يبتكر مهندسو كولومبيا يد روبوت شديدة البراعة شبيهة بالإنسان يمكنها العمل في الظلام
باستخدام حاسة اللمس، يمكن ليد الروبوت أن تتلاعب في الظلام، أو في ظروف الإضاءة الصعبة. الائتمان: مختبر ROAM بجامعة كولومبيا
ابتكر موقع Columbia Engineers يد روبوتية رائدة تدمج بسلاسة استشعار اللمس المتقدم مع خوارزميات التعلم الحركي، مما يسمح لها بمعالجة الأشياء دون الاعتماد على الرؤية.
ضع في اعتبارك الإجراءات التي تتخذها بيديك عندما تكون في المنزل في المساء باستخدام جهاز التحكم عن بُعد الخاص بالتلفزيون أو عند تناول الطعام بالخارج والتعامل مع الأواني والنظارات المختلفة. هذه القدرات متجذرة في اللمس، مما يسمح لك بالتنقل في برنامج تلفزيوني أو تحديد قائمة دون أن تغمض عينيك عن الشاشة. أيدينا وأصابعنا هي أدوات موهوبة بشكل لا يصدق، وتتميز بمستوى عالٍ من الحساسية.
لسنوات عديدة، سعى باحثو الروبوتات جاهدين لتحقيق مهارة “حقيقية” في أيدي الروبوت، ومع ذلك فقد ثبت أن هذا الهدف يمثل تحديًا. في حين أن القابض الآلي وأكواب الشفط قادرة على التقاط الأشياء ووضعها، إلا أن المهام التي تتطلب مهارة أكبر، مثل التجميع، والإدخال، وإعادة التوجيه، والتعبئة، وما إلى ذلك، استمرت في كونها مجال التلاعب البشري. ومع ذلك، فإن التطورات الحديثة في كل من تقنيات الاستشعار وطرق التعلم الآلي لتحليل البيانات التي تم جمعها تسببت في حدوث تحول سريع في مجال التلاعب الآلي.
التلاعب الحاذق بأصابع اللمس. الائتمان: كلية الهندسة والعلوم التطبيقية بجامعة كولومبيا
يد الروبوت الماهرة للغاية تعمل حتى في الظلام
أظهر باحثون في جامعة كولومبيا للهندسة يد روبوت ماهرة للغاية، والتي تجمع بين حاسة اللمس المتقدمة وخوارزميات التعلم الحركي من أجل تحقيق مستوى عالٍ من البراعة.
كدليل على المهارة، اختار الفريق مهمة معالجة صعبة: تنفيذ دوران كبير تعسفي لجسم غير متساوي الشكل في متناول اليد مع الحفاظ دائمًا على الكائن في مكان ثابت وآمن. هذه مهمة صعبة للغاية لأنها تتطلب إعادة ضبط ثابتة لمجموعة فرعية من الأصابع، بينما يجب أن تحافظ الأصابع الأخرى على ثبات الكائن. لم تكن اليد قادرة على أداء هذه المهمة فحسب، بل قامت بها أيضًا دون أي ردود فعل بصرية على الإطلاق، بناءً على استشعار اللمس فقط.
تعالج خوارزميات التعلم الآلي البيانات من المستشعرات اللمسية لإنتاج أنماط حركة أصابع منسقة للتلاعب. الائتمان: مختبر ROAM بجامعة كولومبيا
بالإضافة إلى المستويات الجديدة من البراعة، عملت اليد بدون أي كاميرات خارجية، لذا فهي محصنة ضد الإضاءة أو الانسداد أو المشكلات المماثلة. وحقيقة أن اليد لا تعتمد على الرؤية للتلاعب بالأشياء تعني أنها تستطيع القيام بذلك في ظروف الإضاءة الصعبة للغاية التي من شأنها أن تخلط بين الخوارزميات القائمة على الرؤية – حتى أنها يمكن أن تعمل في الظلام.
قال ماتي سيوكارلي ، مساعد أستاذ في أقسام الهندسة الميكانيكية وعلوم الحاسب. “قد تكون بعض الاستخدامات الفورية في مجال الخدمات اللوجستية ومناولة المواد، مما يساعد في تخفيف مشاكل سلسلة التوريد مثل تلك التي ابتليت باقتصادنا في السنوات الأخيرة، وفي التصنيع المتقدم والتجميع في المصانع.”
الاستفادة من الأصابع اللمسية القائمة على البصريات
في عمل سابق، تعاونت مجموعة Ciocarlie مع Ioannis Kymissis ، أستاذ الهندسة الكهربائية، لتطوير جيل جديد من أصابع الروبوت اللمسية القائمة على البصريات. كانت هذه أول أصابع روبوت تحقق توطين التلامس بدقة أقل من ملليمتر مع توفير تغطية كاملة لسطح معقد متعدد المنحنيات. بالإضافة إلى ذلك، أتاحت العبوة المدمجة وعدد الأسلاك المنخفض للأصابع سهولة الاندماج في أيدي الروبوت الكاملة.
يد روبوت ماهرة مزودة بخمسة أصابع لمسية. يظهر أحد الأصابع هنا مع إزالة الطبقة الخارجية من “الجلد”، لإظهار البنية الداخلية. الائتمان: مختبر ROAM بجامعة كولومبيا
تعليم اليد لأداء المهام المعقدة
من أجل هذا العمل الجديد، بقيادة باحث الدكتوراه في CIocarlie ، Gagan Khandate ، صمم الباحثون وصنعوا يدًا آلية بخمسة أصابع و15 مفصلاً بشكل مستقل – تم تجهيز كل إصبع بتقنية استشعار اللمس الخاصة بالفريق. كانت الخطوة التالية هي اختبار قدرة اليد اللمسية على أداء مهام التلاعب المعقدة. للقيام بذلك، استخدموا طرقًا جديدة للتعلم الحركي، أو قدرة الروبوت على تعلم مهام جسدية جديدة من خلال الممارسة. على وجه الخصوص، استخدموا طريقة تسمى التعلم المعزز العميق، معززة بخوارزميات جديدة طوروها من أجل الاستكشاف الفعال للاستراتيجيات الحركية المحتملة.
أكمل الروبوت ما يقرب من عام واحد من الممارسة في ساعات فقط من الوقت الفعلي
تألفت المدخلات في خوارزميات التعلم الحركي حصريًا من بيانات الفريق اللمسية والاستقلالية، دون أي رؤية. باستخدام المحاكاة كميدان تدريب، أكمل الروبوت ما يقرب من عام واحد من الممارسة في ساعات فقط من الوقت الفعلي، وذلك بفضل محاكيات الفيزياء الحديثة والمعالجات المتوازية للغاية. ثم قام الباحثون بنقل مهارة التلاعب هذه المدربة على المحاكاة إلى اليد الروبوتية الحقيقية، والتي تمكنت من تحقيق مستوى البراعة الذي كان يأمل فيه الفريق. أشار Ciocarlie إلى أن “الهدف التوجيهي للمجال يظل الروبوتات المساعدة في المنزل، وأرضية إثبات البراعة الحقيقية. في هذه الدراسة، أظهرنا أن أيدي الروبوت يمكن أيضًا أن تكون حاذقة للغاية بناءً على استشعار اللمس وحده. بمجرد أن نضيف أيضًا ملاحظات مرئية إلى المزيج مع اللمس،
الهدف النهائي: الجمع بين الذكاء المجرد والذكاء المتجسد
في نهاية المطاف، لاحظ Ciocarlie أن الروبوت المادي الذي يكون مفيدًا في العالم الحقيقي يحتاج إلى ذكاء تجريدي ودلالي (لفهم كيفية عمل العالم من الناحية المفاهيمية) والذكاء المتجسد (مهارة التفاعل الجسدي مع العالم). تهدف نماذج اللغات الكبيرة مثل GPT-4 من OpenAI أو PALM من Google إلى توفير الأول، بينما تمثل البراعة في التلاعب كما تم تحقيقها في هذه الدراسة تقدمًا تكميليًا في الأخير.
على سبيل المثال، عندما يُسأل عن كيفية صنع شطيرة، يقوم ChatGPT بكتابة خطة خطوة بخطوة ردًا على ذلك، لكن الأمر يتطلب روبوتًا ماهرًا لاتخاذ تلك الخطة وصنع الشطيرة بالفعل. بالطريقة نفسها، يأمل الباحثون أن الروبوتات الماهرة جسديًا ستكون قادرة على إخراج الذكاء الدلالي من العالم الافتراضي البحت للإنترنت، واستخدامه جيدًا في المهام المادية في العالم الحقيقي، وربما حتى في منازلنا.
المصدر: scitechdaily
شاهد المزيد:
