대학 연구원들은 다양한 수준의 취약성에 적응하여 로봇의 신뢰성을 높이는 접근 방식을 개발했습니다. | 출처: 어도비 스톡
조지아공대 로체스터대학교와 심젠 인공지능 및 사회를 위한 로봇 공학 연구소의 연구원들은 간접비를 낮게 유지하면서 로봇을 취약성으로부터 보호하기 위한 새로운 접근 방식을 제안했습니다.
수백만 자율주행차 2025년에는 자율주행차가 운행될 것으로 예상됩니다. 드론 현재 연간 매출 수십억 달러를 창출하고 있습니다. 이 모든 일이 일어나는 가운데, 안전 신뢰성은 소비자, 제조업체 및 규제 기관에게 중요한 고려 사항입니다.
그러나 오작동, 공격 및 기타 오류로부터 자율 기계 하드웨어 및 소프트웨어를 보호하는 시스템도 비용을 증가시킵니다. 이러한 비용은 성능 기능, 에너지 소비, 무게 및 반도체 칩 사용으로 인해 발생합니다.
연구원들은 오버헤드와 취약점으로부터의 보호 사이의 기존 균형은 보호에 대한 “일률적인” 접근 방식 때문이라고 말했습니다. 에서 종이 에 출판됨 ACM의 통신저자는 자율 시스템 내의 다양한 수준의 취약성에 적응하여 시스템의 안정성을 높이고 비용을 제어하는 새로운 접근 방식을 제안했습니다.
주유하오(Yuhao Zhu) 부교수 로체스터대학교‘에스 컴퓨터공학과한 가지 예는 다음과 같습니다 테슬라는 각 차량에 2개의 FSD(완전 자율 주행) 칩을 사용합니다. 이러한 중복성은 첫 번째 칩이 실패하는 경우를 대비해 보호 기능을 제공하지만 자동차용 칩 비용이 두 배로 늘어납니다.
이와 대조적으로 Zhu는 자신과 학생들이 하드웨어 및 소프트웨어 취약점으로부터 보호하고 보다 현명하게 보호 기능을 할당하기 위해 보다 포괄적인 접근 방식을 취했다고 말했습니다.
연구원들은 자동화를 보호하기 위한 맞춤형 접근 방식을 만듭니다.
탄력적인 자율 기계를 위한 다양한 소프트웨어 및 하드웨어 기반 보호 기술의 설계 환경입니다. | 출처: ACM 커뮤니케이션
Zhu는 “기본 아이디어는 시스템의 다양한 부분에 다양한 보호 전략을 적용하는 것입니다.”라고 설명했습니다. “소프트웨어와 하드웨어의 고유한 특성을 기반으로 접근 방식을 개선할 수 있습니다. 소프트웨어 스택의 프런트엔드와 백엔드에 대해 서로 다른 보호 전략을 개발해야 합니다.”
예를 들어, 그는 자율주행차 소프트웨어 스택의 프런트 엔드가 다음과 같은 장치를 통해 환경을 감지하는 데 중점을 두고 있다고 말했습니다. 카메라 그리고 라이더백엔드는 해당 정보를 처리하고 경로를 계획하며 액추에이터에 명령을 보냅니다.
Zhu는 “본질적으로 내결함성을 갖추고 있기 때문에 프런트 엔드에 많은 보호 예산을 지출할 필요가 없습니다.”라고 말했습니다. “한편 백엔드에는 고유한 보호 전략이 거의 없지만 차량의 기계 구성 요소와 직접 인터페이스하기 때문에 보안을 유지하는 것이 중요합니다.”
Zhu는 프런트 엔드에 대한 저비용 보호 조치의 예가 다음과 같다고 말했습니다. 소프트웨어데이터의 이상 징후를 필터링하는 등의 기반 솔루션입니다. 백엔드에 대한 보다 강력한 보호 체계를 위해 그는 전체 시스템의 상태를 주기적으로 저장하는 체크포인트나 칩에 중요한 모듈을 선택적으로 복제하는 등의 기술을 권장했습니다.
다음으로 Zhu는 연구원들이 신경망을 기반으로 하는 최신 자율 장치 소프트웨어 스택의 취약점을 극복하기를 희망한다고 말했습니다. 인공지능종종 끝에서 끝까지.
Zhu는 “가장 최근의 사례 중 일부는 감지 입력을 받아 아무도 완전히 이해하지 못하는 많은 계산을 수행하고 액추에이터에 명령을 생성하는 하나의 거대한 단일 신경망 딥 러닝 모델입니다”라고 말했습니다. “평균 성능이 크게 향상된다는 장점이 있지만, 실패하면 특정 모듈의 실패를 정확히 찾아낼 수 없습니다. 이는 일반적인 경우를 더 좋게 만들고 최악의 경우를 더 악화시키므로 이를 완화하고 싶습니다.”
이 연구는 Semiconductor Research Corp의 일부 지원을 받았습니다.
게시물 연구원들은 저비용, 고신뢰성 로봇을 설계하는 방법을 조사합니다. 처음 등장한 로봇 보고서.