هل يمكن برمجة الروبوتات للتعلم من تجاربهم الخاصة؟
هل يمكن برمجة الروبوتات للتعلم من تجاربهم الخاصة؟
فيديو: هل يمكن برمجة الروبوتات للتعلم من تجاربهم الخاصة؟
فيديو: What is the Best Programming Language for Robotics ?(بالعربي) 2023, شهر فبراير
Anonim

يبرمج الباحثون الروبوتات لمعرفة ما إذا كان بإمكانهم تعلم سمة إنسانية للغاية: الحس السليم.

لقد استغرق الأمر بضعة عقود فقط حتى تتطور أجهزة الكمبيوتر من آلات تعتمد على الأنبوب المفرغ في حجم الغرفة والتي تكلف ما يصل إلى المنزل إلى نماذج سطح المكتب الرخيصة التي تعمل بالشرائح ذات قوة معالجة أكبر بكثير. وبالمثل ، فإن أيام "الروبوتات الشخصية" - وهي آلات غير مكلفة يمكنها المساعدة في المنزل أو المكتب - قد تكون أقرب مما نعتقد. لكن أولاً ، كما يقول ألكسندر ستويتشيف ، الأستاذ المساعد في الهندسة الكهربائية وهندسة الكمبيوتر في جامعة ولاية أيوا في أميس ، يجب تعليم الروبوتات للقيام بشيء نعرفه غريزيًا: كيف نتعلم.

يقول Stoytchev ، الذي يجمع مجال الروبوتات التنموية بين علم النفس التنموي وعلم الأعصاب والذكاء الاصطناعي والهندسة الروبوتية: "يجب أن يكون لدى الروبوت الشخصي المفيد حقًا القدرة على التعلم بمفرده من التفاعلات مع البيئة المادية والاجتماعية". "لا ينبغي أن يعتمد على مبرمج بشري بمجرد شرائه. يجب أن يكون قابلاً للتدريب.".

يقوم Stoytchev وفريق من طلاب الدراسات العليا بتطوير برنامج لتعليم الروبوتات للتعرف على طفل يبلغ من العمر عامين. نظامهم الأساسي عبارة عن روبوت بشري ينبت اثنين من مناولات الذراع بالكامل بوزن 60 رطلاً (27 كيلوغرامًا) من صنع كامبريدج ، ماساتشوستس ، ومقرها شركة باريت تكنولوجي ، كل منها بوزن 2.6 رطل (1.2 كيلوغرام) ثلاثة أصابع باريت

في مجموعة واحدة من التجارب ، تم تقديم الروبوت مع 36 كائنًا مختلفًا ، بما في ذلك كرات الهوكي و Tupperware. يمكن أن يؤدي خمسة إجراءات مختلفة مع كل واحد - الإمساك ، والدفع ، والنقر ، والاهتزاز ، والإسقاط - وكان عليه تحديدها وتصنيفها بناءً على الأصوات التي يصدرونها فقط. بعد إجراء واحد فقط ، حقق الروبوت معدل نجاح بنسبة 72 في المائة ، لكن دقته ارتفعت مع كل إجراء متتالي ، لتصل إلى 99.2 في المائة بعد كل خمسة. لقد تعلم الروبوت استخدام نموذج إدراكي للتعرف على الأشياء وتصنيفها - ويمكنه الاعتماد على هذا النموذج لتقدير مدى تشابه كائنين مع الأصوات التي صنعوها فقط لتوجيهه.

أظهرت مجموعة أخرى من التجارب أن الروبوت يمكن أن يتعلم معرفة ما إذا كان هناك شيء ما عبارة عن حاوية أم لا. قدم الفريق الآلة ، المزودة بكاميرا ثلاثية الأبعاد ، بأشياء مختلفة الأشكال. من خلال إسقاط كتلة صغيرة على كل واحدة ثم دفعها ، تعلم الروبوت تصنيف الكائنات إما على أنها حاويات - تلك التي تتحرك مع الكتلة ["تتحرك معًا"] في كثير من الأحيان عند الدفع - أو على أنها غير حاويات. يمكن للروبوت بعد ذلك استخدام هذه المعرفة للحكم على ما إذا كانت الأشياء غير المألوفة يمكنها حمل الأشياء. بعبارة أخرى ، تعلمت ، تقريبًا ، كيفية تمييز الخصائص الفريدة للحاوية.

عندما تصطدم الروبوتات الشخصية بسلاسل البيع بالتجزئة أخيرًا ، قد تبدو مثل HERB ، "خادم روبوت استكشاف المنزل" الذي تم إنشاؤه في مختبر Intel في بيتسبرغ. إنه جزء من مشروع الروبوتات الشخصية للشركة ، والذي يهدف إلى إنشاء مساعد آلي مستقل حقًا يمكنه أداء المهام الروتينية بالسرعة البشرية في البيئات المزدحمة مثل المنازل أو المكاتب.

