نموداری برای نشان دادن طرحی آزمایشی برای انجام کار دو دستی روبات. یک "مجموعه لغات عمل دو دستی" برای روبات ها از یک تحلیل گسترده از حرکات دو دستی دست و بازوی انسان ایجاد شده است (پانل بالا برچسب خورده با عنوان "مطالعه شکل دهنده"). یک روبات که با یک شبکه عصبی برنامه ریزی شده و یک مجموعه واژگان عمل دودستی، با یک داوطلب که تلاش می کرد روبات را برای تکمیل وظایف دودستی کنترل کند، لینک شده بود. روبات حالت انسان را می گرفت و حرکت صحیح را با استخراج از مجموعه واژگان دودستی استنتاج می کرد. اعتبار: راکیتا و همکاران، Sci. Sci. Robot. 4, eaaw0955 (2019)
یک تیم از محققان دانشگاه ویسکانسین و آزمایشگاه تحقیقات دریایی یک سیستم روباتیک را طراحی کرده و ساخته اند که از طریق کنترل اشتراکی اجازه انجام ماهرانه کار دودستی را به روبات می دهد. در مقاله ای که در نشریه Science Robotics منتشر شده، این گروه ایده های پشت کار خود را توضیح می دهد و این که چگونه آنها در عمل کار می کنند.
همانطور که محققان خاطرنشان می کنند، استفاده از دو دست برای تکمیل یک کار بسیار پیچیده است - این امر به مراتب پیچیده تر از وقتی است که فقط دو دست منفرد به طور مستقل روی یک وظیفه به طور همزمان کار کنند. به عنوان مثال، هنگامی که فرد در یک شیشه مربا را باز می کند، مغز باید، همانطور که سیگنال ها را دریافت می کند و به هر دو دست می فرستد، به عنوان یک واسطه‌ی کارها عمل کند و عمل را هدایت کند. چنین وظایف ساده ای آن چنان پیچیده است که روبات ها قادر به انجام آن نیستند - به همین دلیل عملاً تمام روبات ها تنها با یک دست کار می کنند. در این تلاش جدید، محققان یک گام کوچک را در جهت آموزش روبات ها در چگونگی استفاده از دو دست برای تکمیل یک کار برداشته اند.
محققان خاطرنشان می کنند که بسیاری از برنامه های کاربردی نیمه روباتیک به روبات ها اجازه می دهند تا نقش تقویت کنندگی را ایفا کنند، نه این که خودشان کار را انجام دهند. جراحی که یک دست روباتی را با استفاده از دست خودش هدایت می کند یک مثال در این زمینه است. اما آنها همچنین یادآور می شوند که یک تقلید ساده برای سیستمهای روباتی تقویت شده دودستی کار نمی کند - چنین حرکاتی بسیار پیچیده هستند. راه حلی که آنها یافتند ترکیب تقلید با یک شبکه یادگیری عمیق بود. نتیجه یک روش بود که روبات را قادر می ساخت تا وظایف دودستی را با به اشتراک گذاشتن کنترل با یک انسان انجام دهد.
این کار با تجهیز یک روبات با دو بازو و دست انجام شد. آنها سخت افزاری را برای اجازه دادن به بازوهای روبات برای برقراری ارتباط با یک شبکه یادگیری عمیق و حسگرهایی که بر روی یک انسان قرار داده شده بود، اضافه کردند. به یک روبات گفته شد که روی انجام چه وظیفه‌ای قرار بود تلاش شود، و سپس انسان آن را انجام داد. همانطور که انسان آن را انجام می داد، روبات بهترین کار را برای تقلید از عمل در همان زمان انجام می داد. چندین بار تکرار این روش باعث شد که روبات بتواند درمورد وظایف بسیار کوچکی که درگیر انجام وظیفه اصلی بود یاد بگیرد، و این به سهم خود باعث ایجاد نوعی بصیرت شد.
با گذشت زمان، همان طور که یک روبات در ارتباط با انسان کار می کرد، دستورات خود را برای دستیابی به نتیجه بهتر اضافه کرد. روبات به سمت انجام وظیفه به تنهایی پیشرفت نمی کرد؛ به جای آن، دانش آموز به عنوان دستیاری کاملاً توانمند کار می کرد. محققان خاطرنشان می کنند که چنین روباتی ممکن است به عنوان دستیار برای افراد نیمه معلول عمل کند. همچنین، به نظر می رسد نیروی دریایی می تواند از چنین روباتی برای انجام عملیات از راه دور زیر آب استفاده کند.
