Geleneksel robotların (sert ve metal ) uygun olmadığı bazı görevler vardır.İle
Massachusetts Teknoloji Enstitüsü'ndeki araştırmacılar bu sorunu çözmek için özel bir algoritma geliştirdiler.Mühendislerin çevre hakkında daha yararlı bilgiler toplayan yazılım robotları geliştirmelerine yardımcı olacaktır.Derin öğrenme algoritması, sensörlerin robotun gövdesine optimize edilmiş şekilde yerleştirilmesini sağlar.Bu da çevre ile daha iyi etkileşime girmesine ve görevlerini yerine getirmesine olanak tanır."Sistem sadece belirli bir görevi öğrenmekle kalmıyor, aynı zamanda bu görevi yerine getirecek bir robotun en iyi nasıl tasarlanacağını da öğreniyor" diye açıklıyorMIT'den Alexandre Amini.
Araştırma Nisan ayında sunulacakIEEE Uluslararası Yumuşak Robotik Konferansı. Yardımcı yazarlar, MIT Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı'nda (CSAIL) yüksek lisans öğrencileri olan Alexander Amini ve Andrew Spielberg'dir. Diğer ortak yazarlar arasında MIT lisansüstü öğrencisi Lilian Chin ve profesörler Wojciech Matusik ve Daniela Rus yer alıyor.
Yumuşak gövdeli robotlar esnektir ve dövülebilir - onlarbir bowling topundan çok bir zıplayan topa benziyor. Ana problemleri sonsuz boyutlu olmalarıdır. Yumuşak gövdeli bir robotun herhangi bir noktası, mümkün olan herhangi bir şekilde teorik olarak deforme olabilir. Bu, vücut parçalarının konumunu görüntüleyebilen yumuşak bir robot oluşturmayı zorlaştırır. Geçmiş denemeler, robotun konumunu belirlemek ve bu bilgiyi robotun kontrol programına geri göndermek için harici bir kamera kullandı. Ancak araştırmacılar, dışarıdan yardıma ihtiyaç duymayan yumuşak bir robot yaratmak istediler.
"Sonsuz sayıdarobotun üzerindeki sensörler, - Spielberg'in altını çiziyor. "Öyleyse soru şu ki, yatırımınızdan en iyi şekilde yararlanmak için kaç sensörünüz var ve bunları nereye yerleştiriyorsunuz?"
Cevap için ekip derin öğrenmeye yöneldi.
Araştırmacılar, sensörlerin yerleşimini optimize eden ve görevlerin verimli bir şekilde nasıl gerçekleştirileceğini öğrenen yeni bir sinir ağı mimarisi geliştirdiler.İlk olarak, araştırmacılar robotun vücudunu "vücut parçaları" adı verilen bölgelere ayırdılar ve her parçacığın deformasyon hızı bir sinir ağına beslendi .Deneme yanılma yoluyla ağ, kavrama gibi görevleri gerçekleştirmek için en verimli hareket sırasını öğrenir Aynı zamanda ağ, hangi parçaların en sık kullanıldığını takip eder ve bunları seçersonraki ağ testi için giriş veri setinden daha az kullanılır.
Robotun vücudunun en önemli kısımlarını optimize ederek,Ağ aynı zamanda verimli çalışmayı sağlamak için sensörlerin robotun neresine yerleştirileceğini de önerir. Örneğin, kavrama kolu olan simüle edilmiş bir robotta, bir algoritma, sensörlerin parmakların içinde ve çevresinde yoğunlaşmasını önerebilir; burada, robotun nesneleri manipüle etme yeteneği için çevre ile hassas bir şekilde kontrol edilen etkileşimler hayati önem taşır. Bu açık görünse de, algoritmanın sensörlerin nereye yerleştirileceği konusunda insan sezgisini çok aştığı ortaya çıktı.
Ekip, üç farklı yumuşak robot modeli için, kavrama gibi görevlerin verimli bir şekilde gerçekleştirildiğinden emin olmak için robotikçilerden sensörlerin nereye yerleştirilmesi gerektiğini manuel olarak seçmelerini istediDaha sonra dokunmatik ekranlı robotları ve dokunmatik ekranlı robotları karşılaştıran simülasyonlar yaptılar.Ve sonuçlar yakın değildi ." Modelimiz her görevde insanlardan çok daha üstündü.Sensörleri nereye yerleştireceğimi bildiğimden emin olmama rağmen..."Görünüşe göre bu sorunda başlangıçta beklediğimizden çok daha fazlası var."
Daha fazla oku
Fizikçiler bir kara deliğin benzerini yarattılar ve Hawking'in teorisini doğruladılar. Nereye götürür?
Bilim adamları, Odderon'un efsanevi parçacığını keşfettiler
En gizemli doğal fenomen. Yıldırım topu nereden geliyor ve ne kadar tehlikelidir?