يعد استخدام الروبوتات التقليدية للصناعة والبيئات الخطرة أمرًا سهلاً لغرض التحكم والنمذجة. ومع ذلك ، فهي صلبة للغاية للعمل في أماكن محصورة والتضاريس غير المستوية. يتم تكييف الجذور الناعمة ذات الصلة بيو بشكل أفضل بالبيئة والمناورة في أماكن يتعذر الوصول إليها. ستحتاج هذه القدرات المرنة إلى مجموعة من المستشعرات على متن الطائرة ونماذج واسعة مصممة خصيصًا لكل تصميم روبوت. بوجود نهج جديد وأقل طلبًا للموارد ، طور الباحثون في معهد ماساتشوستس للتكنولوجيا نظامًا أقل تعقيدًا وعميقًا للتحكم في التعلم يعلم الروبوتات الناعمة المستوحاة من الحيوي لمتابعة الأمر من صورة واحدة فقط.
تتعلم الروبوتات الناعمة من صورة واحدة
حسب Phys.org، كان هذا البحث المنشورة في مجلة Nature ، من خلال تدريب شبكة عصبية عميقة على مدار ساعتين إلى ثلاث مرات من الصور المتعددة من الروبوتات التي تنفذ أوامر عشوائية ، قام العلماء بتدريب الشبكة على إعادة بناء نطاق وشكل التنقل من صورة واحدة فقط. تحتاج تصميمات التحكم في التعلم الآلي السابق إلى أنظمة حركة مخصصة ومكلفة. حصر عدم وجود نظام تحكم للأغراض العامة في التطبيقات وجعل النماذج الأولية أقل عملية.
الأساليب تفصل عن تصميم أجهزة الروبوتات من القدرة على تصميمه يدويًا. وقد تملي هذا التصنيع الدقيق وقدرات الاستشعار الواسعة والمواد المكلفة والاعتماد على اللبنات التقليدية والصلابة.
AI يقطع أجهزة استشعار مكلفة ونماذج معقدة
يتيح نهج التعلم الآلي للكاميرا المفردة التحكم في الاختبارات العالية في الاختبارات على مجموعة متنوعة من الأنظمة الآلية ، مما يضيف اليد الهوائية المطبوعة ثلاثية الأبعاد ، ويد Allegro 16-DOF ، ومعصم Auxetic الناعم وذراع روبوت الخشخاش منخفض التكلفة.
نظرًا لأن هذا النظام يعتمد على الرؤية وحدها ، فقد لا يكون مناسبًا لمزيد من المهام التي تحتاج إلى استشعار الاتصال وديناميات اللمس. قد يتحلل الأداء أيضًا في الحالات التي لا تكون فيها الإشارات البصرية كافية.
يقترح الباحثون إضافة أجهزة الاستشعار والمواد اللمسية التي يمكن أن تمكن الروبوتات من أداء المهام المختلفة والمعقدة. هناك أيضًا القدرة على أتمتة التحكم في مجموعة واسعة من الروبوتات ، إلى جانب استشعار مُدمجة أو معدومة.
