หุ่นยนต์อัตโนมัติค้นหาและเปิดประตูขณะเติมพลังงานให้ตัวเอง

ทีมนักศึกษาวิศวกรรมแห่งมหาวิทยาลัยซินซินนาติกำลังสร้างหุ่นยนต์อัตโนมัติที่สามารถเปิดประตูได้เองและหาเต้ารับไฟฟ้าที่ใกล้ที่สุด ซึ่งช่วยให้สามารถชาร์จได้โดยไม่ต้องอาศัยความช่วยเหลือจากมนุษย์

การศึกษาใหม่ได้รับการตีพิมพ์ในวารสาร การเข้าถึง IEEE. 

ประตู – Kryptonite ของหุ่นยนต์

หนึ่งในอุปสรรคที่ใหญ่ที่สุดสำหรับหุ่นยนต์คือประตู 

Ou Ma เป็นศาสตราจารย์ด้านวิศวกรรมการบินและอวกาศที่มหาวิทยาลัยซินซินนาติ 

“หุ่นยนต์สามารถทำอะไรได้หลายอย่าง แต่ถ้าคุณต้องการให้หุ่นยนต์เปิดประตูได้เองและผ่านประตูเข้าไปได้ นั่นเป็นความท้าทายอย่างมาก” หม่ากล่าว

ทีมงานสามารถเอาชนะปัญหานี้ได้ในการจำลองแบบดิจิทัลสามมิติ และนี่คือก้าวสำคัญของหุ่นยนต์ผู้ช่วย หุ่นยนต์เหล่านี้อาจรวมถึงหุ่นยนต์ดูดฝุ่นและฆ่าเชื้อในอาคารสำนักงาน สนามบิน และโรงพยาบาล พวกเขาเป็นส่วนสำคัญของอุตสาหกรรมหุ่นยนต์มูลค่า 27 พันล้านเหรียญ 

Yufeng Sun เป็นผู้เขียนหลักของการศึกษาและเป็นนักศึกษาระดับปริญญาเอกของ UC College of Engineering and Applied Science 

จากข้อมูลของ Sun นักวิจัยบางคนได้แก้ไขปัญหานี้โดยการสแกนทั้งห้องเพื่อสร้างแบบจำลองดิจิทัล 3 มิติ ซึ่งทำให้หุ่นยนต์สามารถระบุตำแหน่งของประตูได้ อย่างไรก็ตาม นี่เป็นวิธีแก้ปัญหาที่ใช้เวลานานซึ่งใช้ได้กับห้องที่กำลังสแกนเท่านั้น 

มีความท้าทายมากมายในการพัฒนาหุ่นยนต์อัตโนมัติเพื่อเปิดประตูเอง ประการแรก พวกเขามาในสีและขนาดที่แตกต่างกัน และมีที่จับที่แตกต่างกันซึ่งอาจต่ำกว่าหรือสูงกว่าก็ได้ หุ่นยนต์จำเป็นต้องรู้ว่าต้องใช้แรงเท่าใดในการเปิดประตูเพื่อเอาชนะแรงต้าน เนื่องจากประตูสาธารณะหลายบานปิดเอง หุ่นยนต์อาจสูญเสียการยึดเกาะและจำเป็นต้องเริ่มต้นใหม่

การใช้แมชชีนเลิร์นนิง

ด้วยการใช้แมชชีนเลิร์นนิง นักเรียน UC ช่วยให้หุ่นยนต์ "สอน" ตัวเองถึงวิธีการเปิดประตูผ่านการลองผิดลองถูก ซึ่งหมายความว่าหุ่นยนต์จะแก้ไขข้อผิดพลาดในขณะที่ดำเนินการ และการจำลองช่วยให้หุ่นยนต์เตรียมพร้อมสำหรับงานจริง

“หุ่นยนต์ต้องการข้อมูลหรือ 'ประสบการณ์' ที่เพียงพอเพื่อช่วยในการฝึกหุ่นยนต์” ซันกล่าว “นี่เป็นความท้าทายที่ยิ่งใหญ่สำหรับแอปพลิเคชันหุ่นยนต์อื่น ๆ ที่ใช้แนวทาง AI ในการทำงานในโลกแห่งความเป็นจริงให้สำเร็จ” 

แซม คิง นักศึกษาปริญญาโทของ Sun และ UC กำลังแปลงการศึกษาสถานการณ์จำลองที่ประสบความสำเร็จให้เป็นหุ่นยนต์จริง 

“ความท้าทายคือวิธีการถ่ายโอนนโยบายการควบคุมที่เรียนรู้นี้จากการจำลองไปสู่ความเป็นจริง ซึ่งมักเรียกกันว่าปัญหา 'Sim2Real'” ซันกล่าว

ความท้าทายอีกประการหนึ่งคือการจำลองแบบดิจิทัลมักจะประสบความสำเร็จเพียง 60% ถึง 70% ในแอปพลิเคชันเริ่มต้นในโลกแห่งความเป็นจริง ดังนั้น Sun จึงวางแผนที่จะใช้เวลาอย่างน้อยหนึ่งปีในการพัฒนาระบบหุ่นยนต์อัตโนมัติแบบใหม่ให้สมบูรณ์แบบ