هناك بعض المهام التي لا تناسبها الروبوتات التقليدية - الصلبة والمعدنية -. مع
باحثون من معهد ماساتشوستس للتكنولوجياوقد طور المعهد خوارزمية خاصة لحل هذه المشكلة. وسوف يساعد المهندسين على تطوير الروبوتات البرمجية التي تجمع المزيد من المعلومات المفيدة حول البيئة. تقترح خوارزمية التعلم العميق وضعًا مثاليًا لأجهزة الاستشعار في جسم الروبوت. وهذا بدوره يسمح له بالتفاعل بشكل أفضل مع البيئة وأداء المهام المعينة. يوضح ألكسندر أميني من معهد ماساتشوستس للتكنولوجيا: "لا يتعلم النظام مشكلة محددة فحسب، بل يتعلم أيضًا كيفية تصميم الروبوت بشكل أفضل لحل هذه المشكلة".
سيتم تقديم البحث في شهر إبريلمؤتمر IEEE الدولي حول الروبوتات الناعمة. المؤلفان الرئيسيان المشاركان هما ألكسندر أميني وأندرو سبيلبرغ، طلاب الدراسات العليا في مختبر علوم الكمبيوتر والذكاء الاصطناعي (CSAIL) التابع لمعهد ماساتشوستس للتكنولوجيا. ومن بين المؤلفين المشاركين الآخرين طالبة الدراسات العليا في معهد ماساتشوستس للتكنولوجيا ليليان تشين والأستاذان فويتشيك ماتوسيك ودانييلا روس.
الروبوتات اللينة البدن مرنة ومرنة - إنها كذلكتبدو وكأنها كرة نطاطة أكثر من كرة بولينج. مشكلتهم الرئيسية هي أنها ذات أبعاد لا متناهية. يمكن لأي نقطة روبوت ذات جسم ناعم أن تتشوه نظريًا بأي طريقة ممكنة. هذا يجعل من الصعب إنشاء روبوت ناعم يمكنه عرض موقع أجزاء جسمه. استخدمت المحاولات السابقة كاميرا خارجية لتحديد موضع الروبوت وإرجاع هذه المعلومات إلى برنامج التحكم الخاص بالروبوت. لكن الباحثين أرادوا إنشاء روبوت ناعم لا يعتمد على المساعدة الخارجية.
"لا يمكنك استيعاب عدد لا حصر له منأجهزة الاستشعار على الروبوت نفسه - يؤكد سبيلبرغ. "لذا فإن السؤال هو ، كم عدد أجهزة الاستشعار لديك وأين تضعها لتحقيق أقصى استفادة من استثمارك؟"
تحول الفريق إلى التعلم العميق للإجابة.
لقد طور الباحثون بنية جديدةشبكة عصبية تعمل على تحسين وضع المستشعر وتعلم أداء المهام بكفاءة. أولاً، قام الباحثون بتقسيم جسم الروبوت إلى مناطق - "أجزاء الجسم". تم إدخال معدل التشوه لكل جسيم في الشبكة العصبية. ومن خلال التجربة والخطأ، تتعلم الشبكة التسلسل الأكثر كفاءة للحركات لأداء المهام، مثل الإمساك بالأشياء ذات الأحجام المختلفة. وفي الوقت نفسه، تقوم الشبكة بتتبع الأجزاء المستخدمة في أغلب الأحيان وتختار الأجزاء الأقل استخدامًا من مجموعة بيانات الإدخال لاختبار الشبكة لاحقًا.
من خلال تحسين أهم أجزاء جسم الإنسان الآلي ،تقترح الشبكة أيضًا مكان وضع المستشعرات على الروبوت لضمان التشغيل الفعال. على سبيل المثال ، في محاكاة روبوت بذراع إمساك ، قد تشير خوارزمية إلى أن المستشعرات تتركز في وحول الأصابع ، حيث تكون التفاعلات التي يتم التحكم فيها بدقة مع البيئة أمرًا حيويًا لقدرة الروبوت على التعامل مع الأشياء. في حين أن هذا قد يبدو واضحًا ، فقد اتضح أن الخوارزمية تجاوزت بكثير الحدس البشري حول مكان وضع أجهزة الاستشعار.
قارن الباحثون الخوارزمية الخاصة بهممع عدد من توقعات الخبراء. بالنسبة لثلاثة تصميمات مختلفة للروبوتات الناعمة، طلب الفريق من علماء الروبوتات تحديد المكان الذي يجب وضع أجهزة الاستشعار فيه يدويًا لضمان تنفيذ مهام مثل الإمساك بالأشياء المختلفة بكفاءة. ثم أجروا عمليات محاكاة لمقارنة الروبوتات التي تعمل باللمس بالروبوتات التي تعمل باللمس. ولم تكن النتائج متقاربة. "لقد تفوق نموذجنا بشكل كبير على البشر في كل مهمة. على الرغم من أنني كنت على يقين من أنني أعرف مكان وضع أجهزة الاستشعار&8230; - يختتم أميني. "اتضح أن هناك الكثير من التفاصيل الدقيقة لهذه المشكلة أكثر مما توقعنا في الأصل."
قراءة المزيد
ابتكر الفيزيائيون نظيرًا للثقب الأسود وأكدوا نظرية هوكينغ. إلى أين تقود؟
اكتشف العلماء جسيم Odderon الأسطوري
الظاهرة الطبيعية الأكثر غموضا. من أين يأتي البرق الكروي وكيف يكون خطيرًا؟