کارخانه خودروسازی تویوتا موتور (Toyota Motor) ، بزرگترین تولید کننده خودرو در جهان طی اطلاعیه ای رسمی از مرحله آخر طراحی و ساخت نسل جدید روبات های هوشمند خانگی با عنوان ربات پشتیبانی کننده از انسان (Human Support Robot) خبر داد .
قابل ذکر است که تعداد زیادی از شرکت های ژاپنی برای ساخت و راه اندازی این روبات های حامی بشر همکاری داشته اند . این روبات ها با یک متر و 75 سانتی متر بلندا دارای یک بازوی کمک کننده هستند که می تواند اشیاء را نگه داشته و اجسام را حرکت دهند . بر اساس اطلاعات فنی منتشر شده در رابطه با ساختار این ربات ها ، روبات مورد نظر همچنین قادر است تا اشیائی با وزن 1.2 کیلوگرم را بلند کرده و جابه جا کند .
به گفته سخنگوی شرکت سازنده این محصول ، روبات پشتیبانی کننده از انسان (Human Support Robot) از سال 2012 در دست طراحی و ساخت است و در حال حاضر مراحل پایانی ساخت خود را طی می کند . سیستم حرکتی این روبات به گونه ای است که چرخی در پایه دستگاه ، حرکت در همه جهات و مسیرها را میسر می کند . قابل توجه است که می توان این روبات را با کمک یک تبلت از راه دور کنترل کرد .
بر اساس ادعای سازندگان این روبات ، علاوه بر قابلیت های فوق می توان این روبات را برای مراقبت از بیمار نیز مورد استفاده قرار داد . این موضوع از این منظر دارای اهمیت است که با انجام دستورات لازم از طریق صفحه نمایش روبات ، زمانی که امکان حضور فیزیکی در کنار بیمار وجود ندارد ، می توان روبات را برای مراقبت از او برنامه ریزی کرد . علاوه بر آن ، این روبات می تواند اشیاء مورد نیاز یک بیمار را برایش منتقل ساخته و یا در صورت لزوم پرده اتاقش را کنار بزند . همچنین روبات پشتیبانی کننده از انسان می تواند از طریق یک تبلت و به طور مستقیم توسط خود بیمار کنترل شود .
در حقیقت آخرین مرحله توسعه این روبات، جستجو در میان شرکای تحقیقاتی ( به طورکلی دانشگاه ها ، مراکز تحقیقاتی و شرکت های سازنده ) برای طراحی و ساخت برنامه ها و نرم افزارهای کاربردی لازم برای این روبات است .
کارخانه خودروسازی تویوتا موتور در بیانیه ای اعلام کرد که این مرحله طراحی و ساخت برنامه ها و نرم افزارهای کاربردی این روبات در حدود دو سال به طول خواهد انجامید .
به گزارش گاردین، این الگوریتم با استفاده از ساختار شبکه عصبی اجزای مختلف تصویر را تشخیص میدهد و آن را با اجسامی که میشناسد مقایسه میکند. اگر جزء شناسایی شده شباهتی به جسم مورد نظر داشته باشد آن جسم در تصویر اصلی ترکیب میشود. همچنین پارهای تغییرات در نور و رنگ تصویر هم ایجاد میشود که به ایجاد صحنههای جالب کمک میکند.
این الگوریتم حتی از عکسهایی که فقط نویز و ترکیب چند خط و نقطه هستند نیز میتواند مناظری خیره کننده ایجاد کند. شبکه عصبی یک ساختار فرضی در هوش مصنوعی است که با الهام از نحوه کار نورونهای عصبی بیولوژیک در شناسایی الگو، یادگیری ماشین و پیشبینی آماری کاربرد دارد.
اکنون که کد اصلی این الگوریتم تحت زبان پایتون برای استفاده مردم منتشر شده تصاویر جالبی با هشتگ #DeepDream در شبکههای اجتماعی خلق شدهاست.
آخرین خبری که درباره یوزپلنگ روباتیک MIT منتشر شده، این است که افسار این ماشین را رها کردهاند تا در چمن محوطه دانشگاه به اینسو و آنسو بدود.
حالا این روبات بیسیم، با جهش جدیدی در پاهایش توانسته رکورد سرعت متوسط 16 کیلومتر بر ساعت را از آن خود کند و در عین حال از روی موانعی به بلندی 40 سانتیمتر بپرد.
این روبات چهارپا از جهت دیگری نیز ارتقا یافته است؛ روی آن سیستم لیدار (Light Detection and Ranging: فناوری قدرتمند سنجش از راه دور لیزری) و الگوریتم جدیدی نصب شده که به آن اجازه میدهد موانع را از فاصله دور شناسایی و برای پرش از روی آنها یا دور زدنشان اقدام کند.
سیستم لیدار بر اساس بازتاب پرتوهای لیزر از اجسام مقابل، تصویری از موقعیت آنها تهیه میکند. روبات هم به کمک الگوریتم و بر اساس این تصاویر، ارتفاع مانع و فاصلهاش با آن را میفهمد و طوری از روی آن میپرد که با مانع برخوردی نداشته باشد.
گروه محققان MIT میگویند این نخستین روبات چهارپای جهان است که میتواند در حین حرکت از روی موانع بهصورت خودکار بپرد، بدون آنکه متوقف شود.
این قابلیتهای تازه، خبر از جهشهای بزرگی در صنعت روباتیک میدهند. در نخستین گام، روبات با استفاده از بازتاب نورهای لیزر و محاسبه از طریق الگوریتم، موانع را تشخیص میدهد و فاصلهاش تا مانع و همچنین ارتفاع آن را محاسبه میکند.
بخش دوم الگوریتم، روبات را قادر میکند تا رویکرد خودش را در مقابل این موانع مشخص کند.
در صورتی که روبات تشخیص دهد میتواند مانع را پشت سر بگذارد، بهترین نقطه برای پرش را تعیین میکند تا با خیال راحت از روی مانع رد شود.
بعد از این تصمیم، گامهای روبات برای موفقیت در پرش تنظیم میشوند؛ یعنی روبات سرعتش را چنان تغییر میدهد تا به نقطه پرش ایدهآل برسد.
تمام این مراحل در کمتر از 100 میلیثانیه انجام میگیرد. حتی در حین پرواز روبات هم، این الگوریتم بهصورت پویا دست به اصلاح حرکتی روبات میزند.
روبات در آزمونهای انجام شده روی دوی ثابت با موانع 45 سانتیمتری، 70 درصد موفقیت کسب کرد در حالی که روی زمین و با همین شرایط، به درصد موفقیت 90 رسیده بود.
این موفقیت از این جهت اهمیت دارد که پرش در حین دویدن، به معنای واقعی کلمه یک رفتار پویاست که در هر لحظه نیاز به اصلاح و بررسی مجدد دارد.
موفقیت روبات و الگوریتمهایش در این زمینه یک گام مهم در شبیهسازی رفتارهای موجودات زنده محسوب میشود.
منبع:همشهریدانستنیها