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.”