Robotar skulle kunna klara av flera och mer komplexa uppgifter än vad de gör i dag. Robotar skulle också kunna lära av varandra vilket skulle göra hela tillverkningsindustrin ännu mer effektiv. Det visar Quantao Yang i sin doktorsavhandling i datavetenskap vid Örebro Universitet.
Precis som en nyfödd bebis lär sig saker för första gången – som att greppa klossar, krypa och så småningom gå och prata – har även en robot ett slags nolläge till en början.
– I de allra flesta fall lär sig roboten allt från grunden. Dessutom är de, inte minst inom tillverkningsindustrin, strikt programmerade till att klara en specifik uppgift. Robotar har många gånger svårt att lära sig nya saker, förklarar Quantao Yang och fortsätter:
– De följer sina exakta steg och adderar man en ny uppgift klarar inte roboten av att lösa den.
Det var för några år sedan, när Quantao Yang arbetade som robotingenjör, som det slog honom hur svårt det är att få en robot att klara av olika typer av och mer komplexa uppgifter.
– Jag ville undersöka om det skulle vara möjligt för roboten att klara av mer än en uppgift, berättar han.
Och det är precis det hans avhandling handlar om – hur robotar genom artificiell intelligens ska kunna dra nytta av det de redan lärt sig för att lösa nya uppgifter. Dessutom kan man genom artificiell intelligens dra nytta av en annan robots kunskap för att klara helt nya uppgifter på ett mer effektivt sätt.
– Det som förvånade mest var dels att roboten faktiskt kan förvärva nya färdigheter genom att nyttja tidigare erfarenhet, dels att den kan lära sig av en annan robot.
Tack vare hans slutsatser kan behovet av tidsödande och manuell programmering minska.
– Robotar kommer kunna lära upp nya robotar, precis som vi människor lär varandra. På så sätt kommer robotar kunna anpassa sig till olika miljöer och mer oväntade förändringar, de blir mer flexibla helt enkelt. Vilket i sin tur kommer göra tillverkningsindustrin mycket mer effektiv.
Kommer robotar även kunna komma på lösningar och lära sig nya färdigheter på egen hand, som vi människor inte tänkt ut?
– Ja, på något sätt tror jag att de kommer kunna göra det. Men det är komplext och det är en av de stora utmaningarna för branschen i dag, världen över.
Med avhandlingen Robot Skill Acquisition through Prior-Conditioned Reinforcement Learning blir Quantao Yang först ut vid Örebro universitet med en doktorsavhandling inom WASP, Wallenberg AI, Autonomous Systems and Software Program. Det är det största individuella forskningsprogrammet i Sverige, ett nationellt initiativ för strategiskt motiverad grundforskning, forskarutbildning och rekrytering av akademisk kompetens.
Text: Örebro universitet