40 گام به سوی آینده‌ای هوشمند - مجموعه وبینارهای رایگان در حوزه هوش مصنوعی
Filter by دسته‌ها
chatGTP
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
تیتر یک
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 تقویت مهارت برش در ربات ها به کمک شبیه‌ساز

تقویت مهارت برش در ربات ها به کمک شبیه‌ساز

محققان دانشکده علوم کامپیوتر در دانشگاه کالیفرنیای جنوبی (USC) و NVIDIA از شبیه‌سازی برای تقویت مهارت برش در ربات ها رونمایی کرده‌اند؛ این شبیه‌ساز قادر به بازسازی نیروهای وارده به چاقو (برای مثال، برش دادن مواد غذایی از جمله میوه‌ها و سبزیجات) است. علاوه بر این، این سیستم می‌تواند بُرش بافت‌های بدن انسان را شبیه‌سازی کند و به همین دلیل ظرفیت آن را دارد که از آن در جراحی رباتیک استفاده شود. در مقاله‌ای که در کنفرانس رباتیک علوم و سیستم‌ها (RSS) ارائه شد، کارکرد این شبیه‌ساز به طور کامل شرح داده شد. این کنفرانس شانزدهم جولای سال 2021 برگزار شد و این مقاله موفق به دریافت جایزه بهترین مقاله دانشجویی شد.

در گذشته، پژوهشگران در ساخت ربات‌های مبتنی بر فناوری هوش مصنوعی که بتوانند چیزی را بُرش دهند، به مشکل می‌خوردند و همواره به دنبال راهی برای تقویت مهارت برش در ربات ها بودند. در دنیای واقعی هیچ دو شی‌ای شبیه به هم نیستند و به همین دلیل، سیستم‌های برش رباتیک کنونی در تفکیک آن‌ها به مشکل می‌خورند. این تیم پژوهشی برای رفع این مشکل، رویکرد خاصی ارائه داده‌اند؛ در این رویکرد میان دو نیمه شی‌ای که قرار است بریده شود خاصیت کشسانی برقرار می‌شود و به وسیله مِش نشان داده می‌شوند. خاصیت کشسانی در طول زمان و به نسبت فشاری که با چاقو بر روی مش وارد می‌شود، تضعیف می‌شود.

این شبیه‌ساز برای اینکه این مهارت‌ها را از محیط شبیه‌سازی خارج کند و در محیط واقعی به نمایش بگذارد، باید بتواند از یک سیستم واقعی تقلید کند. این پژوهشگران در یکی از آزمایشات خود از دیتاستی متشکل از نیروهای وارده استفاده کردند. این نیروها از یک ربات فیزیکی استخراج شده بودند تا شبیه‌ساز به درستی بتواند نحوه حرکت چاقو در دنیای واقعی را پیش‌بینی کند. از این شبیه‌ساز می‌توان در صنعت فرآوری مواد غذایی استفاده کرد؛ ربات‌ها در این حوزه از صنعت می‌توانند کارهای خطرناک همچون برش‌های تکراری را انجام دهند. علاوه بر این، می‌توان از این شبیه‌ساز در جراحی رباتیک استفاده کرد؛ برای مثال، این شبیه‌ساز می‌تواند دقت بازخورد لمسی را افزایش داد و از جراحت‌های احتمالی جلوگیری کند.

هیدن، دانشجوی مقطع دکتری در دانشگاه کالیفرنیای جنوبی (USC)، که این شبیه‌ساز را ساخته است، می‌گوید: « مهم است مدل دقیقی برای بُرش دادن بسازیم که بتواند نیروهای وارده بر ابزار بُرش را در هنگام بریدن بافت‌های مختلف، بازسازی کند. ما با تکیه بر این رویکرد می‌توانیم شبیه‌ساز خود را به صورت خودکار تنظیم کنیم تا با مواد مختلف مطابقت پیدا کند و شبیه‌سازی‌های بسیار دقیقی از نیروها به دست آوریم.» این تیم پژوهشی قصد دارند در پژوهش‌های آتی خود این سیستم را به منظور تقویت مهارت برش در ربات ها، البته ربات‌های دنیای واقعی، به کار گیرند.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]