به گزارش ایسنا، پژوهشگران با استفاده از واقعیت مجازی، یادگیری تقویتی و یادگیری تقلیدی، ربات «هاول» را برای شناسایی و جمعآوری تخم مرغ آموزش دادهاند. اکنون رباتهای انساننما در حال یادگیری انجام وظیفهای غیرمعمول هستند و آن جمعآوری تخم مرغ از مرغداریها است.
به نقل از آیای، پژوهشگران دانشگاه ایالتی کارولینای شمالی در حال توسعه رباتی به نام «هاول» (Howl) هستند؛ رباتی با ارتفاع حدود ۱.۲ متر که میتواند تخم مرغهایی را که مرغها در سالنهای پرورش بدون قفس روی زمین میگذارند، شناسایی و جمعآوری کند.
این پروژه که بر پایه رباتهای یونیتری جی۱ (Unitree G1) توسعه پیدا میکند، با هدف مقابله با کمبود نیروی کار و در عین حال بهبود رفاه طیور و افزایش بهرهوری انجام میشود.
ربات جمعآوری تخم مرغ بخشی از تلاش گستردهتر آزمایشگاه هوش مصنوعی و رباتیک این دانشگاه برای وارد کردن فناوریهای پیشرفته خودکارسازی به صنعت تجاری پرورش طیور است.
برداشت تخم مرغ با کمک هوش مصنوعی
این ربات چهار فوتی که «هاول» نام دارد، در واقع نسخهای از ربات انساننمای یونیتری جی ۱ است و وظیفه دارد تخم مرغهایی را که خارج از لانههای مخصوص تخمگذاری و روی کف سالنهای پرورش بدون قفس قرار گرفتهاند، شناسایی و جمعآوری کند.
این پروژه بخشی از تلاش گستردهتر برای استفاده از فناوری خودکارسازی، یادگیری ماشین و بینایی رایانهای با هدف رفع کمبود نیروی کار، کاهش تلفات تخم مرغ و بهبود رفاه حیوانات است.
تغییر رویکرد صنعت طیور به سمت تولید تخم مرغ بدون استفاده از قفس، چالشهای جدیدی را برای مرغداران ایجاد کرده است. برخلاف سیستمهای متداول قفسدار که در آن تخم مرغها روی نوارهای نقاله قرار میگیرند و به محل جمعآوری منتقل میشوند، در سالنهای پرورش بدون قفس، بخشی از تخم مرغها باید به صورت دستی از روی زمین جمعآوری شوند. در برخی از این محیطها، تخم مرغهای روی زمین میتوانند بین دو تا ۱۵ درصد از کل تولید را تشکیل دهند.
برای یک مرغداری با حدود ۱۰۰ هزار مرغ، این رقم به معنای نیاز به جمعآوری روزانه حداکثر ۱۵ هزار تخم مرغ از روی زمین است. این کار به نیروی انسانی زیادی نیاز دارد و تاخیر در جمعآوری تخم مرغها میتواند بر کیفیت محصول تاثیر بگذارد.
ربات هاول با هدف خودکارسازی این فرایند و با استفاده از هوش مصنوعی و فناوری رباتیک در حال توسعه است. این ربات طوری طراحی شده که تخم مرغهای روی زمین را شناسایی کند، به سمت آنها حرکت کند و با استفاده از دستهای رباتیک خود، آنها را بردارد.
آموزش این ربات انساننما برای انجام چنین حرکاتی مستلزم توسعه سیستمهای کنترلی و واکنشی آن از پایه است.
پژوهشگران برای آموزش حرکات ربات از فناوری دستکاری در محیط واقعیت مجازی (VR) استفاده میکنند؛ به این ترتیب که ابتدا انجام وظایف را در محیط مجازی به ربات نشان میدهند و سپس حرکات لازم را برای آن برنامهریزی میکنند.
این آموزش همچنین شامل روشهای یادگیری ماشینی، از جمله یادگیری تقویتی و یادگیری تقلیدی است تا ربات بتواند نحوه صحیح برداشتن و جابهجایی تخم مرغها را یاد بگیرد.
