کیمبریج، ماساچوست و ونکوور، بریتیش کلمبیا – تیمی از محققان دانشگاه‌های برجسته، گامی بزرگ در توسعه هوش رباتیک برداشته‌اند. آن‌ها روش شبیه‌سازی نوینی را ابداع کرده‌اند که به ربات‌ها امکان می‌دهد تنها با برداشتن و تکان دادن یک جسم، وزن، نرمی، و سایر ویژگی‌های فیزیکی آن را تشخیص دهند. این پیشرفت، انقلابی در تعامل ربات‌ها با محیط فیزیکی ایجاد می‌کند و کاربردهای عملی بی‌شماری را در پی خواهد داشت.
همانطور که یک انسان می‌تواند محتویات یک جعبه را صرفاً با بلند کردن و تکان دادن آن، حتی بدون دیدن، حدس بزند، پژوهشگران دانشگاه «ام‌آی‌تی» و «دانشگاه بریتیش کلمبیا» اکنون این توانایی را به ربات‌ها آموزش داده‌اند. این گروه پژوهشی روشی کم‌هزینه را توسعه داده‌اند که تنها با استفاده از حسگرهای داخلی ربات و حرکات ساده بلند کردن و تکان دادن آرام یک جسم، اطلاعات دقیقی درباره وزن، نرمی، یا حتی محتویات داخلی آن به دست می‌آورد. این روش، بدون نیاز به ابزارهای اندازه‌گیری خارجی یا دوربین، قادر است پارامترهایی مانند جرم یک جسم را در عرض چند ثانیه با دقت بالا تخمین بزند.
کاربردهای گسترده در محیط‌های چالش‌برانگیز
این فناوری نوین می‌تواند در سناریوهایی که بینایی ربات‌ها محدود است یا کارایی کمتری دارد، بسیار سودمند باشد. به عنوان مثال، دسته‌بندی اشیاء در یک زیرزمین تاریک، یا جمع‌آوری آوار در داخل ساختمانی که پس از زلزله تا حدی فرو ریخته است، از جمله کاربردهای مهم این رویکرد است. در چنین محیط‌هایی، اتکا به حسگرهای داخلی و توانایی درک ویژگی‌های فیزیکی از طریق لمس، می‌تواند کارایی ربات‌ها را به شکل چشمگیری افزایش دهد. این روش حتی در حدس زدن جرم یک جسم، همتراز با برخی از روش‌های پیچیده‌تر و گران‌قیمت مبتنی بر بینایی رایانه‌ای عمل می‌کند، اما با هزینه بسیار کمتر و کارایی بیشتر در جمع‌آوری داده‌ها، انواع گوناگونی از سناریوهای ناشناخته را مدیریت می‌کند.
پیتر ییچن چن، دانشجوی دانشگاه ام‌آی‌تی و پژوهشگر ارشد این پروژه، با شور و هیجان می‌گوید: “این یک ایده کلی است و من معتقدم ما فقط در حال بررسی اجمالی چیزی هستیم که یک ربات می‌تواند از این طریق یاد بگیرد. رویای من این است که ربات‌ها به دنیای بیرون بروند، اشیا را لمس کنند، در محیط‌های متفاوت به حرکت درآیند و به تنهایی ویژگی‌های هر چیزی را که با آن تعامل دارند، کشف کنند.”
الهام از «حس عمقی» انسان و بهره‌برداری از توانایی‌های رباتیک
روش ابداعی این گروه پژوهشی، از مفهوم “حس عمقی” (Proprioception) در انسان الهام گرفته است. حس عمقی، توانایی یک فرد یا ربات برای درک حرکت یا موقعیت خود در فضا است. برای مثال، وقتی انسانی دمبلی را بلند می‌کند، وزن آن را در مچ دست و عضله دوسر بازوی خود حس می‌کند. به طور مشابه، یک ربات نیز می‌تواند سنگینی یک جسم را از طریق مفاصل متعدد بازوی خود حس کند.
پژوهشگران توضیح می‌دهند: “انسان اندازه‌گیری‌های فوق‌العاده دقیقی را از زوایای مفاصل انگشتان یا میزان دقیق گشتاوری که به یک جسم اعمال می‌کنیم، ندارد، اما ربات این کار را انجام می‌دهد. ما از این توانایی‌ها بهره می‌بریم.” سیستم ابداع‌شده توسط این گروه پژوهشی، هم‌زمان با بلند کردن یک جسم توسط ربات، سیگنال‌هایی را از رمزگذارهای مفاصل ربات جمع‌آوری می‌کند. این رمزگذارها، حسگرهایی هستند که موقعیت چرخشی و سرعت مفاصل را هنگام حرکت تشخیص می‌دهند. “اکثر ربات‌ها دارای رمزگذارهای مفصلی در موتورهایی هستند که قطعات متحرک آن‌ها را به حرکت در می‌آورند. این امر باعث می‌شود روش ما نسبت به برخی روش‌های دیگر مقرون به صرفه‌تر باشد، زیرا به اجزای اضافی مانند حسگرهای لمسی یا سیستم‌های ردیابی نیاز ندارد.”
هوشمندسازی با “دوقلوی دیجیتال” و شبیه‌سازی مشتق‌پذیر
این سیستم برای تخمین زدن ویژگی‌های یک جسم در طول تعاملات ربات با آن، به دو مدل متکی است: یکی ربات و حرکت آن را شبیه‌سازی می‌کند و دیگری به شبیه‌سازی پویایی جسم می‌پردازد. چن می‌گوید: “داشتن یک دوقلوی دیجیتال دقیق از دنیای واقعی برای موفقیت روش ما واقعاً مهم است.” الگوریتم آن‌ها، حرکت ربات و جسم را در طول یک تعامل فیزیکی مشاهده کرده و از داده‌های رمزگذار مشترک برای شناسایی ویژگی‌های جسم بهره می‌برد. به عنوان مثال، اگر ربات مقدار نیروی یکسانی را اعمال کند، یک جسم سنگین‌تر، کندتر از یک جسم سبک‌تر به حرکت درمی‌آید.
پژوهشگران از روشی به نام «شبیه‌سازی مشتق‌پذیر» استفاده می‌کنند که به الگوریتم اجازه می‌دهد پیش‌بینی کند چگونه تغییرات کوچک در ویژگی‌های یک جسم مانند جرم یا نرمی بر موقعیت مفصل انتهایی ربات تأثیر می‌گذارند. زمانی که شبیه‌سازی مشتق‌پذیر با حرکات واقعی ربات مطابقت داشته باشد، سیستم ویژگی درست را شناسایی کرده است. این الگوریتم می‌تواند این کار را در عرض چند ثانیه انجام دهد و برای انجام محاسبات فقط به دیدن کار واقعی یک ربات در حال حرکت نیاز دارد.
در آینده، پژوهشگران قصد دارند روش خود را با بینش رایانه‌ای ترکیب کنند تا یک روش حسی چندوجهی ایجاد کنند که قوی‌تر و کارآمدتر باشد. این پیشرفت‌ها نویدبخش نسلی جدید از ربات‌ها هستند که می‌توانند با هوشمندی و درک عمیق‌تری از جهان فیزیکی پیرامون خود، وظایف پیچیده‌تری را انجام دهند و به یاری انسان در محیط‌های مختلف بیایند.
