الروبوتات والذكاء الاصطناعي الفيزيائي
علماء يدرّبون روبوتاً على التنقل بشكل مستقل في متاهة
أضف Unite.AI إلى مصادرك المفضلة على Google
بينما تعمل المعالجات كدماغ الكمبيوتر، فهي تختلف بشكل أساسي عن الدماغ البشري. تستخدم الترانزستورات الإشارات الإلكترونية لأداء العمليات المنطقية، بينما يعتمد الدماغ على الخلايا العصبية المرتبطة عبر المشابك. يستخدم الدماغ هذا الإشارات للسيطرة على الجسم والتفاعل مع البيئة المحيطة، ويستخدم عملية التعلم لتحفيز رد فعل نظام الجسم / الدماغ عند استقبال محفزات معينة.
توجيه الروبوت عبر متاهة
لقد طبق فريق من العلماء هذا المبدأ الأساسي للتعلم من خلال الخبرة في شكل مبسط، واستخدموه لتوجيه روبوت عبر متاهة باستخدام دائرة عصبونية عضوية.
قاد الفريق باسكاليس جكوبيدينيس، وهو قائد المجموعة في قسم بايل بلم في معهد ماكس بلانك للأبحاث البوليمرية. كانت العمل نتيجة للتعاون بين جامعة آيندهوفن وستانفورد وبريشيا وأكسفورد وKAUST.
تم نشر الورقة في مجلة المتقدمات العلمية.
إيمكي كراوزهاوزن هي طالبة دكتوراه في مجموعة جكوبيدينيس وفي جامعة آيندهوفن، وهي أيضًا المؤلف الأول للورقة المنشورة.
“كنا نريد استخدام هذا الإعداد البسيط لإظهار مدى قوة مثل هذه الأجهزة العضوية العصبونية في الظروف الحقيقية،” قال كراوزهاوزن.
قدم الباحثون الدائرة الذكية التكيفية مع إشارات حسية قادمة من البيئة من أجل تحقيق التنقل الروبوت داخل المتاهة. في كل تقاطع للمتاهة، تم الإشارة إلى الطريق نحو المخرج، ولكن الروبوت غالبًا ما يفسر الإشارات البصرية بشكل خاطئ ويتخذ القرار الخطأ قبل أن يضيع.
تطبيق محفزات تصحيحية
عندما يتخذ الروبوت هذه القرارات الخاطئة وينتهي به المطاف في مسارات ميتة، يتم منعه من اتخاذها من خلال استقبال محفزات تصحيحية. على سبيل المثال، إذا اصطدم الروبوت بالجدار، يتم تطبيق المحفزات التصحيحية مباشرة على الدائرة العضوية من خلال الإشارات الإلكترونية المستحثة بواسطة مستشعر اللمس المرفق بالروبوت.
يتعلم الروبوت تدريجيًا اتخاذ القرار الصحيح مع كل تنفيذ للتجربة. هذا يساعده على تجنب استقبال المحفزات التصحيحية، ويفinally يجد الطريق الصحيح للخروج من المتاهة. يحدث عملية التعلم حصريًا على الدائرة التكيفية العضوية.
“كنا سعداء جدًا لرؤية أن الروبوت يمكن أن يمر عبر المتاهة بعد بعض التشغيلات من خلال التعلم على دائرة عضوية بسيطة. لقد أظهرنا هنا إعدادًا بسيطًا جدًا. ومع ذلك، في المستقبل البعيد، نأمل أن تتمكن الأجهزة العصبونية العضوية من الاستخدام أيضًا في الحوسبة المحلية والمنتشرة / التعلم. هذا سيفتح إمكانيات جديدة تمامًا للتطبيقات في الروبوتات الحقيقية، وواجهات الإنسان والآلة، والتشخيص في نقطة الرعاية. من المتوقع أيضًا أن تظهر منصات جديدة للنمذجة السريعة والتعليم، عند تقاطع علوم المواد والروبوتات.” يقول جكوبيدينيس.
