خانهاخبار
ربات جدید MIT می‌تواند با دید و لمس کردن وسایل آنها را شناسایی کند

ربات جدید MIT می‌تواند با دید و لمس کردن وسایل آنها را شناسایی کند

ربات‌های لمسی - احساسی (Touchy-feely) می‌توانند آینده رباتها را متحول کنند
۱۳۹۸/۳/۲۸

احساس کردن اشیا و یا دیدن آنها برای ما انسان‌ها بسیار راحت به نظر می‌رسد. حتی اینکه بتوانیم با دیدن و لمس کردن آنها تشخیص بدهیم با چه وسایلی سر و کار داریم. اما برای یک ماشین تشخیص اشیا و حس کردن آنها یک چالش بزرگ محسوب می‌شود. به تازگی ربات جدیدی توسط آزمایشگاه تحقیقات علوم کامپیوتر و هوش مصنوعی دانشگاه مهندسی ماساچوست (MIT) ساخته شده است که تلاش می‌کند تمامی این احساسات و دیدها را درک و اشیا را به درستی تشخیص دهد. این تیم یک بازوی ربات KUKA را انتخاب کرد و یک حسگر لمسی طراحی شده توسط گروه تحقیقاتی تد آدلسون که GelSight نامیده می‌شود را به آن اضافه کرد. سپس اطلاعات جمع آوری شده توسط حسگر GelSight به هوش مصنوعی مرکزی ارسال می‌شود تا ارتباطی منطقی بین اطلاعات دریافت شده تصویری و اطلاعات دریافت شده لمسی برقرار کرده و پردازشی منطقی را انجام دهد.

image

تیم تحقیقاتی برای فرایند یادگیری هوش مصنوعی چگونگی شناسایی اشیا با لمس کردن، بیش از 12000 فیلم از 200 شئ مختلف مانند پارچه، ابزار و اشیاء خانگی را در اختیار هوش مصنوعی قرار دادند. در ابتدا فیلم‌ها به تصاویر ساکن تقسیم شدند و هوش مصنوعی با استفاده از مجموعه‌ای از داده‌های لمسی و بصری آنها را پردازش نمود. اتصال این داده‌ها نیز با استفاده از هوش مصنوعی صورت گرفت. لی یونشو دانشجوی دکترای تیم تحقیقاتی آزمایشگاه دانشگاه ماساچوست و نویسنده اصلی جدیدترین مقاله در زمینه سیستم‌های تلفیقی هوش مصنوعی می‌گوید: «مدل طراحی شده ما می‌تواند با نگاه کردن به صحنه و یا لمس کردن سطح تخت و یا لبه‌های تیز آنها را مدل سازی کرده و تشخیص دهد. همچنین با لمس کورکورانه اطراف، مدل ما می‌تواند با محیط زیست تعامل پیدا کرده و از الگوهای لمسی احساس شده پیشین پیشی بگیرد و اجسام را شناسایی کند. تلفیق این دو حس با هم می‌تواند شناخت ربات را قدرتمندتر کرده و میزان اطلاعاتی را که ممکن است برای شناسایی و لمس کردن اشیا مورد نیاز است، کاهش دهد.»

image

 

در حال حاضر، ربات مورد آزمایش قرار گرفته تنها می‌تواند اشیا را در محیط‌های کنترل شده شناسایی کند. گام بعدی ایجاد یک مجموعه داده بزرگتر است تا ربات بتواند در بازه تنظیمات متنوعتری کار کند. روش‌هایی مثل موارد ذکر شده، پتانسیل بسیار بالا و مفیدی برای روباتیک محسوب می‌شوند. دقیقا در زمانی که شما نیاز به پاسخ به سوالاتی مانند این شئ سخت است یا نرم؟ و یا اگر این دسته را با دستگیره آن بردارم، چقدر خوب است؟ این میزان نیاز بیشتر نمایان می‌شود. یک محقق دانشگاه برکلی کالیفرنیا به نام اندرو اوونز می‌گوید: «این یک چالش بسیار هیجان انگیز برای ما به شمار می‌رود. بدین شکل که ما سیگنال‌های متفاوتی را دریافت می‌کنیم و استفاده از این مدل قابلیت‌ها بسیاری را به ما نشان داده است.»

اخبار مشابه

برای ثبت نظر خود وارد حساب کاربری شوید.

دیدگاه‌ها (0 نظر)