تقوم الآلة التي يبلغ طولها ثلاثة أقدام (متر واحد) بموازنة ذراع Barrett WAM و Barrett Hand فوق قاعدة ناقل Segway الشخصي مع عجلتي تدريب صغيرتين. للعثور على طريقها حول البيئات الديناميكية ، تستخدم HERB اثنين من محددات المدى بالليزر وكاميرا تتيح لها تمييز الأشخاص عن الأشياء الثابتة والمتحركة مثل الجدران والكراسي. (يتم أولاً برمجة خريطة تخطيط تقريبية للمساحة في الروبوت). من خلال مراقبة كيفية تحرك الأشخاص ، يستخدم الروبوت خوارزميات التعلم وتوزيعات الاحتمالية للتنبؤ بالمكان الذي سيذهبون إليه بعد ذلك لتجنب الوقوع في اصطدامهم. يقول سيد سرينيفاسا ، عالم أبحاث إنتل ، أحد القادة المشاركين في المشروع: "تعلم HERB أن الناس لديهم نية ، وأنهم لا يتحركون في خط مستقيم". لمعرفة ماهية الكائن ، يقارن HERB صورة الكاميرا الحية الخاصة به مع مجموعة من النماذج ثلاثية الأبعاد في قاعدة البيانات الخاصة به ، والتي تم إنشاؤها من الصور التمثيلية التي عرضها الباحثون عليها سابقًا.

يتطلب التعامل مع الأشياء في الأماكن المزدحمة ، مثل حمل إبريق عبر المنزل دون إراقة أي شيء ، مهارتين. أولاً ، لدى HERB خوارزميات تخطيط عشوائية لتحديد أفضل طريقة للإمساك بشيء ما أو تحريكه بأسرع ما يمكن. على سبيل المثال ، يمكن إعطاء الروبوت 30 ثانية "للتفكير" في طريقة لالتقاط كوب ؛ إذا عثر على واحد من كل 15 ، فسيكون أمامه 15 ثانية أخرى لتحسين خطته. يقول سرينيفاسا: "إنها ليست خوارزميات مثالية ، لكنها عملية".

يستخدم HERB أيضًا التعلم المحاكي لمعرفة كيفية التعامل مع الأشياء من خلال مراقبة كيفية تعامل الناس معها. يقول سرينيفاسا: "نحن أفضل بكثير في إظهار الأفعال بدلاً من شرحها". "تأخذ HERB الأمثلة البشرية وتتعلم التعميم منها. إنها ليست مجرد تكرار لما تفعله." يساعد هذا الروبوت في التعامل مع عناصر جديدة غير مألوفة. خلال مظاهرة عامة استمرت يومًا كاملاً في أكتوبر ، تحركت HERB في مطبخ نموذجي ، وفتحت خزائن وثلاجة ، وسلمت الأشياء للزوار أو وضعها في سلة إعادة التدوير - كل ذلك مع خطوات قليلة فقط.

يرغب سرينيفاسا في نهاية المطاف في أن يتعلم HERB بعض القواعد الاجتماعية البسيطة - مثل معرفة كيفية الالتفاف حول مجموعة من الأشخاص بدلاً من المرور عبرهم - وكذلك كيفية التعامل مع البيئات غير المألوفة تمامًا ، حتى في الظلام. ويقدر أن هناك مساعدًا آليًا مفيدًا على بعد حوالي عقد من الزمان. "قانون مور" - القاعدة الأساسية التي طرحها مؤسس شركة إنتل جوردون مور في عام 1965 بأن عدد الترانزستورات على الشريحة يتضاعف كل عامين - "في صالحنا". هو يقول.

في غضون ذلك ، قد تفاجئ روبوتات التعلم أحيانًا مبدعيها. يخبرنا سرينيفاسا كيف حيرت نسخة مبكرة من HERB الباحثين عندما كانت تشرب فناجين القهوة لوضعها في رف غسالة الصحون. استخدم وضع يد غريب ، مع أحد "إبهاميه" يشير لأسفل. ثم أدركوا أن هذه كانت "حركة أكثر فاعلية بكثير" يستخدمها السقاة المحترفون ، كما يقول سرينيفاسا: "يرفعون من أسفل ويسكبون في حركة سلسة واحدة ، كما في فيلم كوكتيل". يسمي هذه المفاجآت "إحدى أفراح إجراء أبحاث التلاعب".

شعبية حسب الموضوع