Går det att lära en skotare som styrs med artificiell intelligens (AI) att lasta stockar i en digital miljö för att sedan överföra förmågan till fysiska maskiner? Det ska Martin Servin och kollegor vid Umeå universitet undersöka i ett nytt projekt i Mistra Digital Forest.
– Projektet handlar om autonom skotning och särskilt det mekaniska pusslet att greppa och lasta stockar på ett säkert och energieffektivt sätt, säger Martin Servin som leder det nya projektet, och fortsätter;
– Vi kommer att undersöka möjligheten att göra en AI ”medveten” om fysiken i sin omgivning genom att träna den på kranarbete i virtuell miljö med digital fysik.
Idéen går ut på att AI:n gradvis blir ”smartare” över tiden genom tekniken förstärkningsinlärning. Detta då den successivt upptäcker strategier som ger allt högre belöningar, det vill säga bättre når de uppsatta målen. Samtidigt förses den med observationer om den underliggande fysiken som förklarar vad som funkar och inte.
Träning av AI i digital miljö. Bild: Umeå universitet
Vilka är de främsta utmaningarna kopplat till detta?
– Det är viktigt att AI:n, eller modellen, tränas på mängder av olika situationer, även ovanliga och riskabla. Det är i praktiken omöjligt med fysiska maskiner men görbart i simulerad miljö. En utmaning är att skapa alla dessa simulerade scenarier – först enkla och sedan gradvis mer komplexa. Där är tillgången till laserskannade skogsmiljöer och data från maskiner värdefull, förklarar Martin Servin.
Han menar att en annan utmaning är att en färdigtränad modell ska vara enkelt överförbar från simulerad till verklig miljö. Det kräver att fysiken i den simulerade miljön är tillräckligt realistisk för att AI:n ska känna igen sig.
Slutligen gäller det att specificera vad som är ett önskvärt beteende vid skotning. Vad innebär det att agera skonsamt mot maskin och miljö men samtidigt arbeta tids- och energieffektivt? Hur mäts det fysikaliskt och hur uttrycks detta i det matematiska språk som modellen använder? Det arbetet kommer att ske i samarbete med den skogliga expertisen.
Martin Servin. Fotograf: Johan Olsson
Vilken nytta kan projektet bidra till – både för programmet och industrin?
– Helt självkörande skogsmaskiner ligger långt bort i tiden, men det finns många intressanta delsteg på vägen. Ambitionen är att vara vägvisande i hur semi-autonoma funktioner kan tränas i virtuell miljö och överföras till fysiska maskiner. Sådana funktioner kan avlasta en operatör i vissa moment eller möjliggöra fjärrstyrning av en eller flera maskiner. En skogsmaskin utan hytt och förare kan utformas mycket annorlunda och med lägre vikt. Det ger mycket goda effekter på bränsleåtgång och miljöpåverkan, svarar Martin Servin.
Brett samarbete – från Umeå till Kalifornien
Projektets syfte är flerfaldigt och dess samarbete brett. Medverkande parter inkluderar Sveriges lantbruksuniversitet (SLU), Skogforsk och Holmen Skog – också fler skogsföretag är välkomna att delta. Samarbete med KTH och UC Berkeley i USA planeras också.
– Centralt i projektet är de vetenskapliga frågeställningarna. På ett högre plan vill vi med projektet också öka kunskapen om potential och utmaningar med artificiell intelligens för automation av skogsmaskiner, samt stimulera maskintillverkarna till ökad automationsgrad, säger Martin Servin.
Ett annat syfte är att etablera samarbete med världsledande forskare inom AI-robotik (UC Berkeley).
– De har fattat tycke för vår simuleringsteknik och vi har mycket att lära av dem. Genom detta projekt vill vi också få dem intresserade för skogsbrukets robotisering, avslutar han.