رباتی که درهای بسته را باز می کند+فیلم
به گزارش «نبض فناوری»، « Ou Ma» استاد مهندسی هوافضا در دانشگاه سینسیناتی گفت و درها برای ربات ها تضعیف کننده هستند. رباتها میتوانند کارهای زیادی انجام دهند، اما اگر بخواهد به تنهایی دری را باز کند و از در عبور کند، این چالش بزرگی است.
دانشجویان آزمایشگاه رباتیک هوشمند و سیستمهای خودمختار UC این مشکل پیچیده را در شبیهسازیهای دیجیتال سهبعدی حل کردهاند. اکنون آنها در حال ساخت یک ربات مستقل هستند که نه تنها می تواند درهای خود را باز کند، بلکه می تواند نزدیک ترین پریز برق را برای شارژ مجدد بدون کمک انسان پیدا کند.
این پیشرفت ساده در استقلال نشان دهنده جهش بزرگی رو به جلو برای ربات های کمکی است که ساختمان های اداری، فرودگاه ها و بیمارستان ها را جاروبرقی و ضد عفونی می کنند. ربات های کمکی بخشی از صنعت رباتیک 27 میلیارد دلاری هستند که شامل تولید و اتوماسیون می شود.
یوفنگ سان، دانشجوی دکتری کالج مهندسی و علوم کاربردی دانشگاه کالیفرنیا و نویسنده ارشد این مطالعه، گفت که برخی از محققان با اسکن کل اتاق برای ایجاد یک مدل دیجیتالی سه بعدی، به این مشکل رسیدگی کردهاند تا ربات بتواند یک در را پیدا کند. اما این یک راه حل سفارشی وقت گیر است که فقط برای اتاق خاصی که اسکن می شود کار می کند. سان گفت که توسعه ربات مستقل برای باز کردن دری به روی خود چندین چالش را به همراه دارد.
درها در رنگها و اندازههای مختلف با دستگیرههای متفاوتی وجود دارند که ممکن است کمی بالاتر یا پایینتر باشند. ربات ها باید بدانند که برای غلبه بر مقاومت از چه مقدار نیرو برای باز کردن درها استفاده کنند. اکثر درهای عمومی به خودی خود بسته می شوند، به این معنی که اگر ربات کنترل خود را از دست بدهد، باید از نو شروع به کار کند.
از آنجایی که دانشآموزان UC از یادگیری ماشین استفاده میکنند، ربات باید بیاموزد که چگونه یک در را باز کند(اساساً از طریق آزمون و خطا). این ممکن است در ابتدا زمان بر باشد، اما ربات اشتباهات خود را در طول مسیر تصحیح می کند. سان گفت، شبیهسازیها به ربات کمک میکند تا برای کار واقعی آماده شود.
سان گفت: «ربات به دادهها یا تجربیات کافی برای کمک به آموزش آن نیاز دارد. این چالشی بزرگ برای سایر برنامههای رباتیک است که از رویکردهای مبتنی بر هوش مصنوعی برای انجام وظایف دنیای واقعی استفاده میکنند.»
سان اعلام کرد: «چالش این است که چگونه میتوان این سیاست کنترل آموختهشده را از شبیهسازی به واقعیت منتقل کرد، که اغلب از آن به عنوان مشکل «Sim2Real» یاد میشود.
سان گفت که شبیهسازیهای دیجیتال معمولاً تنها 60 تا 70 درصد در برنامههای کاربردی اولیه در دنیای واقعی موفق هستند. او انتظار دارد یک سال یا بیشتر را صرف پر کردن این شکاف برای تکمیل سیستم رباتیک خودمختار جدید خود کند.
نتایج این مطالعه در مجله IEEE Access منتشر شد.