یک تیم از محققان دانشگاه ویسکانسین و آزمایشگاه تحقیقات دریایی یک سیستم روباتیک را طراحی کرده و ساخته اند که از طریق کنترل اشتراکی اجازه انجام ماهرانه کار دودستی را به روبات می دهد. در مقاله ای که در نشریه Science Robotics منتشر شده، این گروه ایده های پشت کار خود را توضیح می دهد و این که چگونه آنها در عمل کار می کنند.
همانطور که محققان خاطرنشان می کنند، استفاده از دو دست برای تکمیل یک کار بسیار پیچیده است - این امر به مراتب پیچیده تر از وقتی است که فقط دو دست منفرد به طور مستقل روی یک وظیفه به طور همزمان کار کنند. به عنوان مثال، هنگامی که فرد در یک شیشه مربا را باز می کند، مغز باید، همانطور که سیگنال ها را دریافت می کند و به هر دو دست می فرستد، به عنوان یک واسطه‌ی کارها عمل کند و عمل را هدایت کند. چنین وظایف ساده ای آن چنان پیچیده است که روبات ها قادر به انجام آن نیستند - به همین دلیل عملاً تمام روبات ها تنها با یک دست کار می کنند. در این تلاش جدید، محققان یک گام کوچک را در جهت آموزش روبات ها در چگونگی استفاده از دو دست برای تکمیل یک کار برداشته اند.
محققان خاطرنشان می کنند که بسیاری از برنامه های کاربردی نیمه روباتیک به روبات ها اجازه می دهند تا نقش تقویت کنندگی را ایفا کنند، نه این که خودشان کار را انجام دهند. جراحی که یک دست روباتی را با استفاده از دست خودش هدایت می کند یک مثال در این زمینه است. اما آنها همچنین یادآور می شوند که یک تقلید ساده برای سیستمهای روباتی تقویت شده دودستی کار نمی کند - چنین حرکاتی بسیار پیچیده هستند. راه حلی که آنها یافتند ترکیب تقلید با یک شبکه یادگیری عمیق بود. نتیجه یک روش بود که روبات را قادر می ساخت تا وظایف دودستی را با به اشتراک گذاشتن کنترل با یک انسان انجام دهد.
این کار با تجهیز یک روبات با دو بازو و دست انجام شد. آنها سخت افزاری را برای اجازه دادن به بازوهای روبات برای برقراری ارتباط با یک شبکه یادگیری عمیق و حسگرهایی که بر روی یک انسان قرار داده شده بود، اضافه کردند. به یک روبات گفته شد که روی انجام چه وظیفه‌ای قرار بود تلاش شود، و سپس انسان آن را انجام داد. همانطور که انسان آن را انجام می داد، روبات بهترین کار را برای تقلید از عمل در همان زمان انجام می داد. چندین بار تکرار این روش باعث شد که روبات بتواند درمورد وظایف بسیار کوچکی که درگیر انجام وظیفه اصلی بود یاد بگیرد، و این به سهم خود باعث ایجاد نوعی بصیرت شد.
با گذشت زمان، همان طور که یک روبات در ارتباط با انسان کار می کرد، دستورات خود را برای دستیابی به نتیجه بهتر اضافه کرد. روبات به سمت انجام وظیفه به تنهایی پیشرفت نمی کرد؛ به جای آن، دانش آموز به عنوان دستیاری کاملاً توانمند کار می کرد. محققان خاطرنشان می کنند که چنین روباتی ممکن است به عنوان دستیار برای افراد نیمه معلول عمل کند. همچنین، به نظر می رسد نیروی دریایی می تواند از چنین روباتی برای انجام عملیات از راه دور زیر آب استفاده کند.
مهندسان به روبات‌های انسان نما آموزش می‌دهند تا از دستان خود برای جلوگیری از سقوط استفاده کنند
یک ویدئوی معروف، که به سرعت فراگیر شد، در مورد چالش روباتیکی دارپا نشان می دهد همه نوع روبات های انسان نما به گونه ای دست و پا چلفتی سقوط می کنند. حرکت دو پایی نسبتا ناپایدار است، که نه تنها یک مشکل برای روباتی است که تلاش می کند تا کار خود را تکمیل کند، بلکه همچنین افتادن می تواند به یک قطعه خیلی گران قیمت از ماشین آسیب وارد آورد.
