به گزارش ایسنا، انسانی که در حال جابه‌جا کردن اشیا در اتاق زیر شیروانی است، اغلب می‌تواند محتویات یک جعبه را صرفا با برداشتن و تکان دادن و بدون نیاز به دیدن محتویات داخل آن حدس بزند. پژوهشگران دانشگاه «ام‌آی‌تی»(MIT) و «دانشگاه بریتیش کلمبیا»(UBC) به ربات‌ها آموزش داده‌اند که کار مشابهی را انجام دهند.

به نقل از ام‌آی‌تی نیوز، این گروه پژوهشی روشی را ابداع کرده‌اند که به ربات‌ها امکان می‌دهد تنها با استفاده از حسگرهای داخلی و برداشتن و تکان دادن آرام یک جسم درباره وزن، نرمی یا محتویات آن اطلاعات کسب کنند. با روش آنها که نیازی به وسیله اندازه‌گیری بیرونی یا دوربین ندارد، ربات می‌تواند پارامترهایی مانند جرم یک جسم را در عرض چند ثانیه به طور دقیق حدس بزند.

این روش کم‌هزینه می‌تواند به ‌ویژه در مواردی که دوربین‌ها کارآیی کمتری دارند، مانند دسته‌بندی اشیاء در یک زیرزمین تاریک یا جمع‌آوری آوار داخل ساختمانی که پس از زلزله تا حدی فرو ریخته است، سودمند باشد. کلید این روش جدید، یک فرآیند شبیه‌سازی است که مدل‌هایی از ربات و اشیا را در بر می‌گیرد تا ویژگی‌های آنها را هنگام تعامل ربات به سرعت شناسایی کند.

روش پژوهشگران در حدس زدن جرم یک جسم به خوبی برخی از روش‌های پیچیده‌تر و گران‌تر است که از بینش رایانه‌ای استفاده می‌کنند. علاوه بر این، روش کارآمد آنها از نظر کسب داده آن قدر قوی است تا انواع گوناگونی را از سناریوهای نادیده مدیریت کند.

«پیتر ییچن چن»(Peter Yichen Chen) دانشجوی دانشگاه ام‌آی‌تی و پژوهشگر ارشد این پروژه گفت: این یک ایده کلی است و من معتقدم ما فقط در حال بررسی اجمالی چیزی هستیم که یک ربات می‌تواند از این طریق یاد بگیرد. رویای من این است که ربات‌ها به دنیای بیرون بروند، اشیا را لمس کنند، در محیط‌های متفاوت به حرکت درآیند و به تنهایی ویژگی‌های هر چیزی را که با آن تعامل دارند، کشف کنند.

روش این گروه پژوهشی از «حس عمقی» بهره می‌برد که توانایی انسان یا ربات برای حس کردن حرکت یا موقعیت خود در فضاست. برای مثال، انسانی که در باشگاه دمبل را برمی‌دارد، می‌تواند وزن آن دمبل را در مچ دست و عضله دوسر بازوی خود حس کند. به همین ترتیب، یک ربات می‌تواند سنگینی یک جسم را از طریق مفاصل متعدد بازوی خود حس کند. لیو گفت: انسان اندازه‌گیری‌های فوق‌العاده دقیقی را از زوایای مفاصل انگشتان یا میزان دقیق گشتاوری که به یک جسم اعمال می‌کنیم، ندارد اما ربات این کار را انجام می‌دهد. ما از این توانایی‌ها بهره می‌بریم.

سیستم ابداع‌شده توسط این گروه پژوهشی هم‌زمان با بلند کردن یک جسم توسط ربات، سیگنال‌هایی را از رمزگذارهای مفاصل ربات جمع‌آوری می‌کند. این رمزگذارها حسگرهایی هستند که موقعیت چرخشی و سرعت مفاصل را هنگام حرکت تشخیص می‌دهند. لیو ادامه داد: بیشتر ربات‌ها دارای رمزگذارهای مفصلی در موتورهایی هستند که قطعات متحرک آنها را به حرکت در می‌آورند. این امر باعث می‌شود روش ما نسبت به برخی روش‌های دیگر مقرون به صرفه‌تر باشد زیرا به اجزای اضافی مانند حسگرهای لمسی یا سیستم‌های ردیابی نیاز ندارد.

سیستم برای تخمین زدن ویژگی‌های یک جسم در طول تعاملات ربات با آن، به دو مدل متکی است که یکی ربات و حرکت آن را شبیه‌سازی می‌کند و دیگری به شبیه‌سازی پویایی جسم می‌پردازد. چن گفت: داشتن یک دوقلوی دیجیتال دقیق از دنیای واقعی برای موفقیت روش ما واقعا مهم است.

الگوریتم آنها حرکت ربات و جسم را در طول یک تعامل فیزیکی مشاهده می‌کند و از داده‌های رمزگذار مشترک برای شناسایی ویژگی‌های جسم بهره می‌برد. به عنوان مثال، اگر ربات مقدار نیروی یکسانی را اعمال کند، یک جسم سنگین‌تر، کندتر از یک جسم سبک‌تر به حرکت درمی‌آید.

پژوهشگران از روشی به نام «شبیه‌سازی مشتق‌پذیر» استفاده می‌کنند که به الگوریتم اجازه می‌دهد پیش‌بینی کند چگونه تغییرات کوچک در ویژگی‌های یک جسم مانند جرم یا نرمی بر موقعیت مفصل انتهایی ربات تأثیر می‌گذارند.

زمانی که شبیه‌سازی مشتق‌پذیر با حرکات واقعی ربات مطابقت داشته باشد، سیستم ویژگی درست را شناسایی کرده است. این الگوریتم می‌تواند این کار را در عرض چند ثانیه انجام دهد و برای انجام دادن محاسبات فقط به دیدن کار واقعی یک ربات در حال حرکت نیاز دارد.

پژوهشگران قصد دارند در آینده روش خود را با بینش رایانه‌ای ترکیب کنند تا یک روش حسی چندوجهی ایجاد کنند که قوی‌تر باشد.

انتهای پیام