به گزارش گروه وب‌گردی خبرگزاری صدا و سیما، روبات‌ها در طبیعت، چگونه تغییر شکل می‌دهند؟ روبات DyRET می‌تواند بدن خود را برای راه رفتن در محیط‌های جدید بازآرایی کند.

 

 

 

 

تصور کنید در مسیر یک پیاده رو سیمانی می‌دوید و سپس ناگهان وارد ماسه خشک می‌شوید. درست برای این که ایستاده باقی بمانید، لازم است سرعت خود را کم کرده و نحوه دویدن خود را تغییر دهید. به همین ترتیب، یک روبات راه رونده باید روش راه رفتن خود را تغییر دهد تا بتواند سطوح مختلفی را که می‌پیماید مدیریت کند.

 

به طور کلی، ما انسان‌ها و اکثر روبات‌ها فقط می‌توانیم نحوه دویدن خود را تغییر دهیم، اما اگر بتوانیم شکل بدن خود را نیز تغییر دهیم تا بتوانیم هرچه سریع‌تر و ایمن‌تر بر روی هر سطحی حرکت کنیم، چه؟

 

ما می‌خواهیم برای کار‌های دشوار و خطرناک، از بازرسی راکتور‌های هسته‌ای شکست خورده تا اکتشافات فضایی، به روبات‌ها اعتماد کنیم. برای این کارها، یک بدن ثابت می‌تواند سازگاری روبات را محدود کند. بدنی که تغییر شکل می‌دهد، می‌تواند بین موفقیت و شکست در این محیط‌های غیر منتظره تفاوت ایجاد کند.

 

حتی بهتر، یک روبات تغییر شکل دهنده می‌تواند بیاموزد که بهترین شکل بدن برای محیط‌های مختلف چیست و با مواجه شدن با محیط‌های جدید سازگار شود.

 

روبات‌های تغییر شکل دهنده آینده می‌توانند در کف دریا یا برای انجام مأموریت‌های طولانی مدت در فضا مورد استفاده قرار گیرند.

 

با همکاری دانشگاه اسلو، ما این ایده را با موفقیت یک روبات چهارپا آزمایش کردیم که بدن خود را برای راه رفتن روی سطوح جدید، آن طور که آن‌ها را می‌بیند، سازگار می‌کند و عملکرد بهتری نسبت به یک روبات بدن استاتیک دارد. تحقیقات ما در Nature Machine Intelligence منتشر شده است.

 

 

DyRET (یا Dynamic Robot for Embodied Testing)، روبات پویا برای تست کردن تجسمی، یا "حیوان"، آن طور که خالق نروژی خالق آن به زبان نروزی آن را می‌نامد، برای کاوش ایده یک روبات تغییر شکل دهنده طراحی شده است. هر چهارپای DyRET دارای دو بخش تلسکوپی است، به طوری که می‌تواند طول ران یا استخوان‌های ران خود را تغییر دهد.

 

این تنظیمات از سوی موتور‌های تعبیه شده در پا‌ها انجام می‌شود و می‌توان طول آن‌ها را به طور خودکار در حین کار روبات تغییر داد.

 

این موتور‌ها می‌توانند ارتفاع DyRET را حدود ۲۰ ٪، از ۶۰ سانتی متر به ۷۳ سانتی متر تغییر دهند. این ۱۳ سانتی متر تفاوت چشمگیری در راه رفتن روبات ایجاد می‌کند. با وجود پا‌های کوتاه، DyRET پایدار، اما کُند است که دارای یک مرکز ثقل کم ارتفاع است.

 

در بلندترین حالت، DyRET در حین راه رفتن ناپایدارتر است، اما گام‌های آن بسیار طولانی‌تر است و به او امکان می‌دهد که سریع‌تر سفر کند و از موانع عبور کند.

 

 

 

 

 

 

DyRET همچنین دارای حسگر‌هایی برای پیگیری آن چه روی آن قدم می‌زند، است. هر یک از پایه‌های DyRET دارای یک سنسور نیرو است که می‌تواند سختی زمین را احساس کند. یک دوربین سه بعدی بین پایه‌های جلو DyRET به زمین اشاره می‌کند تا خشن بودن زمین را تخمین بزند.

 

به جای این که بدن DyRET محدودیتی در حرکت خود داشته باشد، خود یک روش سازگار برای حل مشکلات در محیط‌های چالش‌برانگیز است.

