ยานยนต์อัตโนมัติที่ถูกฝึกโดยมนุษย์สามารถตัดสินใจและนำทางได้ดีกว่ามนุษย์ที่ฝึกเสียเอง

ยานยนต์อัตโนมัติที่ใช้ในงานด้านการทหารอาจมีความสามารถที่สูงกว่ามนุษย์ โดยได้รับการออกแบบให้เฝ้าสังเกตการณ์มนุษย์ในการขับขี่ยานพาหนะเพื่อเรียนรู้และต่อยอดเพื่อให้เกิดยานยนต์อัตโนมัติที่มีศักยภาพมากยิ่งขึ้นในการใช้งาน

ในอนาคตอันใกล้นั้น ทหารและจอยควบคุมเกมส์อาจเป็นอุปกรณ์สำคัญที่จำเป็นในการสอนหุ่นยนต์ในการเอาชนะมนุษย์ในการขับขี่ โดย Army Research Laboratory แห่ง U.S. Army Combat Capabilities Development Command และมหาวิทยาลัย Texas ที่ Austin ได้มีการออกแบบ Algorithm ที่ทำให้ยานยนต์บนพื้นดินอัตโนมัติสามารถยกระดับระบบนำทางที่มีอยู่เดิมให้มีประสิทธิภาพมากยิ่งขึ้นด้วยการเฝ้าดูมนุษย์ในการขับขี่ยานยนต์

ทีมวิจัยได้ใช้ Adaptive Planner Parameter Learning from Demonstration หรือ APPLD ยานยนต์อัตโนมัติภาคพื้นดินสำหรับการทดสอบ ด้วยการให้ทหารที่ประจำการ ณ ศูนย์ฝึกทำการขับขี่ยานยนต์โดยปรกติและให้ระบบเรียนรู้จากกิจกรรมที่เกิดขึ้น ซึ่งจะเป็นผลดีกับการนำทางอัตโนมัติในพื้นที่ทุรกันดาร

นักวิจัยได้ผสานรวมการใช้ Machine Learning จาก Algorithm ที่เป็นตัวอย่างเข้ากับระบบนำทางอัตโนมัติแบบคลาสสิก ผลที่เกิดขึ้น คือ ระบบใหม่นั้นไม่ได้ทำการเขียนทับหรือแทนที่ระบบเดิม APPLD ทำการเรียนรู้วิธีที่จะปรับจูนระบบที่มีอยู่เดิมเพื่อให้มีลักษณะคล้ายกับตัวอย่างที่มนุษย์ได้ทำเอาไว้ ตัวอย่างนี้นำไปสู่การตั้งระบบที่ยังคงประโยชน์จากระบบนำทางแบบคลาสสิกเอาไว้ได้ เช่น จุดเด่นของข้อมูลเดิม ความสามารถในการอธิบาย ความปลอดภัย ในขณะที่เปิดโอกาสให้ระบบมีความยืดหยุ่นและประยุกต์ได้กับสภาพแวดล้อมใหม่ ๆ

จากการทดสอบพบว่า การใช้ตัวอย่างเพียงชุดเดียวจากการขับขี่ของมนุษย์ที่เกิดขึ้นผ่านจอยควบคุม Xbox ทำให้ APPLD สามารถเรียนรู้วิธีปรับแต่งระบบนำร่องอัตโนมัติเดิมได้อย่างแตกต่างขึ้นอยู่กับสภาพแวดล้อมในพื้นที่ เช่น ในพื้นที่คับแคบ การขับขี่ของมนุษย์จะช้าลงและขับอย่างระมัดระวัง หลังจากตรวจสอบพฤติกรรมดังกล่าวแล้ว ระบบอัตโนมัติจะเรียนรู้ที่จะลดความเร็วและเพิ่มการใช้งานประมวลผลเมื่อเจอสภาพแวดล้อมที่เหมือนกัน

หลังจากการทดลองของทีมวิจัยยังพบว่าระบบ APPLD สามารถนำทางภายใต้สภาพแวดล้อมทดสอบได้ไวขึ้นและมีความผิดพลาดน้อยลงมากกว่าการใช้งานระบบคลาสสิก นอกจากนี้ระบบ APPLD ที่ถูกฝึกฝนมาแล้วสามารถนำทางได้ไวกว่ามนุษย์ผู้ที่ฝึกฝนระบบเองเสียอีก

ความสำเร็จของ APPLD เป็นตัวแทนของรูปแบบสถานการณ์แบบใหม่ ที่ผู้คนที่ไม่ใช่ผู้เชี่ยวชาญในด้านหุ่นยนต์สามารถฝึกและยกระดับความสามารถในการนำทางของระบบอัตโนมัติได้หลากหลายสภาพแวดล้อม แทนที่จะใช้วิศวกรจำนวนเพียงหยิบมือทำการปรับแต่ง การให้ผู้ใช้งานที่มีจำนวนเหมือนจะเป็นไร้ขีดจำกัดสามารถป้อนข้อมูลที่จำเป็นให้กับระบบปรับแต่งตัวเองได้มากกว่าภายใต้สภาพแวดล้อมที่หลากหลายแตกต่างกันออกไป

ส่วนหนึ่งของความก้าวหน้านี้จะถูกทางทหารนำไปใช้งานกับยานยนต์สู้รบรุ่นใหม่ที่ถูกออกแบบมาให้ใช้งานได้ทั้งพาหนะต่อต้านมนุษย์ และพาหนะหุ่นยนต์สำหรับต่อสู้ที่สามารถนำทางได้อัตโนมัติแม้ในการใช้งานสำหรับพื้นที่ทุรกันดาร

ที่มา:
Army.mil