تتعلم الروبوتات اللعب بعجينة اللعب – أفضل من الأشخاص الذين لديهم 10 دقائق فقط من البيانات
تتلاعب الروبوتات بالمواد اللينة والقابلة للتشوه في أشكال مختلفة من المدخلات المرئية في نظام جديد يمكن أن يتيح يومًا ما مساعدين منزليين أفضل.
يشعر الكثير منا بإحساس غامر بالفرح من طفلنا الداخلي عندما يتعثر عبر كومة من خليط المطاط الفلوريسنت من الماء والملح والدقيق الذي وضع مادة goo على الخريطة: لعبة العجين. (حتى لو كان هذا نادرًا ما يحدث في مرحلة البلوغ).
في حين أن التلاعب بعجينة اللعب أمر ممتع وسهل للأطفال بعمر عامين، إلا أن الحمأة عديمة الشكل يصعب على الروبوتات التعامل معها. مع الأجسام الصلبة، أصبحت الآلات موثوقة بشكل متزايد، لكن التعامل مع الأشياء اللينة والقابلة للتشوه يأتي مع قائمة غسيل من التحديات التقنية. أحد مفاتيح الصعوبة هو أنه، كما هو الحال مع معظم الهياكل المرنة، إذا قمت بتحريك جزء واحد، فمن المحتمل أنك تؤثر على كل شيء آخر.
في الآونة الأخيرة، سمح علماء من مختبر علوم الكمبيوتر والذكاء الاصطناعي (CSAIL) التابع لمعهد ماساتشوستس للتكنولوجيا وجامعة ستانفورد للروبوتات بأخذ أيديهم في اللعب بمركب النمذجة، ولكن ليس من أجل الحنين إلى الماضي. يتعلم نظامهم الجديد المسمى “RoboCraft” مباشرة من المدخلات المرئية للسماح للروبوت ذي القابض بإصبعين برؤية الأشياء المتعجونة ومحاكاتها وتشكيلها. يمكن أن يخطط بشكل موثوق لسلوك الروبوت لقرص عجينة اللعب وتحريرها لصنع أحرف مختلفة، ما في ذلك الحروف التي لم يسبق لها مثيل. في الالواقع، 10 دقائق فقط من البيانات، تنافس القابض بإصبعين مع نظرائه من البشر الذين قاموا بالتشغيل عن بعد للآلة – وأداء على قدم المال مساواة، حيانًا أفضل، في المهام المختبرة.
يقول Yunzhu Li ، طالب الدكتوراه CSAIL ومؤلف كتاب ورقة جديدة حول RoboCraft. “بينما كانت هناك تطورات حديثة في التلاعب بالملابس والحبال، وجدنا أن الأشياء ذات اللدونة العالية، مثل العجين أو البلاستيسين – على الرغم من انتشارها في كل مكان في تلك البيئات المنزلية والصناعية – كانت منطقة غير مستكشفة إلى حد كبير. مع RoboCraft ، نتعلم نماذج الديناميكيات مباشرة من البيانات الحسية عالية الأبعاد، والتي توفر وسيلة واعدة تعتمد على البيانات لأداء التخطيط الفعال “.
عند العمل باستخدام مواد غير محددة وسلسة، يجب أخذ الهيكل بأكمله في الاعتبار قبل القيام بأي شكل من أشكال التخطيط والنمذجة الفعالة والفعالة. تستخدم RoboCraft الشبكة العصبية للرسم البياني كنموذج ديناميكي وتحول الصور إلى رسوم بيانية لجزيئات صغيرة مع خوارزميات لتقديم تنبؤات أكثر دقة حول تغير المادة في الشكل.
تستخدم RoboCraft فقط البيانات المرئية بدلاً من المحاكيات الفيزيائية المعقدة، والتي يستخدمها الباحثون غالبًا لنمذجة وفهم الديناميكيات والقوة المؤثرة على الأشياء. تعمل ثلاث مكونات معًا داخل النظام لتشكيل مادة ناعمة إلى، على سبيل المثال، “R”، على سبيل المثال.
يدور الإدراك – الجزء الأول من النظام – حول تعلم “الرؤية”. تستخدم الكاميرات لجمع بيانات المستشعرات المرئية الأولية من البيئة، والتي يتم تحويلها بعد ذلك إلى سحب صغيرة من الجسيمات لتمثيل الأشكال. تُستخدم بيانات الجسيمات هذه بواسطة شبكة عصبية قائمة على الرسم البياني لتعلم “محاكاة” ديناميكيات الكائن، أو كيفية تحركه. بعد تسلحها ببيانات التدريب من العديد من القرصات، تساعد الخوارزميات في تخطيط سلوك الروبوت حتى يتعلم “تشكيل” كتلة من العجين. في حين أن الحروف قذرة بعض الشيء، إلا أنها تمثيلية بلا شك.
إلى جانب إنشاء أشكال جذابة، يعمل فريق الباحثين (في الواقع) على صنع الزلابية من العجين والحشو الجاهز. هناك الكثير من الأسئلة التي يجب طرحها في الوقت الحالي باستخدام أداة إمساك بإصبعين فقط. سيكون دبوس التدحرج والختم والقالب من الأدوات الإضافية التي تتطلبها RoboCraft (مثلما يتطلب الخباز أدوات مختلفة للعمل بفعالية).
علاوة على ذلك في المجال المستقبلي الذي يتخيله العلماء هو استخدام RoboCraft للمساعدة في المهام المنزلية والأعمال المنزلية، والتي يمكن أن تكون ذات فائدة خاصة لكبار السن أو أولئك الذين يعانون من محدودية الحركة. لتحقيق ذلك، نظرًا للعديد من العوائق التي يمكن أن تحدث، ستكون هناك حاجة إلى تمثيل أكثر تكيفًا للعجين أو العنصر، بالإضافة إلى استكشاف فئة النماذج التي قد تكون مناسبة لالتقاط الأنظمة الهيكلية الأساسية.
يوضح RoboCraft بشكل أساسي أن هذا النموذج التنبئي يمكن تعلمه بطرق فعالة للغاية في استخدام البيانات لتخطيط الحركة. على المدى الطويل، نفكر في استخدام أدوات مختلفة لمعالجة المواد، “يقول لي. “إذا كنت تفكر في الزلابية أو صنع العجين، فلن يتمكن ممسك واحد فقط من حلها. إن مساعدة النموذج على فهم وإنجاز مهام التخطيط ذات الأفق الأطول، مثل كيفية تشوه العجين في ضوء الأداة والحركات والإجراءات الحالية، هي الخطوة التالية للعمل المستقبلي “.
كتب لي الورقة إلى جانب هاوشين شي، طالب ماجستير في جامعة ستانفورد؛ Huazhe Xu ، باحث ما بعد الدكتوراة في جامعة ستانفورد؛ Zhiao Huang ، طالب دكتوراه في جامعة كاليفورنيا في سان دييغو؛ وجياجون وو ، الأستاذ المساعد في جامعة ستانفورد. سيقدمون البحث في مؤتمر Robotics: Science and Systems في مدينة نيويورك. يتم دعم العمل جزئيًا من قبل معهد ستانفورد للذكاء الاصطناعي الذي يركز على الإنسان (HAI)، وبرنامج سامسونغ للتواصل البحثي العالمي (GRO)، ومعهد أبحاث تويوتا (TRI)، وأمازون، وأوتوديسك ، وسيلز فورس، وبوش.
المصدر: scitechdaily
قد يهمك:
