NYHET När tunga maskiner ska bli robotar med självstyrande förmågor är säkerheten högsta prioritet. I ett nytt EU-projekt samarbetar forskare och industri för att ta fram pålitliga och effektiva AI-styrda maskiner som minimerar risken att skada människor eller miljön.
Forskare vid Umeå universitet utvecklar autonoma system som kombinerar fysikens lagar med avancerad AI.
ImageMartin ServinTio europeiska universitet och företag, däribland Umeå universitet och Umeåföretagen Algoryx och Komatsu Forest, deltar i projektet där teknikvetenskaplig grundforskning möter den allra senaste AI-forskningen inom industrin. Målet är att kombinera grundläggande beräkningsfysik med artificiell intelligens, AI, för att skapa säkra och effektiva autonoma system som fungerar i praktiken.
Tunga arbetsmaskiner fyller en viktig funktion i många näringar, till exempel 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.
Förarlösa arbetsmaskiner är dock förknippade med flera svåra utmaningar. De är tunga och starka – konstruerade för att fysiskt manipulera sin omgivning. Då är det nödvändigt att systemen är säkra och pålitliga, det vill säga förutsägbara. Samtidigt måste de ha förmågan att snabbt anpassa sig efter plötsliga förändringar i omgivningen.
Förarlösa maskiner behöver kunna anpassa sig efter förändringar i omgivningen för att inte riskera att skada miljön eller, i värsta fall, människor.
ImageMartin ServinAtt balansera dessa till synes motstridiga krav är målet med forskningsprojektet XSCAVE. 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.
– 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 av olika scenarion, men det är svårt att garantera ett säkert beteende i situationer som skiljer sig markant från träningsfallen, säger Martin Servin som leder Umeå universitets forskningsinsatser i projektet.
Forskarna vill istället ge AI-modellerna mer direkt kunskap om maskinerna och omvärldens fysik. Genom att tillföra matematiska bivillkor kommer de enbart 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.
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.
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.
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.
