چیتا
اخبار

دانشمندان یک گام دیگر به ساخت مینی چیتا نزدیک شدند

0
زمان مطالعه: ۴ دقیقه

سیستم کنترلی جدیدی که بر روی ربو چیتا تیم رباتیک دانشگاه ماساچوست تعبیه و آزمایش شده است، ربات‌های چهارپا را قادر می‌سازد در مدت زمان کوتاهی زمین ناهموار را طی کنند. یک چیتا واقعی به‌راحتی می‌تواند بر روی زمین ناهموار بتازد و از روی موانع و شکاف‌هایی که ناگهان بر سر راهش پیدا می‌شوند، عبور کند، اما ساخت رباتی با همین چابکی چشم‌اندازی کاملاً متفاوت است.

در سال‌های اخیر، ساخت ربات‌های چهارپا که از چیتا و سایر حیوانات دونده الهام گرفته‌اند، پیشرفت چشمگیری داشته‌ است. با این حال، زمانی که صحبت از حرکت بر روی زمین واقعی با پستی و بلندی‌های فراوان به میان می‌آید، این ربات‌ها با جانور همتای خود فاصله بسیار زیادی دارند.

طبق توضیحات گابریل مارگولیس، روش‌های فعلی برای ترکیب بینایی با تنظیم حرکات پاها در سیستم‌های چابک و نوظهور رباتیک کارایی کافی را ندارد. این دانشجوی دکتری تحقیقات خود را در آزمایشگاه پروفسور پالکیت آگراوال که بخشی از آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL) مؤسسه فناوری ماساچوست به شمار می‌آید، انجام داده است.

مارگولیس و همکارانش سیستمی توسعه داده‌اند که سرعت و چابکی ربات‌های پادار را هنگام پریدن از روی شکاف‌های زمین بهبود می‌بخشد. این سیستم کنترلی جدید از دو بخش تشکیل شده است: یک بخش، ورودیِ لحظه‌‌ای دوربین جلویی ربات را پردازش می‌کند و بخش دیگر این اطلاعات را به دستورالعمل‌های حرکتی برای ربات تبدیل می‌کند. محققان سیستم خود را بر روی مینی چیتای MIT آزمایش کردند.

بر خلاف سایر روش‌های کنترلی مورد استفاده در ربات‌های چهارپا، در این سیستم دو بخشی نیازی نیست نقشه‌برداری زمین از قبل انجام شود؛ به‌عبارتی، ربات می‌تواند در مسیرهای ناشناخته نیز پیمایش کند. در آینده، با کمک این سیستم، ربات‌ها این قابلیت را خواهند داشت، تا برای انجام مأموریت‌های اضطراری و پیمایش در جنگل شارژ شوند یا برای رساندن دارو به سالمندان محبوس در منزل از پله‌‌ها بالا بروند.

همه چیز تحت کنترل است

نوآوری خاص این سیستم استفاده همزمان از دو کنترل‌کننده مجزا است.

استفاده از هوش مصنوعی و یادگیری تقویتی چندعاملی برای آموزش همکاری به روبات‌ها

منظور از کنترل‌کننده، الگوریتمی است که وضعیت ربات را به مجموعه‌ای از دستورالعمل‌ها تبدیل می‌کند. کنترل‌کننده‌های بدون دوربین قوی و کارا هستند، اما تنها امکان حرکت ربات‌ بر روی زمین‌ هموار را فراهم می‌کنند.

بینایی، حسی پیچیده است و الگوریتم‌های فعلی کارایی کافی برای پردازش ورودی‌های حسی آن را ندارند. سیستم‌های مجهز به بینایی نیز معمولاً به یک «نقشه ارتفاع» متکی هستند که باید از قبل یا در حین عملیات تهیه شود؛ فرایندی که معمولاً بسیار کُند است و در صورت نادرست بودن نقشه ارتفاع، منجر به شکست خواهد شد.

این محققان برای توسعه سیستم خود، بهترین ویژگی‌های کنترل‌کننده‌های بدون دوربین را با ماژول جداگانه‌ای ترکیب کردند که مسئولیت کنترلِ بینایی ربات در لحظه را بر عهده دارد.

دوربینِ ربات تصاویر عمیقی از زمین پیش‌روی خود می‌گیرد که به همراه اطلاعات مرتبط با وضعیت بدن ربات (زاویه مفاصل، جهت بدن و غیره) به یک کنترل‌کننده سطح بالا فرستاده می‌شوند. منظور از کنترل‌کننده سطح بالا، شبکه عصبی است که با تجربه کردن یاد می‌گیرد.

خروجی شبکه عصبی یک مسیر است. کنترل‌کننده دوم از این مسیر برای ایجاد گشتاورهای مفاصل ربات استفاده می‌کند. این کنترل‌کننده سطح پایین در واقع شبکه عصبی نیست؛ در عوض، به مجموعه‌ای از معادلات فیزیکی دقیق و مختصری متکی است که حرکت ربات را توصیف می‌کند.

چیتا

آموزش شبکه

محققان با روش آزمون و خطا، موسوم به یادگیری تقویتی، کنترل‌کننده‌های پیشرفته را آموزش دادند. برای این منظور، شبیه‌سازی‌های فراوانی از دویدن ربات در زمین‌های ناهموار ایجاد کرده و برای عبور موفقیت‌آمیز به ربات پاداش دادند.

پس از چندین تکرار، الگوریتم یاد گرفت کدام اقدامات بیشترین پاداش را دارند.

این محققان سپس با تخته‌های چوبی یک زمین ناهموار با شکا‌ف‌های مصنوعی ایجاد و  طرح کنترلی خود را بر روی ربو چیتایی با ابعاد کوچک آزمایش کردند.

نقشه راه شبیه سازی کوانتومی در آینده

این تحقیقات نشان داد که تخمین وضعیت ربات در برخی مواقع بسیار دشوار است. بر خلاف نتایج به‌دست‌آمده از اجرای الگوریتم در شبیه‌سازی، حسگرهای واقعی نویز دریافت می‌کردند که بر نتیجه تأثیر می‌گذاشت. بنابراین، در آزمایش‌هایی که محل قرار گرفتن پا مستلزم به کارگیری دقت زیادی بود، محققان از سیستم ضبط حرکت برای اندازه‌گیری موقعیت واقعی ربات استفاده کردند.

این سیستم در مقایسه با سایر سیستم‌هایی که تنها از یک کنترل‌‌کننده استفاده می‌کردند، عملکرد بهتری داشت و ربو چیتا ۹۰ درصد مسیرها را با موفقیت پیمود.

مارگولیس می‌گوید: «یکی از نوآوری‌های سیستم ما در این است گام برداشتن ربات را تنظیم می‌کند. اگر قرار بود انسان از روی یک شکاف وسیع بپرد، کمی قبل از شکاف شروع به دویدن می‌کرد، تا به سرعت کافی برسد؛ سپس هر دو پا را کنار هم می‌گذاشت و با قدرت از روی شکاف می‌پرید. به همین ترتیب، ربات ما نیز می‌تواند زمان‌بندی و مدت زمان تماس پاهای خود را با زمین تنظیم کرده و مسیر را به بهترین نحوه ممکن طی کند.»

پریدن خارج محیط آزمایشگاه

اگرچه این محققان موفق شدند کارایی طرح خود را در محیط آزمایشگاهی نشان دهند، اما کماکان برای استفاده از آن در دنیای واقعی راه دور و درازی در پیش دارند.

برای مثال، این محققان امیدوارند در آینده کامپیوتر قدرتمندتری روی ربات تعبیه کنند، تا خودِ ربات بتواند تمام محاسبات را انجام دهد. آن‌ها همچنین قصد دارند تخمین‌گر وضعیت ربات را ارتقا دهند، تا نیازی به سیستم ضبط حرکت نداشته باشند. علاوه بر این، آن‌ها می‌خواهند کنترل‌کننده سطح پایین را بهبود بخشند، تا بتواند دامنه حرکتی ربات را کامل کنند و کنترل‌کننده سطح بالا را تقویت کند، تا در شرایط نوری مختلف به‌خوبی کار کند.

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

این مطلب چه میزان برای شما مفید بوده است؟
[کل: ۰ میانگین: ۰]

تلخ‌ترین رویدادهای فناوری در سال ۲۰۲۱

مقاله قبلی

بزرگ ترین شرکت هوش مصنوعی ایران؛ مرکز تحقیقات هوش مصنوعی پارت

مقاله بعدی

شما همچنین ممکن است دوست داشته باشید

بیشتر در اخبار

نظرات

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد.