Mer fysik för den förarlösa grävmaskinen

Redan idag kan förarlösa, autonoma, grävmaskiner gräva diken och utföra olika repetitiva uppgifter, men när det dyker upp sten eller andra oförutsagda händelser får de problem.

För att ta nästa steg i utvecklingen av autonoma arbetsmaskiner har EU:s forsknings- och innovationsprogram Horizon Europe startat projekt XSCAVE. Projektet har en budget på nästan åtta miljoner Euro och engagerar tio universitet och företag i sex länder.

Från Sverige deltar Umeå universitet samt umeåföretagen Komatsu Forest AB och Algoryx Simulation AB. 

– Projektet löper under fyra år och på den tiden räknar jag med att vi har gjort stora framsteg mot full autonomi, säger Viktor Wiberg, senior forskare och utvecklare vid Algoryx.

Han borde veta vad han talar om eftersom han just avslutat sina doktorandstudier vid Umeå universitet med att ta en 16 ton skogsmaskin till skogen och låta den köra förarlöst över stock och sten. För det är just stora och komplexa maskiner som är utmaningen när det är dags för automation. Att få en gräsklippare eller dammsugare att på egen hand lösa sin uppgift är betydligt enklare än att skicka ut en skogsmaskin eller en grävare på uppdrag. 

Att göra en stor och stark maskin, som dessutom utför en mängd varierande uppgifter, möjlig att framföra utan förare i hytten är svårt. Deras styrka och storlek gör dem farliga, och de utför komplicerade uppgifter. Det är här företaget Algoryx och Viktor Wiberg och hans kolleger kommer in. De är nämligen experter på datorsimulering och har nya idéer om hur den artificiella intelligens, AI, som används i maskinerna ska tränas för uppgiften. 

– Vårt mål med XSCAVE är att klara mer än vad traditionell AI klarar av. Vi vill att vår AI även ska klara av att interagera med sin omgivning. Vi är specialiserade på fordon och deras markinteraktion och ska använda oss av fysiksimulering för att lära grävmaskinen mer om markens fysiska egenskaper och fysikaliska begrepp som till exempel friktion och energi.

Det hela handlar alltså om att simulera händelser. Att skapa en modell av maskinen i en dator, och sedan lägga till en verklighetstrogen omgivning, gör det möjligt att testa och träna systemen helt virtuellt – utan risker för omgivningen, betydligt billigare och dessutom helt utan dieselåtgång.

För att bygga en verklighetsmodell inleds arbetet med att ställa samman en omfattande mängd parametrar som beskriver den verklighet som maskinen arbetar i. 

– Det är en av våra stora utmaningar, kommenterar Viktor Wiberg. När vi sätter upp en fysiksimulering är det avgörande att vår representation av verkligheten är så korrekt som möjligt. Vi använder oss av data som vi samlat från verkligheten och det känns bra att vi i det här projektet även har med partners från industrin så att vi har god tillgång på data.

Om simuleringen utförs efter fysikmodeller som inte är tillräckligt verklighetstrogna uppstår ett så kallat verklighetsglapp och det betyder i sin tur problem. När en maskin tränats i en miljö som har ett verklighetsglapp så är det lätt att föreställa sig vad som kan hända när den släpps ut i den verkliga verkligheten. AI kan då få maskinen att göra saker som inte alls är så bra. 

Viktor Wibergs doktorsavhandling visar dock att det är möjligt att träna även en komplicerad maskin så att den överbryggar verklighetsglappet. Efter flera miljoner träningssteg i universitetets superdator lyckades han få en skogsmaskin att navigera på egen hand i verklig miljö. Det går alltså att överföra AI-styrning till en så komplex maskin som en fysisk skogsmaskin efter att ha tränat den i simulerad miljö. 

Det XSCAVE och Algoryx nu alltså ska tillföra för att göra autonoma grävmaskiner ännu smartare är att bädda in beräkningsmodeller för fysiken så att AI-modellerna ska få en medvetenhet om orsak och verkan så att de kan uppskatta resultatet av planerade rörelser innan de utförs. De ska tränas för att lära sig hur det känns att stöta på en sten, vad slirning innebär och vad som händer när sidorna i schakten börjar glida neråt. Systemet ska helt enkelt få en större kunskapsbas att använda när beslut ska fattas. 

– I simuleringen kan vi skapa en miljö som efterliknar olika typer av jord och vi kan bädda in stenar och olika objekt, berättar Viktor Wiberg.

Men hur vet man att grävaren verkligen fattar rätt beslut i varje enskild situation? 

– Det är svår att säga för alla specifika fall. Jag tror att det är bättre att sätta ett stort övergripligt mål som till exempel att grävaren i en viss terräng har gjort ett dike som ser ut på ett visst sätt och grävt med så liten energiåtgång som möjligt.

Om fyra år vet vi alltså hur det har gått för projekt XSCAVE. Ett är dock säkert enligt Viktor Wiberg: förändringen kommer inte att ske över en natt och vi människor kommer inte att bli överflödiga. 

– Övergången kommer att ske i flera steg, först kommer det autonoma systemet att användas som förarstöd och sedan för fjärrstyrning innan maskinerna blir helt autonoma. Jag tror också att det fortfarande kommer att krävas en människa som övervakar arbetet, slår han fast.