گروه پژوهشی در حال حاضر مشغول اصلاح برنامهنویسی و تکمیل فرایند آموزش هاول است. انتظار میرود شبیهسازیهای مربوط به شناسایی و جمعآوری تخم مرغ پیش از ورود به مرحله آزمایشهای عملی به پایان برسند. هدف پژوهشگران این است که ربات تا اوایل سال ۲۰۲۷ بتواند این وظایف را در محیط واقعی انجام دهد.
هوشمندسازی صنعت پرورش طیور
در کنار توسعه ربات جمعآوری تخم مرغ، دانشگاه ایالتی کارولینای شمالی در حال طراحی ابزارهای هوش مصنوعی دیگری است تا به تولیدکنندگان طیور کمک کند از دادههای مزرعه و اطلاعات علمی استفاده موثرتری داشته باشند.
یکی از این پروژهها «پولتری تاک» (Poultry Talk) نام دارد؛ یک پلتفرم مبتنی بر فناوری تولید تقویت شده با بازیابی اطلاعات (RAG) که قرار است به عنوان دستیار هوش مصنوعی تخصصی برای صنعت طیور عمل کند. این پلتفرم یک مدل زبانی بزرگ را با پایگاه دادهای گزینش شده از اسناد علمی حوزه پرورش طیور ترکیب میکند. این اسناد شامل پژوهشهای داوری شده علمی و انتشارات عمومی مراکز ترویج و آموزش کشاورزی هستند.
کاربران میتوانند پرسشهای خود را درباره موضوعاتی مانند تغذیه طیور، تشخیص و پیشگیری از بیماریها، شرایط نگهداری، رفاه حیوانات، مدیریت تولید و کشاورزی دقیق مطرح کنند.
این سیستم برخلاف ابزارهای عمومی که به اطلاعات پراکنده اینترنت متکی هستند، اطلاعات مرتبط را از پایگاه دانش تخصصی خود بازیابی میکند و بر اساس آنها پاسخهایی دقیقتر و متناسب با نیاز کاربران ارائه میدهد. نسخه آزمایشی این پلتفرم آماده شده و برای دریافت بازخورد و توسعه بیشتر در اختیار فعالان حرفهای صنعت طیور قرار گرفته است.
پروژه دیگری نیز بر پایش سلامت تکتک پرندگان با استفاده از بینایی رایانهای و هوش مصنوعی تمرکز دارد. در این پروژه، پژوهشگران دوربینهای ثابت دوبعدی و سهبعدی را در یک مرکز تحقیقاتی پرورش طیور نصب میکنند تا مدلهای بینایی رایانهای بتوانند پرندگان را به صورت جداگانه بررسی و وضعیت جسمانی آنها را ارزیابی کنند.
این سیستم ویژگیهایی مانند وضعیت پرها، تراکم پوشش پر و وزن بدن را بررسی میکند تا ارزیابی جداگانهای از سلامت هر پرنده ارائه دهد.
با ردیابی این شاخصها، فناوری مذکور میتواند نشانههای اولیه بیماری یا استرس را شناسایی کند؛ نشانههایی که ممکن است در میان تعداد زیادی از پرندگان به راحتی نادیده گرفته شوند.
دادههای جمعآوری شده همچنین میتوانند به توسعه سیستمهای تغذیه دقیق کمک کنند. به این ترتیب، مرغداران قادر خواهند بود رژیم غذایی و شرایط نگهداری را متناسب با نیازهای هر پرنده تنظیم کنند، به جای آنکه تمام پرندگان یک گله را از نظر نیازهای تغذیهای و مدیریتی یکسان در نظر بگیرند.
در مجموع، این پروژهها نشان میدهند که چگونه رباتیک انساننما، بینایی رایانهای و پلتفرمهای تخصصی هوش مصنوعی میتوانند خودکارسازی و تصمیمگیری مبتنی بر داده را وارد صنعت پرورش طیور کنند. هدف بلندمدت این فناوریها کاهش وابستگی به نیروی کار دستی و در عین حال بهبود فرایند جمعآوری تخم مرغ، پایش سلامت گله و افزایش بهرهوری در واحدهای تجاری پرورش طیور است.
انتهای پیام