الروبوتات والذكاء الاصطناعي الفيزيائي
باحثون يطورون طريقة جديدة لتحكم الروبوتات الناعمة
أضف Unite.AI إلى مصادرك المفضلة على Google
قام باحثون من معهد ماساتشوستس للتكنولوجيا باختراع طريقة أفضل لتحكم وتصميم الروبوتات الناعمة لأداء مهام محددة. هذا هدف طويل الأمد في مجال الروبوتات الناعمة، ويُعد إنجازًا كبيرًا.
تتميز الروبوتات الناعمة بأجسام مرنة قادرة على الحركة بطرق لا حصر لها في أي وقت معين. من حيث الحوسبة، هذا تمثيل حالة معقد للغاية، ووصف حركات كل جزء من الروبوت. يمكن أن يكون لها ملايين الأبعاد، مما يعني أن من الصعب حساب أفضل طريقة للروبوت لإكمال مهام معقدة.
سيقدم باحثو معهد ماساتشوستس للتكنولوجيا نموذجًا في مؤتمر نظام معالجة المعلومات العصبية في ديسمبر. النموذج قادر على تعلم تمثيل حالة مضغوط أو “منخفض البعد” يعتمد على فيزياء الروبوت والبيئة والعوامل الأخرى. ثم يتمكن النموذج من تحسين التحكم في الحركة ومعلمات تصميم المواد، ويتم توجيهها نحو مهام محددة.
أندرو سبيلبرغ هو طالب دراسات عليا في مختبر علوم الحاسوب والذكاء الاصطناعي.
“الروبوتات الناعمة مخلوقات بلا نهاية الأبعاد تنحني بطرق لا حصر لها في أي لحظة، ولكن في الحقيقة، هناك طرق طبيعية للروبوتات الناعمة للتحرك. نجد أن الحالات الطبيعية للروبوتات الناعمة يمكن وصفها بشكل مضغوط في تمثيل منخفض البعد. نتحسين التحكم وتصميم الروبوتات الناعمة من خلال تعلم وصف جيد لل حالات المحتملة.”
في المحاكاة التي أجريت، تمكنت النموذج من تمكين الروبوتات الناعمة ثنائية وثلاثية الأبعاد من إكمال المهام المحددة. وشملت المهام الحركة لمسافات مختلفة ووصول إلى نقاط محددة. كان النموذج قادرًا على القيام بذلك بشكل أسرع وأدق من الطرق الحالية.现在، يريد الباحثون استخدام النموذج في روبوتات ناعمة حقيقية.
يشمل الأفراد الآخرون الذين عملوا على المشروع طلاب الدراسات العليا في مختبر علوم الحاسوب والذكاء الاصطناعي، آلان زهاو وتاو دو ويوانمينغ هو؛ دانيال روس، مدير مختبر علوم الحاسوب والذكاء الاصطناعي وأستاذ الهندسة الكهربائية وعلوم الحاسوب في معهد ماساتشوستس للتكنولوجيا؛ وووجييتش ماتوسيك، أستاذ مساعد في الهندسة الكهربائية وعلوم الحاسوب في معهد ماساتشوستس للتكنولوجيا ورئيس مجموعة التصنيع الحاسوبي.
تعتبر الروبوتات الناعمة مجالًا سريع التطور له أهمية كبيرة في نطاق الروبوتات المتقدمة. يمكن أن تلعب سمات مثل الأجسام المرنة دورًا في التفاعل الآمن مع البشر، وتحريك الأجسام، والمناورة، وغيرها.
خلال المحاكاة، يكون “المشرف” مسؤولاً عن التحكم في الروبوتات. “المشرف” هو برنامج يحسب المتغيرات التي ترى كيف تتحرك الروبوتات الناعمة لإكمال مهمة.
في النهاية، طور الباحثون طريقة جديدة لتحسين التعلم في الحلقة. يتم تعلم جميع المعلمات المُحسنة خلال حلقة تغذية راجعة واحدة تحدث على مدار عدة محاكاة. في الوقت نفسه، يتم تعلم تمثيل الحالة.
يستخدم النموذج تقنية تسمى “طريقة نقطة المواد”. تحاكي هذه الطريقة سلوك الجسيمات في المواد المستمرة، مثل الرغاوي والسوائل، وتحيط بها شبكة خلفية. يمكن للتقنية التقاط جسيمات الروبوت والبيئة الملاحظة في وحدات ثلاثية الأبعاد، أو وحدات مكعبة.
يتم إرسال معلومات الشبكة الجسيمية الخام إلى مكون التعلم الآلي. يتعلم إدخال صورة، وضغطها إلى تمثيل منخفض البعد، ثم فك ضغطها مرة أخرى إلى الصورة الإدخالية.
يعمل التمثيل المضغوط المُتعلم كتمثيل حالة منخفض البعد للروبوت. يعود التمثيل المضغوط إلى وحدة التحكم في مرحلة التحسين، ويخرج إجراءً محسوبًا لحركة كل جسيم في الخطوة التالية المحاكاة.
في الوقت نفسه، تستخدم وحدة التحكم المعلومات لتعديل القساوة المثلى لكل جسيم. يمكن استخدام المعلومات المادية لطباعة روبوتات ناعمة ثلاثية الأبعاد، حيث يمكن طباعة كل نقطة جسيمية بخصائص قساوة مختلفة.
“هذا يسمح بإنشاء تصميمات روبوتية متوافقة مع حركات الروبوت التي ستكون ذات صلة لمهام محددة،” يقول سبيلبرغ. “من خلال تعلم هذه المعلمات معًا، يمكنك الحفاظ على كل شيء متزامنًا قدر الإمكان لجعل عملية التصميم أسهل.”
يأمل الباحثون أن يتمكنوا في النهاية من تصميم الروبوتات من المحاكاة إلى التصنيع.