روباتیک در سرتاسر جهان این مشکل را با راه حل های مختلفی حل می کند. در حالی که برخی به دنبال اضافه کردن یک سری از مراحل اصلاح پس از خارج شدن یک روبات از حالت تعادل هستند، بسیاری شخصی را که بعد از سکندری خوردن تلوتلو می خورد دوست دارند. کریس هاوسر می خواهد روبات ها قادر به استفاده از محیط اطراف خود باشند.
کریس هاوسر، استاد وابسته مهندسی برق و کامپیوتر و مهندسی مکانیک و علوم مواد در دوک، گفت: "اگر یک فرد به طرف دیوار یا نرده ای هل داده شود، می تواند از سطح دیوار یا نرده استفاده کند تا خودش را با کمک دستانش سرپا نگاه دارد. ما می خواهیم روبات ها بتوانند همین کار را انجام دهند." استفاده از دو دست برای تکمیل یک کار بسیار پیچیده است - این امر به مراتب پیچیده تر از وقتی است که فقط دو دست منفرد به طور مستقل روی یک وظیفه به طور همزمان کار کنند. "ما معتقدیم که تنها گروه تحقیقاتی هستیم که روی داشتن روباتی کار می کنیم که به صورت پویا، جایی برای قرار دادن دستان خود برای جلوگیری از افتادن را انتخاب می کند."
در حالی که چنین تصمیم گیری ها و اقداماتی، طبیعت دوم ما هستند، برنامه ریزی آنها به رفلکس های یک روبات به طور گول زننده ای دشوار است. برای ساده سازی روند و صرفه جویی در زمان محاسبات، هاوسر نرم افزاری را برنامه ریزی می کند که تنها بر روی مفصل ران و اتصال های شانه روبات تمرکز کند.
روباتیک در سرتاسر جهان این مشکل را با راه حل های مختلفی حل می کند. در حالی که برخی به دنبال اضافه کردن یک سری از مراحل اصلاح پس از خارج شدن یک روبات از حالت تعادل هستند، بسیاری شخصی را که بعد از سکندری خوردن تلوتلو می خورد دوست دارند. کریس هاوسر می خواهد روبات ها قادر به استفاده از محیط اطراف خود باشند.
کریس هاوسر، استاد وابسته مهندسی برق و کامپیوتر و مهندسی مکانیک و علوم مواد در دوک، گفت: "اگر یک فرد به طرف دیوار یا نرده ای هل داده شود، می تواند از سطح دیوار یا نرده استفاده کند تا خودش را با کمک دستانش سرپا نگاه دارد. ما می خواهیم روبات ها بتوانند همین کار را انجام دهند." استفاده از دو دست برای تکمیل یک کار بسیار پیچیده است - این امر به مراتب پیچیده تر از وقتی است که فقط دو دست منفرد به طور مستقل روی یک وظیفه به طور همزمان کار کنند. "ما معتقدیم که تنها گروه تحقیقاتی هستیم که روی داشتن روباتی کار می کنیم که به صورت پویا، جایی برای قرار دادن دستان خود برای جلوگیری از افتادن را انتخاب می کند."
در حالی که چنین تصمیم گیری ها و اقداماتی، طبیعت دوم ما هستند، برنامه ریزی آنها به رفلکس های یک روبات به طور گول زننده ای دشوار است. برای ساده سازی روند و صرفه جویی در زمان محاسبات، هاوسر نرم افزاری را برنامه ریزی می کند که تنها بر روی مفصل ران و اتصال های شانه روبات تمرکز کند.
اعتبار: دانشگاه دوک
تا زمانی که روبات به هنگام افتادن پیچ نخورد، تنها سه زاویه است که الگوریتم ایجاد موازنه باید در نظر بگیرد: پا به مفصل ران، مفصل ران به شانه، و شانه به دست. روبات باید سطوح نزدیک در دسترس را شناسایی کند و سپس به سرعت بهترین ترکیب زاویه ها را برای گرفتن خودش محاسبه کند. راه حل نهایی، ضربه را در هنگام تماس دست های روبات کمینه می کند و همچنین احتمال سر خوردن دست ها و پاها را نیز کمینه می کند. الگوریتم، بهترین حدس را می زند و سپس با استفاده از روشی به نام شوت مستقیم به گونه ای پیش رونده حدس را بهینه می کند.
منبع: باب ییرکا، Tech Xplore، و Ken Kingery، دانشگاه دوک
