طراحی ربات با استفاده از هوش مصنوعی

طراحی ربات با کمک AI

طراحی ربات به کمک هوش مصنوعی: این فناوری می‌تواند به شما بگوید که کدام شکل، بهترین عملکرد را دارد

محققان دانشگاه MIT یک سیستم جدید ایجاد کرده‎اند که شکل ربات‎ها را برای عبور از زمین‎های مختلف بهینه می‌سازد. سیستمی به نام RoboGrammar (روبو‌گرامر) در سه مرحله متوالی این کار را انجام می‌دهد: تعریف مساله، ترسیم راه‌حل‌های ممکن و سپس انتخاب راه‌حل‌های بهینه. پژوهشگران این ایده را از نحوه حرکت حیوانات، به ویژه بندپایانی مانند حشرات، عنکبوت‎ها و خرچنگ‌های دریایی الهام گرفته‌اند.

حال پرسش اینجاست که اگر شما به رباتی نیاز دارید که بتواند از پله‌ها بالا رود، شکل آن باید چگونه باشد؟ آیا مانند انسان باید دو پا داشته باشد یا همانند مورچه شش پا؟

انتخاب شکل مناسب برای ربات، در توانایی آن برای عبور از یک منطقه خاص بسیار حیاتی است. ساخت و آزمایش هر فرم بالقوه تقریبا غیرممکن است. ولی اکنون یک سیستم توسعه یافته توسط دانشگاه MIT ایجاد شده که امکان شبیه‌سازی و تعیین اینکه کدام شکل و فرم بهتر است را فراهم می کند.

برای مثال فرض کنید که قطعات مورد نیاز برای ساخت رباتی به کمک  RoboGrammar (روبوگرامر) در آزمایشگاه شما وجود دارد: چرخ‌ها، اتصلات و غیره. برای استفاده از این سیستم، تنها کافی است تا به او بگویید ربات شما برای پیمایش به چه زمینی نیاز دارد. RoboGrammar، باقی کارها را خودش انجام خواهد داد. این سیستم، یک ساختار و برنامه کنترل بهینه شده برای طراحی ربات با کمک هوش مصنوعی است.

این پیشرفت می‎تواند نوعی خلاقیت با کمک رایانه را به این حوزه تزریق کند. آلن ژائو (Allan Zhao)، نویسنده اصلی این مقاله و دانشجوی دکترای آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL) دانشگاه MIT، چنین می‎گوید: “طراحی ربات هنوز هم یک فرایند کاملا دستی است.” او RoboGrammar را به عنوان روشی برای دستیابی به طرح‌های جدید و مبتکرانه‎تر ربات که به طور بالقوه می‎توانند کارامدتر باشند، توصیف می‎کند.

قوانین اساسی استفاده شده در این برنامه

ربات‎ها برای انجام وظایف بسیاری ساخته می‌شوند، اما مطابق با نظر ژائو، همگی آن‌ها از نظر شکل و طرح کلی بسیار به هم شبیه‌اند. به عنوان مثال، وقتی به فکر ساختن رباتی هستید که نیاز دارد تا از زمین‎های مختلف عبور کند، فورا به سمت طراحی ربات‌هایی با چهارپا می‎روید. وی با اشاره به فیزیک حیوانات چهارپا مانند سگ چنین اضافه می‌کند که: “پیش‌تر این پرسش ذهن همگی ما را به خود مشغول می‌داشت که آیا واقعا این طراحی، یک طراحی بهینه‌ای است؟”

تیم ژائو حدس زدند که طراحی مبتکرانه‎تر می‎تواند عملکرد را بهبود بخشد. بنابراین آنها یک مدل رایانه‎ای مبتنی بر هوش مصنوعی را برای طراحی ربات ساختند. این سیستم تحت تاثیر کنوانسیون قبلی  نیست و هدف از اختراع آن ساخت سیستمی مبتکرانه بود. به این ترتیب ژائو مجبور شد برخی قوانین اساسی را بدر ابتدا تعیین کند. ژائو در مقاله این‌گونه می‎نویسد که: ” فرم‎های ممکن برای ربات‌ها در درجه اول، طرح‎های بی‎معناست. اگر فقط بتوانید قطعات را از راه‎های دلخواه بهم متصل كنید، در نهایت با یک درهم‌آمیختگی روبرو خواهید شد.”

برای جلوگیری از این مشکل، تیم او یک “گراف نموداری (Graph Grammer)” ایجاد کردند. این گراف نموداری مجموعه‎ای از محدودیت‎ها در چیدمان اجزای یک ربات را ارائه می‌دهد. به عنوان مثال نشان می‌دهد که قسمت‎های مجاور یک پا چگونه باید در یک ربات به صورت بهینه به هم متصل شوند. چنین قوانینی تضمین می‎کند که هر طرح تولید شده توسط رایانه حداقل در سطح ابتدایی کار می‎کند.

ژائو می‎گوید که قوانین گراف نموداری او نه از ربات‌های دیگر بلکه از جانداران دیگر (به ویژه بندپایان) الهام گرفته شده است. این جاندراان شامل حشرات، عنکبوت‎ها و خرچنگ‎های دریایی نیز می‌شوند. بندپایان به عنوان گروهی با تکامل موفقیت‌آمیز شناخته می‌شوند که بیش از 80 درصد از گونه‎های جانوری شناخته شده بر روی کره زمین را تشکیل می‎دهند.

برپایه سخنان ژائو: “آن‎ها موجوداتی با یک بدن مرکزی و شماری از قسمت‌های متغیر هستند. برخی از قسمت‌ها ممکن است پاها را بهم متصل کنند. ما متوجه شدیم که این مدل نه تنها برای توصیف بندپایان، بلکه اشکال آشناتر از جمله چهارپایان کافی است.” ژائو به لطف قوانین الهام گرفته شده از بندپایان در بخشی از مدل انعطاف‌پذیر خود (طراحی ربات با کمک AI )، باعث شکوفایی خیره‌کننده‌ای در علم مکانیک شد. به عنوان مثال، او به رایانه اجازه داد تا به جای پاها، از چرخ‌ها در طراحی ربات استفاده نماید.

فالانژی روبات‎ها

با استفاده از گراف نموداری ژائو، RoboGrammar در سه مرحله متوالی عمل می‎کند: تعریف مساله، ترسیم راه‌حل‎های رباتیک احتمالی و سپس انتخاب راه‎حل‎های بهینه. تعریف مشکل عمدتا به عهده کاربر انسانی است که مجموعه‌ای از اجزای رباتیک موجود مانند موتورها، پاها و بخش‎های اتصال را وارد می‌کند.

ژائو می‌گوید: “این کلید، اطمینان از ساخت و طراحی ربات به کمک هوش مصنوعی در دنیای واقعی است.” کاربر همچنین انواع زمین‎های مورد پیمایش توسط ربات را مشخص می‎کند. این زمین‌ها می‎تواند شامل ترکیبی از عناصر مانند پله‎ها، نواحی مسطح یا سطح لغزنده باشد.

RoboGrammar با استفاده از این ورودی‎ها و قوانین گراف نموداری، صدها هزار ساختار بالقوه ربات را طراحی می‌کند. بعضی از آن‎ها، مانند ماشین مسابقه مبهم به نظر می‎رسند و برخی دیگر، شبیه به عنکبوت‌ هستند. ژائو می‎گوید که: “دیدن انواع مختلفی از طرح‌ها برای ما بسیار الهام‎بخش بود. این قطعا، رسایی و روشنی گراف نموداری را نشان می‎دهد.” اما گرچه گراف می‎تواند طراحی‌های بسیاری را تولید کن اما این طرح‌ها، همیشه از کیفیت مطلوب و بهینه‌ای برخوردار نیستند.

انتخاب بهترین طراحی ربات به کمک هوش مصنوعی، نیازمند کنترل حرکات و ارزیابی عملکرد آن است. ژائو می‎گوید که: “تاکنون این ربات‎ها فقط یک سازه بودند.” کنترل‌کننده مجموعه دستورالعمل‎هایی است که ساختارها را زنده می‎کند و بر توالی حرکت موتورهای مختلف حاکم است. این تیم برای هر ربات یک کنترل‎کننده با الگوریتمی به نام Model Predictive Control (یا مدل کنترل پیش‎بینی) ایجاد کرده که حرکت سریع رو به جلو را در اولویت خود قرار داده است.

