機器人與感測技術組

計劃主持人：包傑奇教授

本計畫的目標是開發嶄新的演算法，此演算法可以將類神經與深度學習架構轉換成易於分析與驗證的表示方式。類神經，特別是深度學習的架構，目前因為在各種應用的傑出表現大受歡迎，但是一個重要的缺點是，其動作方式向一個黑盒子，大部分的例子是不可能從中萃取可以理解的知識，因此，使用者不可能確定所學習的功能是否正確，這有可能引導至表現差與不正確的結果。由於越來越多人工智慧演算法實質衝擊人類生活，急迫的需要對於人工智慧演算法的可解釋性：人工智慧演算法的表現可以人類被說明、分析與了解，我們提出行為樹程式的方式，一種擴展Brook的架構，一種適合表達許多種機器人系統重要特徵，例如：認知、運動規劃與目的推理等等，我們將研究並評估我們的近似在三種應用，(a)自駕車；(b)核電廠操作機器人；(c)服務型機器人。這些機器人擁有對人工智慧獨特與重要的挑戰。在自駕車的應用，我們探討從影像到認知的對應轉換與視覺化的方法，其目標是評估認知對其他影像的強健性。在核電廠操作機器人應用，我們探討機器人進行核能發電機組除役程序經由強化式學習所建立的運動規劃，在無人搬運車的應用，我們探討目標行為成為計畫。初步，我們使用白盒子近似，也就是將有關內部系統結構的知識在我們的轉換，例如：深度學習網路或強化是學習者的輸出將被直接使用。在最後階段，我們將處理系統像黑盒子，並且推理一個沒有其內部結構知識的機器人系統，將其近似成行為樹。

關鍵字

可解釋的人工智慧，行為樹的分解，核電廠操作機器人，無人搬運車，自駕車。

創新

• 我們提出行為樹程式的方式，一種擴展Brook的架構，一種適合表達許多種機器人系統重要特徵，例如：認知、運動規劃與目的推理等等。
• 我們將研究並評估我們的近似在三種應用，(a)自駕車；(b)核電廠操作機器人；(c)服務型機器人。
• 在自駕車的應用，我們探討從影像到認知的對應轉換與視覺化的方法，其目標是評估認知對其他影像的強健性。
• 在核電廠操作機器人應用，我們探討機器人進行核能發電機組除役程序經由強化式學習所建立的運動規劃，在無人搬運車的應用，我們探討目標行為成為計畫。
• 最後一個應用是在社會機器人，應用在機器人協助人類或其他機器人在職場或家裡工作。

效益

• 在這計畫中，我們聚焦在允許我們表達機器人應用的控制流程行為的程式語言。
• 這個程式語言要足夠摘錄用以推理機器人的信念與意圖，這對於人工智慧的可解釋性是很重要的。
• 經由整合與應用在機器人計畫的開發，是學生學得知識的實際方式，系統性的近似不只幫助建立扎實的知識，更重要的學生準備好在職場上的跨領域技巧。
• 問題的解決需要研究、創意、邏輯推理與行動規劃，團隊工作幫助學生發展他們的溝通、推理與協調的能力。
• 領導技能也可以用這方法發展，這些所有社會技能如同技術一樣重要，或許，就長期而言，更重要。在技術領先、工具、方法與技術的快速變化中，可以短時間得替換或更新，社會技能可以幫助學生解決這改變。
• 在本計畫中的兩個應用，自駕車與核電廠操作機器人，在未來的社會中是很主要的工作。