Μοντέλα και πλατφόρμες AI

Ερευνητής Οραματίζεται Διαδραστική Κυβερνο-Φυσική Ανθρώπινη (iCPH) Πλατφόρμα

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Ο Καθηγητής Eiichi Yoshida του Πανεπιστημίου Επιστημών του Τόκιο έχει προτείνει μια ενδιαφέρουσα ιδέα για μια διαδραστική κυβερνο-φυσική ανθρώπινη (iCPH).

Οι άνθρωποι μπορούν φυσικά να εκτελέσουν διάφορες σύνθετες εργασίες, όπως να καθίσουν και να πάρουν αντικείμενα. Ωστόσο, αυτές οι δραστηριότητες περιλαμβάνουν διάφορες κινήσεις και απαιτούν πολλαπλά επαφές, τα οποία μπορούν να αποδειχθούν δύσκολα για τους ρομπότ. Η iCPH θα μπορούσε να βοηθήσει να λυθεί αυτό το πρόβλημα.

Κατανόηση και Γεννήτρια Ανθρώπινων Συστημάτων

Η νέα πλατφόρμα μπορεί να βοηθήσει στην κατανόηση και τη γεννήτρια ανθρώπινων συστημάτων που χρησιμοποιούν eine ποικιλία επαφών πλούσιων ολόκληρου του σώματος.

Το έργο δημοσιεύθηκε στο Frontiers in Robotics and AI.

«Όπως υποδηλώνει το όνομα, η iCPH συνδυάζει φυσικά και κυβερνο στοιχεία για να καταγράψει τις κινήσεις του ανθρώπου», λέει ο Καθηγητής Yoshida. «Ενώ ένα ανθρωποειδές ρομπότ ενεργεί ως φυσικός δίδυμος του ανθρώπου, ένας ψηφιακός δίδυμος υπάρχει ως προσομοιωμένος άνθρωπος ή ρομπότ στο κυβερνοχώρο. Ο τελευταίος μοντελοποιείται μέσω τεχνικών όπως η μυοσκελετική και ρομποτική ανάλυση. Οι δύο δίδυμοι συμπληρώνουν ο ένας τον άλλον.»

Ο Καθηγητής Yoshida απευθύνει διάφορες ερωτήσεις με το πλαίσιο, όπως:

  • Πώς μπορούν τα ανθρωποειδή να μιμηθούν την ανθρώπινη κίνηση;
  • Πώς μπορούν τα ρομπότ να μάθουν και να προσομοιώσουν την ανθρώπινη συμπεριφορά;
  • Πώς μπορούν τα ρομπότ να αλληλεπιδράσουν με τους ανθρώπους ομαλά και φυσικά;

Το Πλαίσιο iCPH

Ο πρώτος μέρος του πλαισίου iCPH μετρά την κίνηση του ανθρώπου με τη量ification της κίνησης των διαφόρων μερών του σώματος. Επίσης, καταγράφει την ακολουθία των επαφών που γίνονται από τον άνθρωπο.

Το πλαίσιο επιτρέπει την γενική περιγραφή των διαφόρων κινήσεων μέσω διαφορικών εξισώσεων, καθώς και τη γεννήτρια ενός δικτύου επαφής. Ένα ανθρωποειδές ρομπότ μπορεί τότε να ενεργήσει πάνω σε αυτό το δίκτυο.

Όταν πρόκειται για τον ψηφιακό δίδυμο, μαθαίνει το δίκτυο μέσω μοντέλων-βασισμένων και μηχανικής μάθησης προσεγγίσεων. Αυτά τα δύο συνδέονται με τη μεθοδολογία ανάλυσης της ανάλυσης, και η συνεχής μάθηση βοηθά να διδάξει την προσομοίωση του ρομπότ πώς να εκτελέσει την ακολουθία επαφής.

Το τρίτο μέρος του πλαισίου iCPH εμπλουτίζει το δίκτυο επαφής μέσω της τεχνικής της αύξησης δεδομένων πριν εφαρμόσει την τεχνική της ποσοτικής ανάλυσης. Αυτή η τεχνική βοηθά να εξαγάγει τα σύμβολα που εκφράζουν τη γλώσσα της επαφής, επιτρέποντας τη γεννήτρια επαφής σε ανεπίσημες καταστάσεις.

Όλα αυτά σημαίνουν ότι τα ρομπότ μπορούν να εξερευνήσουν άγνωστες περιβάλλονσεις ενώ αλληλεπιδρούν με τους ανθρώπους χρησιμοποιώντας ομαλές κινήσεις και πολλές επαφές.

Ο Καθηγητής Yoshida θέτει τρεις προκλήσεις για την iCPH που αφορούν τους γενικούς περιγραφείς, τη συνεχή μάθηση και τη συμβολική αναπαράσταση της επαφής. Για την iCPH να πραγματοποιηθεί, πρέπει να μάθει πώς να πλοηγείται μέσα σε αυτά.*.*

“Τα δεδομένα από την iCPH θα δημοσιευτούν και θα αναπτυχθούν σε πραγματικά προβλήματα για την επίλυση κοινωνικών και βιομηχανικών ζητημάτων. Τα ανθρωποειδή ρομπότ μπορούν να απελευθερώσουν τους ανθρώπους από πολλές εργασίες που涉ňují σοβαρά φορτία και να βελτιώσουν την ασφάλεια τους, όπως η ανύψωση βαρέων αντικειμένων και η εργασία σε επικίνδυνες περιβάλλοντες», λέει ο Καθηγητής Yoshida. «Η iCPH μπορεί επίσης να χρησιμοποιηθεί για την παρακολούθηση των εργασιών που εκτελούνται από τους ανθρώπους και να βοηθήσει στην πρόληψη των εργατικών παθήσεων. Τέλος, τα ανθρωποειδή ρομπότ μπορούν να ελέγχονται απόμακρως από τους ανθρώπους μέσω των ψηφιακών δίδυμων τους, τα οποία θα επιτρέψουν στα ανθρωποειδή να αναλάβουν την εγκατάσταση μεγάλων συσκευών και τη μεταφορά αντικειμένων.»

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.