ربات چهارپای دانشگاه زوریخ موسوم به ANYmal با بهرهگیری از قابلیتهای پیشرفت و یپمودن سطوح شیبدار و لغزنده، پلههای بلند و مسیرهای جنگلی و پُرسنگریزه توانست به ارتفاع 1098 متری کوه اتزل در جنوب دریاچه زوریخ صعود کند! این ربات چهارپا بیآنکه زمین بخورد یا اشتباه گام بردار، طی 31 دقیقه 120 متر در مسیرهایی عمودی و شیبدار بالا میرود که از این حیث حدود 4 دقیقه سریعتر از رباتهای انساننماست.
پژوهشگران دانشگاه زوریخ برای این منظور فناوری هدایتگر جدیدی طراحی کردند. ربات با کمک فناوری مذکور، قابلیت بینایی را با حس عمقی ترکیب میکند تا سطوح سخت و ناهموار را سریعتر، بهتر و استوارتر بپیماید. استاد هاتر، سرپرست گروه میگوید، ربات ANYmal در آینده خواهدتوانست سطوحی را بپیماید که پیمودنشان برای انسانها یا سایر رباتها خطرناک یا دشوار است.
توضیح: حس عمقی (proprioceptive sense) در انسان (و سایر موجودات زنده)، حسی است که سبب میشود شخص با کمک سلولهای عصبی موجود در مفاصل، ماهیچهها و تاندونهایش حرکت و موقعیت خود را درک کند. لذا حس عمقی با حس لامسه تفاوت دارد.
درک محیط
انسانها و جانوران برای حرکت در مسیرهای دشوار، تقریبا ناخودآگاه دادههای حاصل از حس بیناییشان را با دادههایی که از پاها و دستهایشان دریافت میکنند، درمیآمیزند و با این شیوه، حتی وقتی دیدشان کم است، سطوح لغزنده یا زمینهای نرم را بهراحتی پشت سر میگذارند و با اطمینان حرکت میکنند. رباتهای پادار که پیش از این ساخته شدهاند، در شبیهسازی قابلیت مذکور محدودیت دارند؛ زیرا اطلاعات بیدرنگی که با کمک حسگرهای لیزری و دوربینهایشان از محیط ضبط میکنند، اغلب ناکامل و مبهم هستند. مثلا علفهای بلند، حوضچههای گِلی کمعمق یا برف، موانع نسبتا پنهان یا نفوذناپذیری بهنظر میرسند اما ربات دانشگاه زوریخ میتواند از آنها عبور کند.
ظبیعتاً در مه و غبار و محیطهای کمنور بینایی ربات محدود میشود. تاکاهیرو میکی از اعضای گروه میگوید، بههمین علت رباتهایی مثل ANYmal باید با کمک همان مقدار دادههای محدود بصری تصمیم بگیرند که چههنگام چابک و چههنگام محتاط و با قدمهای کوتاه پیش بروند. و البته این چالش بزرگی بود.
اردوی آموزش مجازی ربات
ربات ANYmal با کمک هدایتگر جدیدی که برپایه شبکههای عصبی طراحی شده بود، برای نخستین بار توانست دادههای دریافتی از محیط خارج را با حس عمقیِ خود ترکیب کند. دانشمندان، نخست این سامانه را در اردوی آموزش مجازی آزمودند تا ببینند در مواجهه با موانع و موقعیتهای اشتباهزا چگونه عمل میکند. با این کار، شبکه عصبی توانست بهترین شیوههای غلبه ربات بر موانع را یاد بگیرد. ضمنا آموخت که چهزمانی میتواند بر دادههای دریافتی از محیط تکیه کند و چهزمان بهتر است که آن دادهها را نادیده بگیرد و به حس عمقی اتکا کند.
بعد از این دوره آموزشی، ربات توانست سطوح سخت طبیعی را چنان خوب بپیماید که نظیرش قبلا دیده نشده بود. حتی اگر حسگر ربات دادههای مبهمی از محیط دریافت کند، ربات سرگشته نمیشود بلکه بر حس عمقی خود تکیه میکند. بدینترتیب ربات مزایای هر دو قابلیت را بهکار میگیرد: سرعت و بازده حاصل از درک محیط خارجی از یکسو و ایمنی حاصل از تکیه به حس عمقی از سوی دیگر.
آزمودن ربات در شرایط سخت
سپتامبر پارسال ربات ANYmal طی آزمونی توانست قابلیتهای جدید خود را نشان دهد و موانع متعدد و مسیرهای دشوار را سریع و خودکار پشت سر نهد. ربات فعلی نسخه بهبودیافته ربات ANYmal است که پیشتر نسخههای دیگری نیز از آن ساخته شده بود.
در شرایط بحرانی مثل زمینلرزهها و آتشسوزیهای جنگلی که جان امدادگران در خطر است، میتوان ابتدا رباتهایی مثل ANYmal را به کانون حادثه فرستاد.