دانشمندان برای کمک به ربات ها جهت تشخیص درد و ترمیم خود، "مغز کوچک" تولید می کنند

دانشمندان دانشگاه فناوری نانیانگ سنگاپور (NTU)، با استفاده از یک روش الهام گرفته از مغز، روشی را ایجاد کرده اند که در این روش ربات ها دارای هوش مصنوعی (AI) هستند تا درد را تشخیص دهند و در صورت آسیب دیدن خود را ترمیم کنند.

این سیستم دارای گره های حسگر مجهز به هوش مصنوعی برای پردازش و پاسخ به "درد" ناشی از فشار وارد شده توسط یک نیروی فیزیکی است. این سیستم همچنین به ربات اجازه می دهد تا آسیب های خود را هنگام آسیب دیدگی جزئی، بدون نیاز به مداخله انسان، شناسایی و ترمیم کند.

در حال حاضر، ربات ها از نوعی شبکه حسگرها برای تولید اطلاعات در مورد محیط نزدیک خود استفاده می کنند. به عنوان مثال، یک ربات امدادگر با استفاده از سنسورهای دوربین و میکروفون مکان یک فرد زنده مانده در زیر آوار را تشخیص داده و سپس فرد را با راهنمایی سنسورهای لمسی روی بازوهای خود بیرون می کشد. یک ربات کارخانه ای که روی یک خط مونتاژ کار می کند با استفاده از بینایی، بازوی خود را به محل مناسب هدایت می کند و از حسگرهای لمسی برای تشخیص لغزش هنگام بلند کردن اجسام استفاده می کند.

سنسورهای امروزی معمولاً اطلاعات را پردازش نمی کنند بلکه آنها را به یک واحد پردازش بزرگ، قدرتمند و مرکزی ارسال می کنند که در آن یادگیری اتفاق می افتد. در نتیجه، ربات های موجود معمولاً به شدت سیم کشی می شوند که منجر به تاخیر در زمان پاسخ می شود. آنها همچنین در معرض آسیب هایی هستند که نیاز به نگهداری و تعمیر دارند، که طولانی مدت و هزینه بر است.

رویکرد جدید NTU هوش مصنوعی را در شبکه گره های حسگر قرار می دهد، متصل به چندین واحد پردازش کوچک و کم قدرت، که مانند "مغزهای کوچک" توزیع شده روی پوست رباتیک عمل می کنند. دانشمندان می گویند، این بدان معنی است که یادگیری به صورت محلی اتفاق می افتد و نیازهای سیم کشی و زمان پاسخگویی برای ربات پنج تا ده برابر کاهش می یابد.

ترکیب سیستم با نوعی ماده ژل یونی خود ترمیم شونده به این معنی است که ربات ها در صورت آسیب دیدن می توانند عملکردهای مکانیکی خود را بدون دخالت انسان بازیابی کنند.

تحقیقات موفقیت آمیز توسط دانشمندان NTU در ماه اگوست در مجله علمی منتشر شد.

همکار پروفسور تحقیق، دانشیار آریندم باسو از دانشکده مهندسی برق و الکترونیک گفت: "برای اینکه روبات ها روزی با یکدیگر کار کنند، یک نگرانی این است که چگونه اطمینان حاصل شود که آنها با یکدیگر تعامل ایمن دارند. دانشمندان در سراسر جهان در حال یافتن راه هایی برای ایجاد حس آگاهی به روبات ها مانند احساس "حس" درد ، واکنش به آن و مقاومت در برابر شرایط سخت عملیاتی هستند. با این حال، پیچیدگی جمع کردن بسیاری از حسگرها مورد نیاز است و در نتیجه شکنندگی چنین سیستمی مانع عمده ای برای تصویب گسترده است. "

دانشیار پروفسور باسو، که یک متخصص محاسبات نورومورفیک (علم شبیه سازی سیستم های عصبی با کمک مدارهای الکتریکی و الکترونیکی) است ، افزود: "کار ما امکان یک سیستم رباتیک را نشان می دهد که قادر به پردازش موثر اطلاعات با حداقل سیم کشی و مدار است. با کاهش تعداد اجزای الکترونیکی مورد نیاز، سیستم ما باید مقرون به صرفه و مقیاس پذیر باشد. این به تسریع در پذیرش نسل جدید ربات ها در بازار کمک می کند. "

سیستم مقاوم، ربات آسیب دیده را قادر به ترمیم خود می کند.

