راه رفتن رباتها با نخاع مصنوعی
کره اسب تازه متولد شده باید یاد بگیرد که هرچه سریعتر روی پاهای خود راه برود. حیوانات با شبکههای عصبی که هماهنگی با ماهیچههای بدن دارند و به مرکزیت کنترل عصبی قرار گرفته در نخاع و مغز آنها متولد میشوند. با این حال یادگیری هماهنگی دقیق عضلات و تاندونهای پا زمان میبرد.
محققان موسسه سیستمهای هوشمند ماکسپلانک در اشتوتگارت مطالعه تحقیقاتیای انجام دادند تا دریابند چگونه حیوانات راه رفتن را از سکندری خوردن یاد میگیرند. آنها رباتی چهارپا به اندازه سگ ساختند که به آنها در کشف جزئیات کمک کرده است. متخصصان رباتیک، با ساختن رباتی که دارای واکنشهایی مانند حیوان است و از اشتباهات درس میگیرد، بهدنبال پاسخ هستند.
این ربات پس از یادگیری راه رفتن تنها در یک ساعت، از مکانیک پیچیده پاهای خود بهخوبی استفاده میکند. یک الگوریتم بهینهسازی، یادگیری را راهنمایی میکند: اطلاعات حسگر پا اندازهگیری شده و با دادههای حاصل از نخاع مجازی مدلسازیشده که بهعنوان یک برنامه در رایانه ربات اجرا شده و مطابقت داده میشود. این ربات با مقایسه مداوم اطلاعات حسگر ارسالی و مورد انتظار، اجرای حلقههای بازیابی و تطبیق الگوهای کنترل موتور خود، راه رفتن را یاد میگیرد.
ربات الگوهای حرکتی خود را سریعتر از یک حیوان، در حدود یک ساعت بهینه میکند. نخاع مجازی روی یک رایانه کوچک و سبک شبیهسازی شده است که حرکت پاهای ربات را کنترل میکند. این نخاع مجازی در پشت ربات چهارپا در جایی که سر قرار میگیرد، قرار دارد. طی مدتی که طول میکشد تا ربات به آرامی راه برود، دادههای حسگر از پای ربات بهطور پیوسته با راه رفتن مطلوب مدنظر ربات مقایسه میشود. اگر ربات زمین بخورد، الگوریتم یادگیری میزان چرخش پاها به جلو و عقب، سرعت چرخش پاها و مدت زمان قرار گرفتن پا روی زمین را تغییر میدهد. حرکت تنظیم شده همچنین بر میزان استفاده ربات از مکانیک پاهای منطبق بر آن تأثیر میگذارد. در طول فرآیند یادگیری، نخاع مجازی سیگنالهای موتوری سازگار ارسال میکند تا ربات از این پس کمتر دچار لغزش شود و راه رفتن خود را بهینه کند. دقت کنید، نخاع مجازی هیچ دانش صریحی در مورد طراحی پای ربات، موتورها و فنرهای آن ندارد و به نظر من این مهمترین بخش این روش نوین است که آموزش و کنترل حرکتی رباتها را متحول خواهد کرد.
ربات عملا متولد شده است و چیزی در مورد آناتومی پاهای خود یا نحوه عملکرد آنها نمیداند. نخاع مصنوعی شبیه هوش راه رفتن خودکار داخلی است که طبیعت فراهم میکند. رایانه سیگنالهایی تولید میکند که موتور پاها را کنترل میکند و ربات در ابتدا راه میرود و تلوتلو میخورد. دادهها از حسگرها به نخاع مجازی ارسال میشود. اگر دادههای حسگر با دادههای مورد انتظار مطابقت نداشته باشد، الگوریتم یادگیری رفتار راه رفتن را تغییر میدهد تا زمانی که ربات بهخوبی و بدون زمین خوردن راه برود.
آریا صبوری - پژوهشگر مقطع دکتری در دانشگاه مدیترانه شرقی
این ربات پس از یادگیری راه رفتن تنها در یک ساعت، از مکانیک پیچیده پاهای خود بهخوبی استفاده میکند. یک الگوریتم بهینهسازی، یادگیری را راهنمایی میکند: اطلاعات حسگر پا اندازهگیری شده و با دادههای حاصل از نخاع مجازی مدلسازیشده که بهعنوان یک برنامه در رایانه ربات اجرا شده و مطابقت داده میشود. این ربات با مقایسه مداوم اطلاعات حسگر ارسالی و مورد انتظار، اجرای حلقههای بازیابی و تطبیق الگوهای کنترل موتور خود، راه رفتن را یاد میگیرد.
ربات الگوهای حرکتی خود را سریعتر از یک حیوان، در حدود یک ساعت بهینه میکند. نخاع مجازی روی یک رایانه کوچک و سبک شبیهسازی شده است که حرکت پاهای ربات را کنترل میکند. این نخاع مجازی در پشت ربات چهارپا در جایی که سر قرار میگیرد، قرار دارد. طی مدتی که طول میکشد تا ربات به آرامی راه برود، دادههای حسگر از پای ربات بهطور پیوسته با راه رفتن مطلوب مدنظر ربات مقایسه میشود. اگر ربات زمین بخورد، الگوریتم یادگیری میزان چرخش پاها به جلو و عقب، سرعت چرخش پاها و مدت زمان قرار گرفتن پا روی زمین را تغییر میدهد. حرکت تنظیم شده همچنین بر میزان استفاده ربات از مکانیک پاهای منطبق بر آن تأثیر میگذارد. در طول فرآیند یادگیری، نخاع مجازی سیگنالهای موتوری سازگار ارسال میکند تا ربات از این پس کمتر دچار لغزش شود و راه رفتن خود را بهینه کند. دقت کنید، نخاع مجازی هیچ دانش صریحی در مورد طراحی پای ربات، موتورها و فنرهای آن ندارد و به نظر من این مهمترین بخش این روش نوین است که آموزش و کنترل حرکتی رباتها را متحول خواهد کرد.
ربات عملا متولد شده است و چیزی در مورد آناتومی پاهای خود یا نحوه عملکرد آنها نمیداند. نخاع مصنوعی شبیه هوش راه رفتن خودکار داخلی است که طبیعت فراهم میکند. رایانه سیگنالهایی تولید میکند که موتور پاها را کنترل میکند و ربات در ابتدا راه میرود و تلوتلو میخورد. دادهها از حسگرها به نخاع مجازی ارسال میشود. اگر دادههای حسگر با دادههای مورد انتظار مطابقت نداشته باشد، الگوریتم یادگیری رفتار راه رفتن را تغییر میدهد تا زمانی که ربات بهخوبی و بدون زمین خوردن راه برود.
آریا صبوری - پژوهشگر مقطع دکتری در دانشگاه مدیترانه شرقی
تیتر خبرها