مکاترونیک نیوز | محققان استفاده متفاوت و منعطفی از هوش مصنوعی را در خانه، صنعت و مراقبت های بهداشتی ارائه دادند

به گزارش مکاترونیک نیوز، دانشمندان دانشگاه فناوری چالمرز در سوئد، شکل جدیدی از هوش مصنوعی ایجاد کردهاند که می تواند عملکرد خود را با نظارت بر رفتار انسان، برای انجام وظایف در یک محیط در حال تغییر، تطبیق دهد. هدف از این کار این است که رباتهایی با این سطح از انعطافپذیری بتوانند با انسانها در مقیاسی بسیار بزرگتر همکاری کنند.
روباتهایی که در محیطهای انسانی کار میکنند باید بتوانند با این واقعیت سازگار باشند که رفتار و تصمیم انسانها در مواجهه با وقایع، منحصربهفرد میباشد و ممکن است انسانها یک کار را به روشهای متفاوتی انجام دهند. بنابراین، موضوع مهم در توسعه صنعت رباتیک، آموزش به روباتها است و اینکه چگونه در محیطهای پویا در کنار انسانها کار کنند.
ماکسیمیلیان دیهل، دانشجوی دکتری، مهندسی برق، دانشگاه صنعتی چالمرز
به عنوان مثال به هنگام انجام یک عمل ساده، مانند چیدن یک میز، انسان ها ممکن است بسته به شرایط، این کار را به روشهای مختلفی انجام دهند. اگر صندلی مانع شود، افراد میتوانند آن را حرکت دهند یا در اطراف آن راه بروند. افراد بین دست راست و چپ خود جابهجا میشوند، مکث میکنند و درگیر انواع فعالیتهای خود به خودی میشوند. از طرف دیگر ربات ها به یک شکل عمل نمی کنند. برای رسیدن به هدف نهایی، ربات ها به برنامه ریزی و جهت گیری دقیق نیاز دارند. در شرایطی که آنها باید همیشه از یک الگو پیروی کنند، مانند خطوط پردازش کارخانه، این استراتژی فوق العاده کارآمد است. از سوی دیگر، در بخشهای مراقبتهای بهداشتی یا خدمات مشتری، روباتها برای تعامل مؤثر با مردم باید راههای بسیار سازگارتر انجام کارها را به دست آورند.
در آینده پیشبینی میکنیم که رباتها برخی از فعالیتهای اساسی خانه را مانند چیدن و تمیز کردن میز، قرار دادن وسایل آشپزخانه در سینک، یا کمک به سازماندهی مواد غذایی را انجام دهند و در کارهای خانه به کاربران کمک کنند.
کارین رامیرز-آمارو، استادیار، مهندسی برق، دانشگاه صنعتی چالمرز
محققان دانشگاه چالمرز به دنبال این هستند که ببینند آیا میتوانند به رباتها آموزش دهند تا مشکلات را با شباهت بیشتر به روشهای انسانها حل کند تا بدین وسیله بتوانند «هوش مصنوعی قابل توضیح» ایجاد کنند که با آن دانش عمومی را با روش های خاص در طول مسیر جمعآوری کند و سپس مسیری منعطف و سازگار برای رسیدن به یک هدف بلندمدت برنامهریزی کند. هوش مصنوعی قابل توضیح (XAI یا explainable AI) نوعی هوش مصنوعی است که به انسان اجازه میدهد بفهمد که چگونه به یک انتخاب یا نتیجه خاص رسیده است.
آموزش ربات برای چیدن اشیاء تحت شرایط در حال تغییر:
در یک محیط واقعیت مجازی، دانشمندان افراد مختلف را به چالش کشیدند تا یک کار یکسان – چیدن انبوه مکعبهای کوچک – را دوازده بار تکرار کنند. این کار هر بار به طور متفاوتی انجام شد و حرکات شرکت کنندگان با استفاده از سیستمی از حسگرهای لیزری ردیابی شد.
وقتی ما انسان ها قصد انجام کاری را داریم، در طول مسیر، آن را به زنجیره ای از کارهای فرعی کوچکتر تقسیم می کنیم و هر عملی که انجام میدهیم در جهت تحقق هدفی میانی پیش میرود.این بار به جای آموزش تقلید دقیق رفتار انسان به ربات، بر روی شناسایی اعمال و بررسی تمام اقداماتی که افراد در این مطالعه انجام دادند، تمرکز کردیم.
کارین رامیرز-آمارو، استادیار، مهندسی برق، دانشگاه صنعتی چالمرز
روش پژوهشگران به این معنی بود که هوش مصنوعی در استخراج هدف اعمال میانی و فرعی منضبط عمل کرد و کتابخانههایی متشکل از اقدامات مختلف برای هر یک ساخته شد. سپس هوش مصنوعی یک ابزار برنامه ریزی برای ربات TIAgo ساخت که یک ربات خدمات سیار است که در مناطق داخلی کار میکند.
حتی زمانی که شرایط محیطی متفاوت بود، ربات قادر بود با استفاده از این ابزار به طور مستقل طرحی از چیدمان مکعبها را به منظور هدفی خاص بسازد.
به طور خلاصه، ربات وظیفه انباشتن مکعبها را داشت و سپس، بر اساس شرایطی خاص، ترکیبی از چندین عمل متفاوت را برای ساخت دنباله ای انتخاب کرد که به تکمیل کار کمک کند.
نتیجه نهایی موفقیت بزرگی بود. این ربات با هوش مصنوعی ما برنامه هایی را با موفقیت 92 درصدی تنها پس از یک نمایش انسانی انجام داد. ماکسیمیلیان دیهل میگوید زمانی که از اطلاعات هر دوازده نمایش استفاده شد، میزان موفقیت به 100% رسید. این تحقیق در IROS 2021، یکی از مشهورترین جلسات روباتیک در جهان ارائه شد. دانشمندان در بخش بعدی آزمایش بررسی خواهند کرد که چگونه روباتها میتوانند با انسانها ارتباط برقرار کنند و تعیین کنند که در صورت از دست دادن یک عمل، چه اشتباهی رخ داده است و چرا اشتباه به وقوع پیوسته است؟
صنعت و بهداشت و درمان
هدف بلندمدت این است که رباتها به کارگران در کارهایی که میتوانند مشکلات سلامتی طولانیمدتی ایجاد کند، مانند سفت کردن پیچها و مهرهها روی چرخهای کامیون کمک کنند. این کارها می تواند وظایفی مانند آوردن و جمع آوری دارو یا سرو وعدههای غذایی در صنعت مراقبتهای بهداشتی باشد.
ما میخواهیم کار متخصصان مراقبتهای بهداشتی را آسانتر کنیم تا بتوانند روی کارهایی تمرکز کنند که نیاز به توجه بیشتری دارند
کارین رامیرز
ماکسیمیلیان دیهل همچنین میگوید: “ممکن است هنوز چندین سال طول بکشد تا رباتهای مستقل و چند منظوره واقعی را ببینیم، عمدتاً به این دلیل که بسیاری از چالشهای فردی مانند بینایی رایانه، کنترل و تعامل ایمن با انسانها هنوز باید برطرف شوند. با این حال، ما معتقدیم که رویکرد ما به سرعت بخشیدن به فرآیند یادگیری رباتها کمک میکند و به ربات اجازه میدهد همه این جنبهها را به هم متصل کرده و آنها را در موقعیتهای جدید اعمال کند.”
این مطالعه با مشارکت کریس پکستون، دانشمند تحقیقاتی NVIDIA انجام شد.
منبع خبر: https://www.azorobotics.com
نام خبرنگار: سمیه آموت سر