مقالات

مهندسان MIT در یک ماموریت برای یافتن خرابی ها هستند | اخبار MIT



از جلوگیری از برخورد وسایل نقلیه گرفته تا سیستم‌های برنامه‌ریزی خطوط هوایی گرفته تا شبکه‌های برق، بسیاری از خدماتی که ما به آنها تکیه می‌کنیم توسط کامپیوترها کنترل می‌شوند. همانطور که این سیستم های خودمختار پیچیده تر و همه جا حاضر می شوند، ممکن است راه هایی که در آنها شکست می خورند نیز وجود داشته باشد.

در حال حاضر، مهندسان MIT رویکردی را توسعه داده‌اند که می‌تواند با هر سیستم خودمختار همراه شود تا به سرعت طیفی از خرابی‌های احتمالی در آن سیستم را قبل از استقرار در دنیای واقعی شناسایی کند. علاوه بر این، این رویکرد می‌تواند رفع عیب را پیدا کند و برای جلوگیری از خرابی سیستم، تعمیرات را پیشنهاد کند.

این تیم نشان داد که این رویکرد می‌تواند خرابی‌ها را در انواع سیستم‌های مستقل شبیه‌سازی‌شده، از جمله شبکه‌های کوچک و بزرگ شبکه‌های برق، سیستم جلوگیری از برخورد هواپیما، تیم پهپادهای نجات و دستکاری‌کننده رباتیک ریشه‌یابی کند. در هر یک از سیستم‌ها، رویکرد جدید، در قالب یک الگوریتم نمونه‌برداری خودکار، به سرعت مجموعه‌ای از خرابی‌های احتمالی را شناسایی می‌کند و همچنین تعمیراتی را برای جلوگیری از آن خرابی‌ها شناسایی می‌کند.

الگوریتم جدید رویکرد متفاوتی نسبت به سایر جستجوهای خودکار دارد که برای شناسایی شدیدترین خرابی های سیستم طراحی شده اند. این تیم می‌گوید این رویکردها می‌توانند آسیب‌پذیری‌های ظریف‌تر، هرچند مهم‌تری را که الگوریتم جدید می‌تواند شناسایی کند، از دست بدهند.

چارلز داوسون، دانشجوی فارغ التحصیل در دپارتمان هوانوردی و فضانوردی MIT می‌گوید: «در واقع طیف وسیعی از آشفتگی‌ها وجود دارد که می‌تواند با این سیستم‌های پیچیده‌تر اتفاق بیفتد. ما می‌خواهیم بتوانیم به این سیستم‌ها اعتماد کنیم تا ما را به اطراف برانند، هواپیما را پرواز دهیم یا شبکه برق را مدیریت کنیم.» این واقعا مهم است که محدودیت های آنها را بدانید و در چه مواردی احتمال شکست آنها وجود دارد.

داوسون و چوچو فن، استادیار هوانوردی و فضانوردی در MIT، حاضر هستند کار آنها این هفته در کنفرانس آموزشی رباتیک.

حساسیت نسبت به حریفان

در سال 2021، یک شکست بزرگ سیستم در تگزاس، فان و داوسون را به فکر فرو برد. در فوریه همان سال، طوفان های زمستانی سراسر ایالت را درنوردید و دماهای سرد غیرمنتظره ای را به همراه آورد که باعث خرابی شبکه برق شد. این بحران بیش از 4.5 میلیون خانه و کسب و کار را برای چند روز بدون برق گذاشت. فروپاشی گسترده سیستم منجر به بدترین بحران انرژی در تاریخ تگزاس شد.

داوسون می‌گوید: «این یک شکست بسیار جدی بود که مرا به این فکر انداخت که آیا می‌توانستیم آن را پیش‌بینی کنیم». آیا می‌توانیم از دانش خود در مورد فیزیک شبکه برق برای درک نقاط ضعف آن استفاده کنیم و سپس ارتقاها و وصله‌های نرم‌افزاری را برای سخت‌تر کردن آسیب‌پذیری‌ها قبل از وقوع فاجعه‌بار هدف قرار دهیم؟»

کار داوسون و فن بر روی سیستم‌های روباتیک و یافتن راه‌هایی برای انعطاف‌پذیرتر کردن آن‌ها در محیط خود متمرکز است. آنها که تا حدی به دلیل بحران انرژی تگزاس تحریک شده بودند، تلاش کردند تا دامنه خود را گسترش دهند و خرابی ها را در سایر سیستم های خودمختار پیچیده تر و بزرگتر شناسایی و اصلاح کنند. برای انجام این کار، آنها متوجه شدند که باید رویکرد مرسوم برای یافتن باگ ها را تغییر دهند.

طراحان اغلب ایمنی سیستم های خودران را با شناسایی محتمل ترین و شدیدترین خرابی های آنها آزمایش می کنند. آنها با یک شبیه سازی کامپیوتری از سیستم شروع می کنند که نمایانگر فیزیک زیربنایی آن و همه متغیرهایی است که می توانند بر رفتار سیستم تأثیر بگذارند. سپس شبیه‌سازی را با نوعی الگوریتم اجرا می‌کنند که «بهینه‌سازی متخاصم» را انجام می‌دهد، رویکردی که به‌طور خودکار برای بدترین سناریو با ایجاد تغییرات کوچک در سیستم، بارها و بارها بهینه‌سازی می‌شود تا زمانی که بتواند آن تغییرات را محدود کند. با بیشترین – شکست های شدید همراه هستند.

