دست ماهر شادو روبات همانند دست انسان عمل می کنند

به گزارش کارگروه فناوری اطلاعات سایبربان ؛ پژوهشگران دانشگاه وارویک (WMG) به پیشرفت قابل‌توجهی در ایجاد الگوریتم‌های هوش مصنوعی دست‌یافته‌اند. این الگوریتم‌ها به یک روبات اجازه می‌دهند تا همانند انسان و به‌صورت ماهرانه، اشیاء را در دست گرفته و حرکت دهند. بااینکه دست‌کاری ماهرانه اشیاء جزو فعالیت‌های پایه و بدیهی برای انسان است، اما کسب مهارت در این فعالیت برای دست‌های روباتی خودمختار تا پیش از معرفی الگوریتم‌های جدید WMG بسیار چالش‌برانگیز و دشوار بود.
دست ماهر شادو روبات همانند دست انسان عمل کرده و قادر به انجام قابلیت‌ها و توانایی‌های آن است. شبیه‌سازی‌ها نشان می‌دهند که دست‌های روباتی جدید، به طور خودکار یاد می‌گیرند که چگونه حرکات را هماهنگ کرده و فعالیت متفاوت با پیچیدگی‌های مختلف را انجام دهند.  

دست‌های روباتیک در کاربردهای مهم و متعددی مورداستفاده قرار می‌گیرند که نیازمند دقت و تطبیق‌پذیری هستند. ازجمله این کاربردها، می‌توان به فرایندهای تولید، جراحی، و کار با مواد رادیواکتیو اشاره کرد. استفاده از دست‌های روباتی در خطوط مونتاژ موجب افزایش بهره‌وری و درعین‌حال، کاهش خطرات ناشی از حوادث احتمالی در محل کار (برای کارگران انسانی) می‌شوند.
پروفسور جیووانی مونتانا و دکتر هنری چارلزورث (از دانشگاه MWG) در مقاله خود به‌عنوان حل فعالیت‌های دستی ماهرانه چالش‌برانگیز به‌وسیله بهینه‌سازی مسیر و یادگیری تقویتی، الگوریتم‌های هوش مصنوعی جدید خود را معرفی کرده‌اند. الگوریتم‌های AI جدید، روبات ها را قادر می‌سازند تا نحوه هماهنگ‌سازی و کنترل حرکات انگشت و همچنین دست‌کاری اشیاء را یا بگیرند.
تطبیق‌پذیری الگوریتم‌ها در این واقعیت نهفته است که روبات ها می‌توانند هر نوع فعالیتی را، مادامی‌که قابل شبیه‌سازی باشد، یاد بگیرند. شبیه‌سازی‌های سه‌بعدی به‌وسیله MuJoCo (موتور فیزیکی ساخته‌شده توسط دانشگاه واشنگتن) ایجاد می‌شوند.
رویکرد این پژوهشگران شامل دو الگوریتم می‌شود. یک الگوریتم طرح‌ریزی ابتدایی و یک الگوریتم یادگیری تقویتی. پژوهشگران با استفاده از این رویکرد جدید توانسته‌اند پیشرفت قابل‌ملاحظه و بی‌سابقه‌ای را در جابجایی و حرکت اشیاء توسط دست روباتی حاصل کنند. پیشرفت حاصل در دست ماهر شادو روبات تاکنون در هیچ‌یک از متدولوژی‌ها و فناوری‌های فعلی مشاهده نشده است.

 تیم پژوهشی در نظر دارد تا همکاری خود با کمپانی شادو روبات را ادامه داده و الگوریتم‌های خود را روی سخت‌افزار روباتی واقعی پیاده‌سازی کنند. بدین ترتیب می‌توان پیشرفت دست جهت استفاده در زندگی روزمره را از نمایی نزدیک‌تر و واقعی موردبررسی و ارزیابی قرارداد.
پژوهشگران WMG مقاله دیگری به‌عنوان PlanGAN: برنامه‌ریزی مبتنی بر مدل به‌وسیله پاداش‌های پراکنده و اهداف متعدد، را به چاپ رسانده‌اند که قرار است در کنفرانس NeurIPS سال 2021 ارائه شود. در این مقاله، یک رویکرد هوش مصنوعی عمومی و کلی پیشنهادشده که به روبات ها اجازه می‌دهد تا فعالیت‌های مختلف را به‌منظور بهبود قابلیت‌های دست خود، یاد بگیرند.
ریچ واکر، مدیرعامل کمپانی شادو روبات مستقر در لندن گفته است که این شرکت، مسیر طولانی را تا این لحظه پیموده و تأکید کرد که گروه تحقیقاتی پس از افزایش هوشمندی الگوریتم‌ها برای کنترل دست روباتی، به سراغ سخت‌افزار خواهند رفت.