ژائو چنین می‌گوید که: “شکل و فرم ربات با کنترل‌کننده، عمیقا در هم آمیخته شده‌اند، به همین دلیل است که ما باید برای هر ربات، کنترل‌کننده را به صورت جداگانه بهینه سازی کنیم.” محققان پس از شبیه‌سازی و طراحی ربات به کمک هوش مصنوعی، به دنبال ربات‎هایی با عملکرد بالا و با “جستجوی گراف اکتشافی” هستند. این الگوریتم شبکه عصبی به طور تکراری مجموعه‌ای از ربات‌ها را نمونه‌برداری و ارزیابی می‎کند و به آن‌ها می‎آموزد کدام طرح‌ها برای یک کار مشخص، عملکرد بهتری دارند. ژائو عقیده دارد که: “عملکرد اکتشافی با گذشت زمان بهبود می‌یابد و جستجو به ربات بهینه، همگرا می‎شود.” همه این‌ها پیش از آناست که یک طراح انسانی، برای شروع کار پیچی در دست بگیرد.

هود لیپسون (Hod Lipson)، مهندس مکانیک و دانشمند کامپیوتر در دانشگاه کلمبیا که در این پروژه مشارکت نداشته، چنین می‎گوید: “این کار، عملی موفقیت‌آمیز در ادامه تلاش 25 ساله برای طراحی خودکار مورفولوژی و کنترل ربات‎ها است. ایده استفاده از شکل-گرامرها (shape-grammers) از مدت‌ها پیش وجود داشت ولی در هیچ کجا به این زیبایی اجرا نشده است.”

ژائو، طراحی ربات به کمک هوش مصنوعی را به عنوان جرقه‌ای برای خلاقیت انسان می‌داند. وی RoboGrammar را این‌گونه توصیف می‌کند که: “ابزاری است در اختیار طراحان ربات برای گسترش طراحی ساختارهای گوناگونی که ربات‎‌ها به آن متکی هستند.” برای نشان دادن امکان‌پذیری این برنامه، تیم ژائو قصد دارد برخی از ربات‌های بهینه RoboGrammar را در دنیای واقعی ساخته و مورد آزمایش قرار دهد.

ژائو همچنین اضافه کرد که: “این سیستم می‎تواند برای دنبال کردن اهداف رباتیک فراتر از پیمایش زمین سازگار شود. RoboGrammar همچنین می‌تواند به فناوری جهان‎ مجازی کمک شایانی کند. برای روشن شدن بهتر موضوع، بازی‌های ویدیویی را در نظر بگیرید. در این نوع بازی‌ها، ممکن است شما بخواهید انواعی از ربات‌ها را ایجاد کنید. RoboGrammar، این کار را بلافاصله برای شما انجام خواهد داد، بدون آن‌که نیاز باشد تا درباره چگونگی هنر خلق ربات‌ها، چیزی بدانید.”

 

 

 

5/5 - (1 امتیاز)
لینک کوتاه شده : https://amerandish.com/xrcjI

به اشتراک بگذارید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

فارس آوا

تبدیل گفتار به متن

باتاوا

دستیارسازمانی - چت بات

هوشتل

اپراتورهوشمند مرکز تماس

_ مطالب مرتبط _

اخبار هوش مصنوعی

هوش مصنوعی در بیمه: دوست یا دشمن؟

در طول پنج سال گذشته شاهد فعالیت اساسی قابل‌توجهی در میان طیف وسیعی از بخش‌های خدمات مالی بوده‌ایم و مطالعات نشان داده که سرمایه‌گذاری در

درخواست شما با موفقیت ارسال شد.

ضمن تشکر بابت ارسال پیام، در سریع‌ترین زمان ممکن کارشناسان شرکت عامراندیش درخواست شما را بررسی خواهند نمود.