 

 

هنگامی که DyRET در حال راه رفتن است، به طور مداوم از طریق پا و دوربین سه بعدی محیط را حس می‌کند. هنگامی که روبات تغییر در شرایط زمین را تشخیص داد، می‌تواند به بهترین طول پا تغییر کند؛ اما این روبات از کجا می‌داند چه فرم بدنی بهتر کار می‌کند؟

 

دو روش برای DyRET جستجو شده است تا بهترین تنظیمات پایه را برای شرایط مختلف بیاموزد: یک محیط کنترل شده داخل خانه با سطوح شناخته شده و یک آزمایش دنیای واقعی در خارج از خانه.

 

 

 

 

 

در آزمایشات کنترل شده ما، DyRET داخل جعبه‌هایی به طول حدود ۵ متر که شامل سطوح مختلف برای راه رفتن بودند، راه می‌رفت: شن و ماسه و ورق‌های الیاف سخت سیمان. این روبات برای ثبت کارایی حرکت خود، روی هر ماده در هر ۲۵ تنظیمات مختلف پایه قرار گرفت.

 

با توجه به این داده ها، ما توانایی روبات را برای احساس خودکار تغییر در سطح به هنگام راه رفتن درون جعبه‌ها و انتخاب بهترین شکل بدن آزمایش کردیم.

 

این روبات هنگام راه رفتن و هنگام برخورد با زمین، به طور مداوم بهترین شکل بدن را پیش‌بینی می‌کند.

 

در حالی که آزمایش‌های کنترل شده ما نشان داد DyRET می‌تواند بدن خود را با موفقیت با سطوحی که قبلاً روی آن‌ها تطبیق داده، سازگار کند، اما دنیای واقعی مکانی بسیار متغیر و غیر قابل پیش‌بینی است. ما نشان دادیم که این روش را می‌توان با تخمین بهترین شکل بدن برای هر سطحی که روبات با آن روبرو می‌شود، به زمین‌های مواجه نشده نیز گسترش داد.

 

در آزمایشات فضای باز، DyRET از یک مدل یادگیری ماشین استفاده می‌کند که دارای دانش در مورد بهترین تنظیمات پایه برای ترکیبی از سختی زمین و زبری گرفته شده از آزمون‌های کنترل شده است. این روبات هنگام راه رفتن و هنگام برخورد با زمین، به طور مداوم بهترین شکل بدن را پیش‌بینی می‌کند، در حالی که این مدل، خود را با اندازه‌گیری میزان توانایی راه رفتن به روز می‌کند.

 

در آزمایشات، پیش‌بینی‌های DyRET در حین راه رفتن بهبود می‌یابد و به آن امکان می‌دهد به سرعت حرکات کارآمد، حتی برای زمینی که قبلاً ندیده است، ایجاد کند.

 

 

 

 

 

در بلندترین حالت، DyRET در حین راه رفتن ناپایدارتر است، اما گام‌های آن بسیار طولانی‌تر است و به او امکان می‌دهد سریع‌تر سفر کند و از موانع عبور کند.

 

 

DyRET ایده "شناخت تجسم یافته" در یک روبات را کاوش می‌کند: یعنی این که یک بدنه سخت افزاری روبات می‌تواند برای حل مشکلات به طریقه همکاری با مغز نرم افزاری خود با پیوند محکم آن‌ها با محیط، مورد استفاده قرار گیرد. به جای این که بدن DyRET محدودیتی در حرکت خود داشته باشد، خود یک روش سازگار برای حل مشکلات در محیط‌های چالش برانگیز است.

 

این بسیار سودمند است، به ویژه هنگامی که نتوانیم شرایط محیطی دقیق را از قبل پیش‌بینی کنیم که انتخاب یک شکل خوب از روبات را بسیار چالش برانگیز می‌کند. در عوض، این روبات‌ها از طریق تغییر شکل با شرایط مختلف محیطی سازگار می‌شوند.

 

اثبات مفهومی ما پیامد‌های قدرتمندی برای آینده طراحی روباتیک دارد و گشاینده قفل محیط‌های غیر ممکنی است که در حال حاضر بسیار چالش برانگیز و متغیر هستند. روبات‌های تغییر شکل دهنده آینده می‌توانند در کف دریا یا برای انجام مأموریت‌های طولانی در فضا مورد استفاده قرار گیرند.

 

یک روبات تغییر شکل دهنده می‌تواند بیاموزد که بهترین شکل بدن برای محیط‌های مختلف چیست و با مواجه شدن با محیط‌های جدید، سازگار شود.