Här kör AI en skogsmaskin – för första gången

2023 går till historien som året då AI var på allas läppar. Medan folk i allmänhet bekantade sig med chatbottar testade ett forskningsprojekt inom Mistra Digital Forest att för första gången låta AI köra en skogsmaskin. Trots att övergången från simulering till verklighet inte var helt problemfri blev det en lyckad testomgång.

Den som förra året bläddrade i vetenskapliga tidskrifter som Nature och Science kunde läsa om AI som flyger drönare och navigerar robothundar i svår terräng. Även inom skogsbruket var fenomenet på frammarsch och inom Mistra Digital Forest gjordes tester där AI för första gången testkörde en skogsmaskin.

Bakom projektet står forskargruppen i Digital fysik vid Umeå universitet. De har använt sig av en form av AI som kallas djup förstärkningsinlärning för att träna upp en självkörande pendelarmskotare. Utvecklingsarbetet går till som så att forskarna skapar en virtuell kopia av skogsmaskinen och skogens terräng. Genom att sen låta den simulerade skogsmaskinen köra runt i den verklighetstrogna miljön och lära sig av sina misstag blir den allt bättre. 2023 var AI:n så pass fullärd att det var dags att testa om den kunde köra en fysisk skogsmaskin. Viktor Wiberg, vid tillfället doktorand vid institutionen för fysik på Umeå universitet, ledde testerna som gick av stapeln på Skogforsks testbädd Troëdsson Forestry Teleoperation Lab.

– Testerna visar att det går att träna upp en AI-modell först i simulerad miljö för att sen gå över till att låta den köra en fysisk skogsmaskin. Det här är en inte helt enkel uppgift eftersom fordonet har ett komplext hydrauliskt system och dessutom ska det kunna ta sig fram i tuff terräng, säger Viktor Wiberg.

Utmaning att gå från simulering till verklighet

Fokus för forskningsstudien är själva överföringen från simulering till verklighet.

– Just detta är ett relativt okänt område och vi behöver förstå vad som är viktigt för att klara övergången. Hur bra simuleringar vi än har kommer verkligheten med utmaningar som vi måste förhålla oss till, säger Viktor Wiberg.

Tre tester genomfördes med några månaders mellanrum. Direkt stod det klart att den fysiska skotaren tolkade styrsignalen på ett annat sätt än sin virtuella motsvarighet, det resulterade i att skotaren fick ett ryckigt och oförutsägbart rörelsemönster. För att åtgärda det inte helt önskvärda beteendet fick forskarna lära om AI:n genom att härma den fysiska skotarens styrsignal i simuleringen och på så vis bättre matcha simulering och verklighet. Ett annat hinder i överföringen var de fördröjningar som uppstod i kommunikationen, ungefär som när bilens GPS laggar. Den fördröjningen finns inte i simuleringen och för att skogsmaskinen ska ta sig fram smidigt behövde AI:n lära sig att ta hänsyn till störningen.

– Det som var speciellt inför de här testerna var att vi fick anpassa pendelarmsfunktionen så att den kunde styras manuellt. Normalt när vi testar olika lösningar för fjärrstyrning sköts de av maskinens egen dator men nu skulle AI ta över styrningen, säger Tobias Semberg, civilingenjör inom driftsystem på Skogforsk och verksam vid Skogforsks testbädd.

Efter att AI:n tränats om på superdatorn i Umeå kunde pendelarmskotaren vid det tredje försöket ta sig fram i testmiljön.

– Det är imponerande att det faktiskt fungerade och att vi så tydligt kunde se hur AI:n presterade bättre från gång till gång. Det visar hur viktigt det är att börja testa på riktiga maskiner för att sedan gå tillbaka och göra om, min erfarenhet är att de problem som dyker upp sällan är de man först väntade sig, säger Tobias Semberg.

”Nu vet vi att det är kostnads- och tidseffektivt”

Forskargruppen vid Umeå universitet har tagit arbetet vidare genom att undersöka hur djup förstärkningsinlärning kan användas för att automatisera kranarbetet.

– Nu vet vi att det är kostnads- och tidseffektivt att först träna upp AI i en simulering för att sedan gå över till en fysisk skogsmaskin. Djup förstärkningsinlärning har stor potential inom det här området, säger Viktor Wiberg avslutningsvis.