• شنبه / ۴ شهریور ۱۴۰۲ / ۱۲:۴۳
  • دسته‌بندی: فناوری
  • کد خبر: 1402060402179
  • خبرنگار : 71589

مربیگری هوش مصنوعی برای بازوهای رباتیک

مربیگری هوش مصنوعی برای بازوهای رباتیک

پژوهشگران از فناوری یادگیری تقویتی عمیق که روشی پیشرفته در یادگیری ربات‌ها و مشابه با آموزش سگ‌ها با روش پاداش و تنبیه است، استفاده کردند و به نتایج شگفت انگیزی در رابطه با آموزش بازوهای رباتیک دست یافتند.

به گزارش ایسنا و به نقل از آی‌ای، دانشمندان دانشگاه بریستول سیستم جدیدی را توسعه داده‌اند که به ربات‌ها اجازه می‌دهد کارهای دو دستی را از یک کمک‌رسان مجازی یاد بگیرند. این سیستم موسوم به Bi-Touch می‌تواند در صنایعی مانند چیدن میوه، خدمات خانگی و اندام‌های مصنوعی کاربرد داشته باشد.

مهارت دو دستی چیست؟

مهارت دو دستی در رباتیک نوعی مهارت رباتیک است که شامل استفاده از دو بازو یا دست رباتیک برای انجام کارهایی است که نیاز به دقت، هماهنگی و بازخورد دارند.

مهارت دو دستی می‌تواند به دستکاری اشیای بزرگ، سنگین و غیرمتقارن مانند باز کردن ظرف ادویه یا قرار دادن یک باتری در یک دستگاه کمک کند.

مهارت دو دستی را با استفاده از سخت‌افزار کم‌هزینه و الگوریتم‌های یادگیری تقلیدی می‌توان از ویدیوها و نمایش‌های انسانی نیز آموخت.

سیستم Bi-Touch به ربات‌ها اجازه می‌دهد تا با تفسیر دستورات دستیار دیجیتال، کارهای دستی را انجام دهند.

یافته‌های اخیر که در مجله IEEE Robotics and Automation Letters منتشر شده است، یک عامل هوش مصنوعی را با استفاده از بازخورد لمسی و حس عمقی برای کنترل رفتار رباتیک به نمایش می‌گذارد. این تسلط امکان سنجش دقیق، تعامل ملایم و دستکاری موثر اشیا را فراهم می‌کند.

این سیستم رباتیک که دارای دو بازوی لمسی است، با استفاده از آخرین پیشرفت‌ها در هوش مصنوعی و سنجش لمسی رباتیک طراحی شده است. در واقع، پژوهشگران یک دنیای مجازی با بازوهای رباتیک، حسگرهای لمسی و عملکرد مبتنی بر پاداش برای تشویق یادگیری ساخته‌اند.

پژوهشگران از یادگیری تقویتی عمیق(Deep-RL) که یک تکنیک پیشرفته در یادگیری ربات‌ها مشابه با آموزش سگ‌ها با روش پاداش و تنبیه است، استفاده کردند. این سیستم ربات‌ها را قادر می‌سازد تا تصمیم بگیرند، از آزمون و خطا درس بگیرند و به مرور زمان، مؤثرترین راه‌ها برای انجام وظایف را کشف کنند.

یادگیری تقویتی عمیق زیرمجموعه‌ای از یادگیری ماشین است که یادگیری تقویتی و یادگیری عمیق را ترکیب می‌کند.

اکنون دستاورد قابل توجه این پروژه این است که این ربات می‌تواند با خیال راحت اشیای ظریفی مانند یک ورقه چیپس ترد را بدون شکستن و خرد شدن بلند کند.

ایجیونگ لین نویسنده اصلی این پژوهش از دانشکده مهندسی دانشگاه بریستول، قدرت و کارایی سیستم Bi-Touch را به خوبی توضیح داد. وی گفت: ما به راحتی می‌توانیم عوامل هوش مصنوعی را در دنیای مجازی در عرض چند ساعت آموزش دهیم تا به وظایف دو دستی که متناسب با لمس هستند، عمل کنند.

آینده مهارت دو دستی

مهارت دو دستی برای مهارت رباتیک در سطحی برابر با انسان، ضروری است. با این حال، این حوزه به دلیل پیچیدگی و در دسترس نبودن سخت افزار مناسب چندان پیشرفت نکرده است. سیستم Bi-Touch از موانع کنونی عبور کرده است و عصر جدیدی را در فناوری رباتیک نوید می‌دهد.

پروفسور ناتان لپورا یکی از نویسندگان این مقاله با افتخار اظهار داشت: سیستم Bi-Touch ما یک رویکرد امیدوارکننده را با نرم افزار و سخت افزار مقرون به صرفه برای یادگیری رفتارهای دو دستی به نمایش می‌گذارد که می‌تواند مستقیماً در دنیای واقعی استفاده شود.

ماهیت منبع باز این سیستم، تسهیل تحقیق و توسعه بیشتر را در زمینه‌های مختلف نوید می‌دهد.

سیستم Bi-Touch نشان دهنده گامی عظیم در پر کردن شکاف بین دنیای مجازی و برنامه‌های کاربردی در دنیای واقعی است. توانایی آن در یادگیری، تطبیق و دستکاری اشیا با لمس ملایم، امکانات بی حد و حصری را ارائه می‌دهد و دیدگاه ما را در مورد آنچه ربات‌ها می‌توانند در اختیار بگیرند، تغییر می‌دهد.

با ظهور سیستم Bi-Touch، افق نوآوری فناوری گسترش می‌یابد و نویدبخش آینده‌ای هیجان انگیز برای صنایع و تحقیقات است.

همانطور که گفته شد، این مطالعه در مجله IEEE Robotics and Automation Letters منتشر شده است.

انتهای پیام

  • در زمینه انتشار نظرات مخاطبان رعایت چند مورد ضروری است:
  • -لطفا نظرات خود را با حروف فارسی تایپ کنید.
  • -«ایسنا» مجاز به ویرایش ادبی نظرات مخاطبان است.
  • - ایسنا از انتشار نظراتی که حاوی مطالب کذب، توهین یا بی‌احترامی به اشخاص، قومیت‌ها، عقاید دیگران، موارد مغایر با قوانین کشور و آموزه‌های دین مبین اسلام باشد معذور است.
  • - نظرات پس از تأیید مدیر بخش مربوطه منتشر می‌شود.

نظرات

شما در حال پاسخ به نظر «» هستید.
لطفا عدد مقابل را در جعبه متن وارد کنید
captcha