ربات‌های نرم با بدنی انعطاف‌پذیر می‌توانند در فضاهای تنگ حرک کنند. اما برای اینکه به خوبی بدن خود در این مکان‌ها حرکت دهند باید از محل اجزای آن با خبر باشند. با توجه به بی‌نهایت شکل ممکن برای بدن یک ربات نرم، انجام این کار مشکل به نظر می‌رسد. برای انجام این‌کار مهندسین MIT یک الگوریتم هوش مصنوعی برای یافتن مکان بهینه حسگرها روی بدن ربات نوشتند. بنابراین ربات ضمن برهم‌کنش مناسب با محیط وظیفه خود را نیز بهتر انجام می‌دهد. برای آشنایی بیشتر با این پژوهش با مجله فناوریهای توان‌افزا و پوشیدنی همراه باشید.
آشنایی با پژوهشگران این طرح
این پژوهش در کنفرانس بین المللی رباتیک نرم IEEE در ماه اوریل ارائه می‌شود. همچنین در ژورنال IEEE Robotics and Automation Letters به چاپ می‌رسد. Alexander Amini و Andrew Spielberg دانشجویان دکتری علوم کامپیوتر در MIT و در آزمایشگاه CSAIL می‌باشند. دانشجوی دکتر Lillian Chin و دو استاد دانشگاه Wojciech Matusik و Daniela Rus نیز در نگار مقاله همکاری داشته‌اند.
اهمیت طراحی الگوریتمی برای ردیابی ربات نرم
در واقع ردیابی یک ربات نرم کار ساده‌ای نیست. برای ردیابی بدنی یک ربات نرم به بی‌نهایت بعد نیاز است. چرا که بدن نرم ربات بی‌نهایت شکل به خود می‌گیرد. در تلاش‌های پیشین، پژوهشگران دوربینی روی ربات‌ها سوار می‌کردند. سپس اطلاعات دوربین از بدنه ربات به صورت داده‌های مختصات مکانی بدن ربات ذخیره می‌شد. اما پژوهشگران قصد داشتند ربات را از هرگونه کمک خارجی بی‌نیاز سازند.
در عمل نمی‌توان از بی‌نهایت حسگر استفاده کرد. بنابراین سوال این است که با در دست داشتن تعدادی حسگر، بهینه‌ترین پیکربندی این حسگرها برای ردیابی اجزای بدن ربات چیست؟
بنابراین پژوهشگران یک شبکه یادگیری عمیق ساختند که افزون بر این بهینه سازی، انجام امور خاصی را نیز فرا می‌گیرد. اما ورودی این شبکه چیست؟ بدن ربات به بخش‌هایی به نام ذره یا Particle تقسیم بندی می‌شود. ورودی شبکه نرخ کشش این ذرات است. پس از آن شبکه محاسبه می‌کند که بهترین حرکات برای دستیابی به هدف چیست. در همین میان شبکه با ردگیری ذراتی که بیشترین حرکت و دخالت را در حرکت ربات دارند، ذرات کم تاثیر را از دور محاسبات خارج می‌سازد.
آزمایش کارایی الگوریتم طراح پیکربندی حسگرهای رباتیک نرم
برای آزمایش کارایی الگوریتم پژوهشگران از متخصصین رباتیک خواستند تا یکسری حسگر را به صورت دستی روی ربات قرار دهند. هدف در دست گرفتن اشیا بود. سپس حرکت مورد نظر را با استفاده از پیکربندی پیشنهادی الگوریتم و انسان شبیه سازی کردند. نتیجه اصلا نزدیک نبود. در واقع پیکربندی پیشنهادی هوش مصنوعی بازدهی بسیار بهتر داشت.
گروه انتظار دارند که نتایج پژوهش آنان در خودکار کردن طراحی رباتیک موثر و پرکاربرد باشد. مخصوصا با توجه به اینکه خوکار سازی طراحی پیکربندی حسگرها در مسیر انجام اهداف ربات بسیار موثر است. چرا که حسگرها بخش مهمی از کارکرد ربات‌های نرم هستند. به نوعی حسگرها چشمان یک ربات نرم هستند.
بیشتر بخوانیم:
حسگر فشار مقاوم و منعطف نویدبخش فناوری های رباتیک نرم
ربات های نرم از رایانه های ماده نرم بهره خواهند برد
یک مدل زیستی برای ساخت اسلکت های بیرونی رباتیک
منبع: scitechdaily
«استفاده و بازنشر مطالب تنها با ذکر لینک منبع و نام (مجله فناوریهای توان افزا و پوشیدنی) مجاز است.»
