爱游戏电竞UC Berkeley团队授予DARPA Grant,以改善复杂网络物理系统的发展

DARPA_3

在“电动机动工程”的最新课程中,在Jacobs研究所完成了学生项目。

DARPA_2
DARPA_1

上述图像来自UCLA的Co-PI和UCB校友教授Ankur Mehta,展示了快速创造机器人手臂或车辆的低成本原型的能力。

2020年12月14日

由S爱游戏电竞anjit Seshia教授领导的UC Berkeley研究团队由国防高级研究项目局(DARPA)获得了四年,840万美元的项目,以研究人工智能的方法,增强人类进行正确施工的设计网络物理系统(CPS)。网络物理系统用物理过程紧密集成计算,并具有广泛的社会应用,包括在农业,航空,民用基础设施,能源,环境质量,医疗保健和个性化医学,制造和运输。

该奖项,根据题为新的DARPA计划制作网络物理系统的共生设计,旨在缩短CPS从开始实施到部署所需的时间(由数年至数月),并加强设计创新。

伯克利项目,逻辑(用于基于学习的甲骨文导游的CPS的组成共生设计)提出了一种新的方法,将AI和机器学习与人类和计算奥卡尔的指导进行了制作,执行了操作的CPS的模块化设计,如自主车辆在地上,在空中,在水中安全地实现复杂的任务。在该系统中,伯克利团队将致力于城市空中出租车,自主水下勘探和自主多地形搜索和救援。

除萨西亚外,团队还包括Praabal Dutta,BjörnHartmann,Alberto Sangiovanni-Vincentelli,Shankar Sastry和Claire Tomlin,所有的电气工程和计算机科学系(EEC)。其他成员是两位伯克利校友,UCLA的Ankur Mehta,以及在UC Santa Cruz的Daniel Fremont。

正如DARPA所指出的,该计划的愿景是通过两种非常不同的代理的共生关系,大幅扩大CPS设计空间的覆盖范围并加速探索:人类具有在设计领域建立直观联系的不可思议的能力,而机器具有从数据中识别统计模式的能力,并在巨大的搜索空间中搜索最佳解决方案。

据DARPA称,“这些系统和平台集成了网络和物理子系统,CPS的巨大复杂性使其工程设计成为一项艰巨的挑战。”

创建和制造此类系统需要大型工程师协调数百个特定于域的工具,具有广泛的领域知识和主题专业知识。为了减少生产CPS并增强创新设计所需的时间长度,DARPA计划侧重于三个方面的改进:

  • 可预测性:在实现软件和物理组件之前提高性能预测的准确性。这需要高保真模型之间的平衡,这些模型是成本和时间越大的生产和经济高效的建模方法,导致具有实质性的不确定性。

  • 融合:克服设计团队之间的纪律界限,以解决设计决策的相互依存,加快可行的综合解决方案的收敛。

  • 探索:鼓励工程师超越仅仅使用熟悉的和已知的方法和探索可能包含非常规但非常有用的解决方案的设计空间。

加州大学爱游戏电竞伯克利分校EECS系是该校计算、数据科学和社会学部的一部分,它利用伯克利分校在跨学科研究和卓越的领先地位,推动数据科学发现、教育和影响。它的设计是为了满足这个世界的机遇和需求,这个世界在从健康到商业到政治的几乎每个领域都日益被数据、机器学习和人工智能所影响和塑造;从城市到气候再到宇宙。