DuckieNet gegen das Reproduzierbarkeitsproblem
Forschende versuchen das Reproduzierbarkeitsproblem mit dem DuckieNet zu lösen.
Die Robotik hat ein Problem, denn viele Effekte können nicht immer reproduziert werden. Da beispielsweise die Künstliche Intelligenz (KI) selbstständig lernt, verändert sie das Ergebnis. Hinzu kommen unzählige Komponenten, die miteinander interagieren. Eine Beobachtung der Vorgänge ist, wie beispielsweise bei der Künstlichen Intelligenz, nicht möglich.
DuckieTown. Quelle: Venturebeat
Diesem Problem haben sich Forschende der ETH Zürich, des Toyota Technological Institute, Mila in Montreal und NuTonomy angenommen. Sie entwickelten daher DuckieNet, was für Decentralized Urban Collaborative Benchmarking Network steht. Dabei handelt es sich um einen Open Source Aufbau.
DuckieNet bietet ein Framework zum Entwickeln, Testen und Bereitstellen von Wahrnehmungs- und Navigationsalgorithmen. Dabei sei es skalierbar und kostengünstig zu erstellen. Der Name referiert auch auf das Duckietown-Projekt des MIT aus dem Jahr 2016.
Man bedient sich dabei günstiger Radroboter, die man Duckiebots taufte. Als Sensor dient einzig eine Kamera in der Front und die Berechnungen nimmt ein Raspberry Pi vor. Die simulierte Stadt besteht aus Spielzeugkomponenten wie gemalten Straßen, Klebeband und einer robotergerechten Beschilderung. Auch die Ampeln bestehen aus der Technik.
DuckieNet basiert auf Duckietown, wobei es über spezielle Komponenten verfügt. Dazu gehört ein Server, der die Algorithmen, Benchmarks und KI-Ergebnisse speichert. Daraus berechnet man Rankings und sendet Aufträge an Auswertungsmaschinen, welche lokal oder in Cloud arbeiten. Sie führten faktisch die Tests durch. Es ähnelt dem System von Amazon AWS DeepRacer.
Er erlaubt eine Abweichung von den Werten, die über die Auswertungsmaschinen verarbeitet werden. Derart erreicht man eine beobachtbare Automatisierung. Seit letztem Jahr bedient man sich der Technik bei AI Driving Olympics für einen Wettbewerb zum Stand der Autonomen Fahrzeugtechnik. DuckieNet generiert Visualisierungen von Leistungsmetriken und Bestenlisten und bietet gleichzeitig Zugriff auf die zugrunde liegenden Rohdaten, einschließlich Open Source-Baselines und Dokumentation.
Dies sei ein Weg auf dem Weg zur Reproduzierbarkeit der Technik und eine Grundlage der Robotik.
(venturebeat)