تیم تحقیقاتی برای آموزش نحوه شناسایی درد و یادگیری محرکهای آسیب زننده به ربات، از ممترانزیستورها (memtransistor) که دستگاههای الکترونیکی "مغز مانند" هستند و قابلیت پردازش حافظه و اطلاعات را دارند، به عنوان گیرنده درد مصنوعی و سیناپس استفاده کردند.

از طریق آزمایشات آزمایشگاهی، تیم تحقیق نشان داد که چگونه این ربات قادر به یادگیری پاسخ به آسیب در زمان واقعی است. آنها همچنین نشان دادند که ربات حتی پس از آسیب دیدن نیز به فشار خود پاسخ می دهد و مقاومت سیستم را ثابت می کند.

هنگامی که با برش از یک شی نوک تیز آسیب دید، ربات به سرعت عملکرد مکانیکی خود را از دست می دهد. اما مولکولهای موجود در ژل یونی خود ترمیم کننده شروع به فعل و انفعال می کنند و باعث می شوند ربات "زخم" خود را به هم بخیه زده و عملکرد خود را حفظ کند و در عین حال قابلیت پاسخگویی بالا را حفظ کند.

روهیت آبراهام جان، نویسنده اول مطالعه، که همچنین یک محقق پژوهشی در دانشکده علوم و مهندسی مواد در NTU است، گفت: "خواص خود ترمیم کننده این دستگاه های جدید به سیستم رباتیک کمک می کند تا به طور مکرر خود را به همدیگر بخیه کند وقتی که حتی در دمای اتاق نیز با یک بریدگی یا خراش آسیب دیده است. این از عملکرد سیستم بیولوژیکی ما تقلید می کند، دقیقاً مانند روشی که پوست انسان پس از بریدگی به خودی خود بهبود می یابد.

"در آزمایشات ما، ربات ما می تواند" زنده بماند "و در حالی که به کار موثر ادامه می دهد، به آسیب مکانیکی ناخواسته ناشی از آسیب های جزئی مانند خراش و ضربه پاسخ دهد. اگر از چنین سیستمی با ربات ها در تنظیمات دنیای واقعی استفاده می شد ، می تواند به حفظ در نگهداری شرکت کند. "

دانشیار نریپان ماتیوز، نویسنده اصلی و از دانشكده علوم و مهندسی مواد در NTU، گفت: "روبات های معمولی وظایف را به صورت برنامه ریزی شده انجام می دهند، اما ما می توانیم محیط آنها را دریابیم، یاد بگیریم و رفتار را متناسب با آنها تطبیق دهیم. بیشتر محققان بر ساخت حسگرهای حساس و حساس تر تمرکز دارند، اما چالش های نحوه تصمیم گیری موثر را متمرکز نمی کنند.چنین تحقیقاتی برای نسل بعدی ربات ها برای تعامل موثر با انسان لازم است.

"در این کار، تیم ما با استفاده از مواد جدید یادگیری، دستگاه ها و روش های ساخت جدید برای ربات ها، تقلید از عملکردهای عصبی-بیولوژیکی انسان، روشی غیر مسلحانه را در پیش گرفته است. در حالی که هنوز در مرحله نمونه اولیه هستیم، یافته های ما چارچوب های مهمی را برای این زمینه تعیین کرده اند و نشانگر راه پیش روی محققان برای مقابله با این چالش ها است. "

تیم تحقیقاتی NTU با تکیه بر کار قبلی خود در زمینه الکترونیک عصبی مانند استفاده از دستگاه های فعال کننده نور برای تشخیص اشیا، در تلاش است تا با شرکای صنعت و آزمایشگاه های تحقیقاتی دولت همکاری کند تا سیستم آنها را برای کاربردهای بزرگتر ارتقا دهد.

 

 

منبع :techxplore.com - sciencedaily.com

ترجمه و گردآوری مطالب: محسن محبی

تاریخ انتشار   :