مسیر
اخبارکاربردهای هوش مصنوعی

الگوریتم‌ها به کمک ربات‌ها می‌آیند، تا با موانع موجود در مسیر خود برخورد نکنند

0
زمان مطالعه: ۲ دقیقه

اگر تا به حال محصولی را از آمازون سفارش داده باشید، احتمالاً یک ربات، خرید شما را از قفسه برداشته، بارکد آن را خوانده و برای بسته‌بندی به پیشخوان تحویل داده است. البته اگر در مسیر خود با یک کارگر انسانی برخورد نکرده و مسیر را گم نکرده باشد.

اکنون به‌واسطه الگوریتمی که پژوهشگران دانشگاه استرالیای جنوبی (UniSA) ایجاد کرده‌اند، احتمال وقوع چنین اتفاقی کاهش یافته است. این الگوریتم به ربات‌ها کمک می‌کند که از برخورد با انسان‌ها و دیگر موانع متحرک در مسیر خود، اجتناب کنند.

دکتر حبیب حبیب‌الله، استاد مهندسی مکاترونیک دانشگاه استرالیای جنوبی و همکاران او، مدلی رایانه‌ای ساخته‌اند که تضمین می‌کند ربات‌های سیار بتوانند موانع غیرمنتظره را تشخیص داده و از آن‌ها اجتناب کرده، سریع‌ترین و ایمن‌ترین مسیر را به‌سوی مقصد خود پیدا کنند.

در مقاله‌ جدیدی که در مجله Journal of Field Robotics منتشر شده است، دکتر حبیب‌الله توضیح داده که چگونه گروه او، بهترین عناصر الگوریتم‌های موجود را برای دست یافتن به ربات بدون تصادفِ TurtleBot، ترکیب کرده است. این ربات قادر است سرعت و زاویه فرمان خود را تنظیم کند.

دکتر حبیب‌الله می‌گوید: «بر حسب اینکه ربات‌های سیار در محیط‌های ثابت استفاده شوند یا در جایی که با موانع متحرک مانند انسان یا ماشین مواجه می‌شوند، دو نوع راهبرد برنامه‌ریزی مسیر برای آن‌ها وجود دارد. برنامه‌نویسی اولی نسبتاً آسان است، اما دومی چالش‌برانگیزتر است.»

مسیر

در بازار چندین الگوریتم وجود دارند که سعی دارند مسئله تصادف ربات‌ها با موانع متحرک را حل کنند، اما هیچ کدام خالی از اشکال نیستند.

رصد ستاره‌ها از طریق ابرهای هیدروژنی

پژوهشگران UniSA، مدل خود را با دو الگوریتم آنلاین رایجِ اجتناب از تصادف با نام‌های رویکرد پنجره پویا (DWA) و میدان پتانسیل مصنوعی (APF) مقایسه کردند و دریافتند که بر خلاف انتظار، الگوریتم آن‌ها با موفقیت عمل می‌کند.

این پژوهشگران، طی یک سری شبیه‌سازی در ۹ سناریوی مختلف، نرخ برخورد، زمان متوسط رسیدن به مقصد و سرعت متوسط ربات را مقایسه کردند. در تمامی سناریوها، الگوریتم UniSA، به ربات‌ها کمک کرد که با موفقیت و بدون هیچ برخوردی، مسیر را بپیمایند. در مقایسه، DWA تنها در ۶۶ درصد موارد کارآمد بود و در سه سناریو از ۹ سناریو، با اشیا برخورد کرد. مدل AFP هم هیچ برخوردی نداشت، اما برای رسیدن به مقصد، زمان بیشتری صرف کرد.

دکتر حبیب‌الله می‌گوید: «روش پیشنهادی ما، گاهی مسیر طولانی‌تری انتخاب می‌کرد، اما سریع‌تر و امن‌تر بود و از تمام تصادف‌ها اجتناب می‌کرد. الگوریتم ما در بسیاری از محیط‌ها از جمله انبارهای صنعتی که در آن کاربرد ربات رایج است، میوه‌چینی با ربات، بسته‌بندی و قالب‌گیری و همچنین به‌عنوان ربات‌ رستورانی که غذا را از آشپزخانه به سر میز می‌برد، قابل‌استفاده است.»

الگوریتمی که UniSA طراحی کرده است، می‌تواند به ربات TurtleBot دستور ایست، چرخش و حتی در صورت برخورد با هر چیزی در مسیر، دستور برگشت بدهد.

دکتر حبیب‌الله می‌گوید: «این الگوریتم می‌تواند برای ربات‌های کشاورزی که اغلب در سر راهشان کودکان یا جانوران وجود دارند، مانند ماشین‌های چمن‌زنی خودکار، ربات‌های زمینیِ نظارت بر محصولات و ربات‌های علف‌کشی خودکار هم راه‌حل مناسبی باشد.»

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]

بررسی علم داده کاوی در هوش تجاری

مقاله قبلی

شرکت های بزرگ فناوری مؤلفه‌های یادگیری ماشین مخصوص به خود را می‌سازند

مقاله بعدی

شما همچنین ممکن است دوست داشته باشید

بیشتر در اخبار

نظرات

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد.