minimerar risken för att skada människor och miljö.

Inom ramen för EU-projektet XSCAVE utforskas nya sätt att kombinera fysik och artificiella neuronnätverk för att prediktera maskiners rörelse i terräng.

Tio europeiska universitet och företag, däribland Umeå universitet och Umeåföretagen Algoryx och Komatsu Forest, deltar i EU-projekt XSCAVE där teknikvetenskaplig grundforskning möter den allra senaste AI-forskningen i industrin.

Målet är att kombinera grundläggande beräkningsfysik med artificiell intelligens, AI, för att skapa säkra och effektiva autonoma system och AI-styrda fordon som fungerar i praktiken.

AI-styrda fordon måste vara förutsägbara och flexibla

Tunga arbetsmaskiner fyller en viktig funktion i många näringar, exempelvis gruvdrift, skogsbruk, jordbruk och markanläggning. Men på många håll råder brist på förare och behovet av att minska maskinernas miljöavtryck blir allt större. Ökad automation och effektivisering av maskinerna står därför högt på agendan.

Tunga AI-styrda maskiner ska bli säkrare med beräkningsfysikFörarlösa arbetsmaskiner används på vissa håll i begränsad skala, men de är förknippade med flera utmaningar. De är tunga och starka – konstruerade för att fysiskt manipulera sin omgivning. Det innebär att de måste vara säkra och pålitliga, det vill säga förutsägbara. Samtidigt måste de ha förmågan att snabbt anpassa sig till plötsliga förändringar i omgivningen.

Att balansera dessa till synes motstridiga krav är målet med forskningsprojektet XSCAVE där man använder avancerad beräkningsfysik för att träna de AI-styrda maskinerna i så naturlika förhållanden som möjligt.

Projektets resultat kommer bland annat att demonstreras på skogsmaskiner som kör i svår terräng, grävande maskiner som plötsligt stöter på mark med stora inbäddade stenar samt mindre förarlösa transportrobotar i olika väderförhållanden.

Gör modellerna ”medvetna”

Idag används fysikbaserad simulering för att träna och testa styrsystem och avancerade AI-modeller, så kallade djupa neuronnätverk. Det är ett säkert och billigt sätt att träna på en uppsjö olika scenarion, men det är svårt att garantera ett säkert beteende i situationer som skiljer sig markant från träningsfallen, förklarar Martin Servin som leder Umeå universitets forskningsinsatser i projektet.

Forskarna i XSCAVE-projektet vill ge AI-modellerna mer direkt kunskap om maskinerna och omvärldens fysik för att kunna användas för AI-styrda tunga fordon. Genom att tillföra matematiska bivillkor kommer de att kunna lära sig handlingsmönster som är förenliga med fysikens naturlagar om energi, tröghet och krafter.

– När vi bäddar in beräkningsmodeller för fysiken ger vi AI-modellerna en “medvetenhet” om orsak och verkan och ett verktyg för att uppskatta resultatet av planerade rörelser innan de utförs. Då blir det möjligt att välja bort alternativ som är förknippat med oacceptabel risk för skada eller negativ miljöpåverkan. Samtidigt tror vi att detta är ett sätt att nå högre precision och effektivitet, säger Martin Servin.

Årets Nobelpris i fysik banar väg för XSCAVE

Nobelpriset i fysik 2024 går till upptäckter och uppfinningar som möjliggör maskininlärning med artificiella neuronnätverk. Pristagarna John Hopfield och Geoffry Hinton har utvecklat metoder som ger nätverken förmåga att lagra minnen och att hitta underliggande mönster i data vilket är en förutsättning för XSCAVE.

Idag har artificiella neuronnätverk en central roll inom AI-området och är oumbärliga för exempelvis bildigenkänning och generativa språkmodeller. I projektet XSCAVE utforskas nya sätt att kombinera fysik och artificiella neuronnätverk för att för att prediktera maskiners rörelse i terräng.

XSCAVE står för “Explainable, Safe, Contact-Aware Planning and Control for Heavy Machinery Manipulation and Navigation.” Projektet löper 2025–2028 och finansieras med nära 90 miljoner kronor från EU-programmet Horisont Europa. Deltagande organisationer är Aalto University, Algoryx, Forschungszentrum Informatik, Clevon, Czech Technical University in Prague, Komatsu Forest, Novatron, Tampere University, Toshiba Europe, Umeå universitet samt University of Tartu.

Relaterade Artiklar

Vi använder cookies och andra identifierare för att förbättra din upplevelse. Detta gör att vi kan säkerställa din åtkomst, analysera ditt besök på vår webbplats. Det hjälper oss att erbjuda dig ett personligt anpassat innehåll och smidig åtkomst till användbar information. Klicka på ”Jag godkänner” för att acceptera vår användning av cookies och andra identifierare eller klicka ”Mer information” för att justera dina val. Jag Godkänner Mer Information >>