Como a NAU está se tornando

Como podemos tornar os carros autônomos mais seguros?

Essa questão, que é crítica à medida que carros autônomos são cada vez mais encontrados nas estradas americanas, é apenas uma que o pesquisador da NAU, Truong Nghiem, espera responder com um novo projeto que busca maneiras de integrar o aprendizado de máquina e os princípios físicos em sistemas cibernéticos em grande escala. sistemas físicos.

Nghiem, professor assistente na Escola de Informática, Computação e Sistemas Cibernéticos, recebeu uma bolsa NSF CAREER para este projeto, que visa desenvolver uma estrutura abrangente e flexível para aprendizado de máquina eficaz e eficiente com restrições físicas, que pode mudar fundamentalmente a forma como aplicamos aprendizado de máquina a sistemas complexos, como sistemas de energia inteligentes, sistemas de automação industrial e robôs e carros autônomos. O prêmio CAREER é o prêmio de maior prestígio da National Science Foundation para professores em início de carreira.

“Um desafio crítico é como garantir o desempenho e a segurança destes sistemas, uma vez que são tipicamente críticos para o desempenho e/ou segurança, onde qualquer falha pode ter consequências devastadoras”, disse Nghiem. “Nossa abordagem é integrar firmemente o aprendizado de máquina e os princípios físicos. A estrutura desenvolvida neste projeto será a base para tal integração e um trampolim para resolver o desafio. Ajudará a tornar os futuros sistemas ciberfísicos autónomos fiáveis ​​e seguros.”

Um sistema ciberfísico (CPS) é um sistema projetado que é construído e depende da integração perfeita de componentes computacionais e físicos. São a base de muitos sistemas de engenharia modernos que constituem a nossa vida quotidiana, incluindo carros, robôs, dispositivos médicos, redes elétricas e muito mais, e estão a tornar-se ainda mais comuns à medida que as nossas vidas se tornam mais automatizadas.

Muitos desses sistemas empregam aprendizado de máquina e, cada vez mais, inteligência artificial. No entanto, a aprendizagem automática, que nem sempre é informada pela física, nem sempre proporciona a melhor forma de “ensinar” estes sistemas. A pesquisa de Nghiem concentra-se no aprendizado de máquina informado pela física (PIML), que é capaz de desenvolver métodos que incorporam perfeitamente o conhecimento de um sistema físico no aprendizado de máquina, levando a modelos robustos, precisos e consistentes.

Em carros autônomos, rovers, drones e sistemas similares, isso significa menos erros de sistema e uma experiência mais segura para o veículo e para as pessoas próximas. No entanto, os métodos PIML atuais são funcionalmente pequenos demais para atender a essas necessidades.

Digite o aprendizado de máquina informado pela física composta, ou CPIML. O projeto de Nghiem visa avançar no aprendizado baseado em dados de sistemas complexos e de grande escala, sintetizando muitos modelos PIML e de componentes físicos – é o equivalente físico dos blocos LEGO que podem ser reunidos para construir modelos muito maiores e mais complexos, com cada bloco sendo um modelo já desenvolvido ou peça de aprendizado de máquina.

Esta solução inovadora exigirá a integração do mundo cibernético (aprendizado de máquina, IA e computação) e do mundo físico (sistemas dinâmicos e de controle) em sistemas de engenharia, para que cada mundo esteja ciente e possa integrar-se com o outro. O resultado será um mundo mais seguro através do qual as pessoas se movem.

“Os sistemas ciberfísicos inteligentes e autónomos terão um impacto tremendo nas nossas vidas num futuro próximo”, disse Nghiem. “Nossa produtividade aumentará substancialmente com robôs auxiliares autônomos, automação industrial avançada (Indústria 4.0) e muitos sistemas autônomos em nosso trabalho e vida pessoal. As nossas infra-estruturas energéticas serão mais eficientes e fiáveis ​​e o nosso transporte será mais seguro e rápido. Tudo isso depende de tecnologias modernas, incluindo sistemas ciberfísicos e avanços recentes em aprendizado de máquina e IA.”

A pesquisa de Nghiem também oferecerá oportunidades valiosas para estudantes de graduação e pós-graduação se envolverem no desenvolvimento de software e em aplicações do mundo real.

Heidi Toth | Comunicações NAU (928) 523-8737 | [email protected]