هوش مصنوعی در قامت جدید ظاهر می‌شود، اسباب‌کشی آسان با روبات‌های هوشمند

مهندسان هوش مصنوعی را به نحوی توسعه داده‌اند که روبات‌های هوشمند را قادر می‌سازد تمامی فعالیت‌های مربوط به جابه‌جایی وسایل را انجام دهند.

به گزارش فناهوش به نقل از خبرگزاری آنا؛ مهندسان روبات‌هایی را توسعه داده‌اند که می‌توانند به طور مستقل و با همکاری یکدیگر اجسام سنگین مانند نیمکت ، مبل و… را حرکت دهند. این روبات‌ها در شبیه‌سازی حتی زمانی که وظیفه جابه‌جایی یک شیء را در سناریوهای جدید و ناآشنا برعهده داشتند موفق عمل کردند.

محققان دانشگاه سینسیناتی برای آموزش نحوه کار مستقل اما مشارکتی و تعامل‌محور به روبات‌ها یک کار سنجش‌پذیر را بر دوش این دستگاه‌های هوشمند گذاشتند. آنها از هوش مصنوعی خواستند تا نیمکت را جابه‌جا کند.

جهت مشاهده ودانلود ماهنامه ” اقتصاد دیجیتال” اینجا کلیک نمایید.

اهمیت دقت بالا برای جابه‌جایی اجسام

اگر تا به حال به شخصی در جابه‌جایی اثاثیه کمک کرده‌اید، می‌دانید که چنین کاری نیاز به هماهنگی زیادی دارد تا مبادا جسم همزمان به دو طرف کشیده شود. اگر دو نفر سرعت مشابه نداشته باشند جسم ممکن است پایین بیفتد. از سوی دیگر هر شئی به میزان فشار و دقت خاصی برای نگه داشتن نیاز دارد. برای مثال یک کتابخانه و یک ظرف چینی و یک لپ‌تاپ را نمی‌توان با وارد کردن میزان برابری انرژی جابه‌جا کرد.

توسعه سیستم جدید هوش مصنوعی

آئو ماو(Ou Ma) و دانشجویان محقق در حوزه هوش مصنوعی در آزمایشگاه روباتیک هوشمند و سیستم‌های خودگردان مهندسی هوافضای UC، روبات‌های مجهز به هوش مصنوعی را آموزش داده‌اند که بتوانند برای حرکت دادن یک نیمکت یا میله بلند با هم همکاری داشته باشند.

بارت می‌گوید: «ما این کار را کمی بر خودمان سخت کردیم. چون در محیط واقعی همیشه امکانات دلخواهمان وجود ندارد. می‌خواهیم این کار را با کمترین ارتباط ممکن بین روبات‌ها انجام دهیم.» در آزمایش صورت گرفته هیچ روباتی، روبات‌های دیگر را هدایت نمی‌کرد. این دو روبات از قبل استراتژی خود را برای انجام کار به اشتراک نگذاشتند و کوچکترین ارتباط ذهنی با هم نداشتند. آن‌ها در عوض به نوعی از هوش مصنوعی به نام منطق فازی ژنتیکی روی آوردند.

منطق فازی کلید حل مشکل

منطق فازی یک روش کنترل هوشمند است که با جایگزینی طبقه‌بندی ساده دوتایی با درجه‌های درست یا غلط(بله، خیر و یا همان صفر و یک قدیمی)، استدلال انسان را تقلید می‌کند. الگوریتم‌های ژنتیک برای بهینه‌سازی عملکرد در طول زمان، راه‌حل‌های فردی را برای «یادگیری» از نتایج گذشته تغییر می‌دهند.

بارت می‌گوید: «در نهایت می‌خواهیم این کار را به ۱۰ یا بیشتر از ۱۰ روبات که به صورت مشارکت روی پروژه‌ای خاص کار می‌کنند گسترش دهیم. اگر می‌خواهید زیستگاهی غول‌پیکر در فضا بسازید و به تعداد زیادی روبات هوشمند نیاز دارید این روبات‌ها سودمند هستند. طبیعتاً در چنین فضایی یک شبکه ارتباطی طراحی می‌شود اما اگر این شبکه با شکست مواجه شود، ‌آنگاه کل ارتباطات از بین خواهد رفت و پروژه با شکست روبه‌رو خواهد شد.»

اگر روبات‌ها بتوانند مستقل کار کنند از دست دادن یک روبات یا یک شبکه ارتباطی تفاوت چندانی نخواهد داشت. بنابراین بارت معتقد است دیگران می‌توانند برای تکمیل مأموریت کار وی را جبران کنند. به اعتقاد بسیاری از کارشناسان فناوری این پروژه انتقال اجسام و اثاث را در آینده نه چندان دور را متحول می‌کند.

وظیفه روبات‌ها در این تحقیق این بود که نیمکت را از دو مانع و یک در باریک خارج کنند. روبات‌ها ۹۵٪ از مواقع این کار را با موفقیت در شبیه‌سازی انجام دادند. روبات‌ها همچنین ۹۳ درصد مواقع در یک سناریوی کاملاً جدید نیز موفق بودند و در برخورد با دو مانع ناشناخته جدید در مکانی متفاوت نیز مسیر را پیدا می‌کردند و نیمکت را به درستی انتقال می‌دادند.

به اذعان بارت «اگر بتوانید روبات‌ها را آموزش دهید تا با کمترین اطلاعات ممکن به صورت نیمه‌مستقل کار کنند در این صورت سیستم خود را قوی‌تر کرده و همکاری گروه‌های بزرگ را آسان‌تر کرده‌اید.»

به گفته ماو «هدف بلندمدت این گروه تحقیقاتی این است که چند روبات بتوانند برای انجام کارهای دشوار مانند جابه‌جایی مبلمان همکاری کنند.» صنعت روباتیک در ۲۰ سال گذشته پیشرفت زیادی داشته و به اکتشافات فضایی و حوزه‌های تجاری نیز کمک شایانی کرده است.

منبع: آنا