داوسون خاطرنشان می کند: “با متراکم کردن همه این تغییرات به جدی ترین یا محتمل ترین شکست، پیچیدگی رفتاری را که ممکن است مشاهده کنید از دست می دهید.” در عوض، ما می‌خواستیم شناسایی انواع شکست‌ها را در اولویت قرار دهیم.»

برای انجام این کار، تیم رویکرد “حساس” تری را در پیش گرفت. آنها الگوریتمی را توسعه دادند که به طور خودکار تغییرات تصادفی در سیستم ایجاد می کند و حساسیت یا شکست احتمالی سیستم را در پاسخ به این تغییرات تخمین می زند. هر چه یک سیستم نسبت به یک تغییر خاص حساس تر باشد، احتمال اینکه تغییر با یک شکست احتمالی همراه باشد بیشتر است.

این رویکرد به تیم اجازه می دهد تا طیف وسیع تری از آسیب های احتمالی را هدف قرار دهد. از طریق این روش، این الگوریتم همچنین به محققان اجازه می‌دهد تا با ردیابی از طریق زنجیره تغییراتی که منجر به یک باگ خاص شده است، اصلاحات را شناسایی کنند.

فن می‌گوید: «ما تشخیص می‌دهیم که مشکل واقعاً یک دوگانگی دارد. «سکه دو روی دارد. اگر می‌توانید شکست را پیش‌بینی کنید، باید بتوانید پیش‌بینی کنید که برای جلوگیری از آن شکست چه کاری انجام دهید. روش ما اکنون این حلقه را می بندد.

شکست های پنهان

این تیم رویکرد جدید را بر روی انواع سیستم‌های مستقل شبیه‌سازی شده، از جمله یک شبکه برق کوچک و بزرگ، آزمایش کردند. در این موارد، محققان الگوریتم خود را با شبیه سازی شبکه های برق منطقه ای تعمیم یافته جفت کردند. آنها نشان دادند که در حالی که رویکردهای مرسوم بر روی یک خط برق به عنوان آسیب‌پذیرترین خط برق تمرکز می‌کنند، الگوریتم تیم دریافت که اگر با خرابی خط دوم ترکیب شود، ممکن است خاموشی کامل رخ دهد.

داوسون می گوید: «روش ما می تواند همبستگی های پنهان در سیستم را شناسایی کند. “از آنجایی که ما کار بهتری را برای کاوش در فضای شکست انجام می دهیم، می توانیم انواع خرابی ها را پیدا کنیم، گاهی اوقات حتی خرابی های شدیدتر از آنچه روش های موجود می توانند تشخیص دهند.”

محققان نتایج متفاوت مشابهی را در سایر سیستم‌های خودمختار از جمله شبیه‌سازی اجتناب از برخورد هواپیما و هماهنگی پهپادهای نجات نشان داده‌اند. برای اینکه ببینند آیا پیش‌بینی‌های شکست شبیه‌سازی آن‌ها در واقعیت عمل می‌کند یا خیر، آنها همچنین این رویکرد را روی یک دستکاری‌کننده روباتیک نشان دادند – یک بازوی رباتیک که برای فشار دادن و برداشتن اشیا طراحی شده است.

این تیم ابتدا الگوریتم خود را بر روی یک شبیه‌سازی روباتی اجرا کردند که برای بیرون راندن یک بطری بدون ضربه زدن به آن، هدایت می‌شد. هنگامی که آنها همان سناریو را در آزمایشگاه با ربات واقعی اجرا کردند، متوجه شدند که به روشی که الگوریتم پیش‌بینی کرده بود شکست خورده است – به عنوان مثال، ضربه زدن به آن یا نرسیدن کامل به بطری. هنگامی که آنها اصلاح پیشنهاد شده توسط الگوریتم را اعمال کردند، ربات با موفقیت بطری را هل داد.

داوسون می‌گوید: «این نشان می‌دهد که در واقعیت این سیستم زمانی که ما پیش‌بینی می‌کنیم شکست می‌خورد و زمانی که انتظارش را داریم موفق می‌شود».

در اصل، رویکرد تیم می‌تواند ایرادات را در هر سیستم مستقلی پیدا کرده و برطرف کند، به شرطی که شبیه‌سازی دقیق رفتار آن باشد. داوسون روزی پیش بینی می کند که این رویکرد می تواند به برنامه ای تبدیل شود که طراحان و مهندسان می توانند آن را دانلود کرده و از آن برای تنظیم و سفت کردن سیستم های خود قبل از آزمایش در دنیای واقعی استفاده کنند.

داوسون می گوید: «با افزایش میزان تکیه ما به این سیستم های تصمیم گیری خودکار، من فکر می کنم طعم شکست تغییر خواهد کرد. به جای خرابی های مکانیکی در یک سیستم، شاهد خرابی های بیشتری خواهیم بود که ناشی از تعامل تصمیم گیری خودکار و دنیای فیزیکی است. ما در تلاش هستیم تا با شناسایی انواع آسیب ها و رسیدگی به آنها، این تغییر را توضیح دهیم.»

این تحقیق تا حدی توسط ناسا، بنیاد ملی علوم و دفتر تحقیقات علمی نیروی هوایی ایالات متحده پشتیبانی شده است.



Source link

نوشته های مشابه

دکمه بازگشت به بالا