الروبوتات
روبوتات الجسم الناعم أكثر كفاءة مع شبكة عصبية جديدة تعلم sâu
تعتبر روبوتات الجسم الناعم أداة هامة للغاية في مجال الروبوتات بشكل عام، لأن الروبوتات التقليدية والrigid-جسم لا يمكنها إكمال نفس أنواع المهام. والformer تتفاعل مع البشر بأمان أكبر، ويمكنهم القيام بأشياء مثل التكيف مع المساحات الضيقة.
واحدة من التحديات الرئيسية المرتبطة بالروبوتات الناعمة هي أنهم يجب أن يعرفوا مكان جميع أجزاء الجسم الخاصة بهم لإكمال المهام المبرمجة، وهذا يصبح أكثر صعوبة لأن الروبوتات الناعمة قادرة على التغيير الشكل بطرق لا حصر لها.
الآن، قام الباحثون في معهد ماساتشوستس للتكنولوجيا بتطوير خوارزمية تعلم sâu جديدة تساعد المهندسين على تصميم روبوتات الجسم الناعم بطريقة تمكنهم من جمع المزيد من البيانات حول البيئة المحيطة. تعمل الخوارزمية عن طريق اقتراح وضع محسّن للمحسّنات داخل جسم الروبوت. هذا يسمح لها بإكمال المهام المحددة أثناء التفاعل مع البيئة.
ألكسندر أميني هو المؤلف المشارك الرئيسي للبحث جنبًا إلى جنب مع أندرو سبيلبرغ، وهم طلاب دكتوراه في معهد ماساتشوستس للتكنولوجيا للعلوم الحاسوبية والذكاء الاصطناعي. ونشر البحث في IEEE Robotics and Automation Letters مع مؤلفين مشاركين آخرين بما في ذلك ليليان تشين، طالب دكتوراه، وووجيتش ماتوسيك ودانيلا روس، أستاذين في الجامعة.
“النظام لا يتعلم فقط مهمة معينة، ولكن أيضًا كيفية تصميم الروبوت بشكل أفضل لحل تلك المهمة،” يقول أميني. “وضع المحسّنات هو مشكلة صعبة للغاية لحلها. لذلك، الحصول على الحل هو أمر مثير للغاية”.
https://www.youtube.com/watch?v=MSa7D0FvxqY
الروبوتات الصلبة مقابل الروبوتات الناعمة
أحد أكبر مزايا الروبوتات الصلبة هو أن لديهم مدى حركة محدود، و虽然 هذا يبدو وكأنه عيب، إلا أنه يعني أن عدد المحاور والذراع有限 يؤدي إلى حسابات أكثر إدارة.
تكون هذه الحسابات أسهل في العمل معها عند التعامل مع الخوارزميات التي تتحكم في التخطيط والحركة. لا يمكن للروبوتات الناعمة القيام بنفس الشيء لأنها مرنة.
“المشكلة الرئيسية مع الروبوتات الناعمة هي أنها لا حصر لها من الناحية البعدية،” يقول سبيلبرغ. “يمكن لأي نقطة على روبوت الجسم الناعم، في النظرية، أن تتغير بكل طريقة ممكنة”.
في الماضي، استخدم الباحثون كاميرا خارجية لتحديد موقع الروبوت، والتي يتم إطعامها بعد ذلك إلى برنامج التحكم في الروبوت. بحث الفريق الحالي عن طريقة لإنشاء روبوت ناعم غير متصل بالمساعدة الخارجية.
“لا يمكنك وضع عدد لا حصر له من المحسّنات على الروبوت نفسه،” يستمر سبيلبرغ. “لذلك، السؤال هو: كم عدد المحسّنات التي لديك، وأين تضع تلك المحسّنات للحصول على أكبر قدر ممكن من الفوائد؟”
قام الباحثون بتطوير هيكل شبكة عصبية جديد يمكنه تحسين وضع المحسّنات وتعلم إكمال المهام بفعالية. قاموا أولاً بتقسيم جسم الروبوت إلى مناطق مختلفة تسمى “جسيمات”.
استخدمت الشبكة العصبية معدل الانفجار لكل جسيم كمدخل، ومن خلال التجربة والخطأ، يمكن للشبكة أن تتعلم التسلسل الأكثر كفاءة من الحركات لمهمة معينة. كما تقوم الشبكة بتتبع الجسيمات التي يتم استخدامها أكثر من غيرها بحيث يمكن تعديل مدخلات الشبكة.
التفوق على البشر في وضع المحسّنات
تقترح الشبكة وضع المحسّنات على الروبوت عن طريق تحسين الجسيمات الأكثر أهمية. في الاختبارات، تفوقت الخوارزمية على البشر عند تحديد المواقع الأكثر كفاءة لوضع المحسّنات.
ثم تم اختبار الخوارزمية ضد سلسلة من التنبؤات الخبيرة.
“نموذجنا تفوق بشكل كبير على البشر في كل مهمة، حتى مع أنني نظرت إلى بعض أجسام الروبوتات وfelt rất واثق من حيث يجب وضع المحسّنات،” يقول أميني. “يبدو أن هناك الكثير من الدقة في هذه المشكلة أكثر مما توقعنا في البداية”.
وفقًا لسبيلبرغ، يمكن أن يساعد التطور الجديد في تutomation عملية تصميم الروبوت ويساعد في وضع خوارزميات جديدة للتحكم في حركة الروبوت.
“…نحن أيضًا بحاجة إلى التفكير في كيفية تزويد هذه الروبوتات بالمحسّنات، وكيف سيتفاعل ذلك مع المكونات الأخرى للنظام،” يقول. “هذا شيء تحتاج إلى إحساس قوي جدًا ومحسّن جيدًا. لذلك، هناك إمكانية لتأثير فورى”.
“تأتمتة تصميم الروبوتات الناعمة المجهزة بالمحسّنات هي خطوة هامة نحو إنشاء أدوات ذكية سريعة تساعد الناس في المهام الجسدية،” يقول روس. “المحسّنات هي جانب هام من العملية، لأنها تمكن الروبوت الناعم من “رؤية” و理解 العالم وعلاقته بالعالم”.
