محققان دانشگاه کالیفرنیا ، دانشگاه ییل ، دانشگاه استنفورد ، دانشگاه کمبریج و دانشگاه ملی سئول به تازگی مطالعه ای را انجام داده اند که تلاش های اخیر در توسعه پوسته های الکترونیکی تقویت شده توسط ماشین را یاد گرفته است. مقاله مروری آنها ، که در Science Robotics منتشر شده است ، بیان می کند که چگونه این پوسته های الکترونیکی می توانند به ایجاد روبات های نرم با قابلیت های لمسی کمک کنند ، در عین حال چالش هایی را نیز بیان می کند که در حال حاضر از استقرار در مقیاس بزرگ آنها جلوگیری می کند.
بنیامین شی و مایکل تی توللی ، دو نفر از محققانی که این تحقیق را انجام داده اند ، گفتند: "ایده کلی ما خلاصه کار فعلی و باز کردن مشکلات در سنجش لمس ، تعامل و اکتشاف برای روبات های نرم بود." "کار اخیر در این زمینه عمدتاً بر فعال سازی متمرکز شده است ، برخی از گروه ها روی حسگرهای تعبیه شده ، لمسی کار کرده اند و تعداد معدودی آنها را برای بستن حلقه و مطالعه کنترل بازخورد و برآورد حالت کار کرده اند."
تجزیه و تحلیل ادبیات گذشته انجام شده توسط Shih ، Tolley و همکاران آنها نشان می دهد که سنسورهای مبتنی بر لمس تاکنون تمرکز اصلی مطالعات در روباتیک نرم نبوده اند. با این حال ، آنها یک کار بزرگ را کشف کردند که پتانسیل پوستهای الکترونیکی را کشف می کند ، که روبوتیست های نرم می توانند بطور بالقوه هنگام تولید روبات های جدید به آن توجه کنند.
طی یک دهه گذشته ، گروه های تحقیقاتی در سراسر جهان در حال توسعه پوسته های الکترونیکی پیشرفته با قابلیت های پیشرفته سنجش هستند. این پوسته های الکترونیکی به طور فزاینده ای پیچیده شده اند و بسیاری از آنها اکنون قادر به جمع آوری تعداد زیادی از داده های لمسی هستند. روشهای یادگیری ماشینی می تواند ابزار بسیار ارزشمندی برای پردازش و تفسیر این داده ها باشد.
شیح و توللی گفتند: "همانطور که ما در راستای تطبیق قابلیت های بیولوژیکی در روبات ها تلاش می کنیم ، تثلیث ابزارها و تکنیک های روباتیک نرم ، پوسته های الکترونیکی و یادگیری ماشین این پتانسیل را دارد که قابلیت های روبات های امروزی را به میزان قابل توجهی بالا ببرد." "رباتیک در حال حاضر یک زمینه فوق العاده بین رشته ای است و معرفی جنبه علمی مواد در طراحی روبات ها باعث افزایش بیشتر انواع پیش زمینه و تخصص مورد نیاز برای موفقیت در ساخت روباتهای نرم هوشمند می شود."
علاوه بر بحث در مورد پتانسیل تکنیک های اخیراً توسعه یافته ادغام پوسته های الکترونیکی با یادگیری ماشین ، Shih ، Tolley و همکارانشان در مقاله خود برخی از چالش های باز را که مانع از تولید در مقیاس بزرگ است ، برجسته می کنند. به گفته محققان ، یکی از مهمترین چالش هایی که باید قبل از استفاده از این پوست های الکترونیکی مرتفع شود ، مربوط به سیم کشی آنها است. اگرچه multiplexing ، تکنیکی که می تواند سیم کشی را به شدت کاهش دهد ، می تواند به مقابله با این مسئله کمک کند ، هر حسگر موجود در پوست الکترونیکی هنوز نیاز به اتصال دو سیم دارد.
ما چالش های باز و مسیرهای آینده را در کنار هم قرار دادن تثلیث روباتیک نرم ، پوسته های الکترونیکی و یادگیری ماشین برجسته می کنیم تا مرزهای روباتهای نرم خودمختار را فشار دهیم که نه تنها با خیال راحت می توانند محیط اطراف خود را کشف و لمس کنند ، بلکه همزمان تعاملات آنها را نیز می فهمند." توللی گفت
ه گفته محققان ، دو عملکرد خاص روباتیک که ممکن است از ترکیب پوسته های الکترونیکی و یادگیری ماشین به طور چشمگیری بهره مند شوند ، سنجش شکل و کنترل بازخورد هستند. هر دوی این قابلیت ها تعامل پیشرفته تر بین ربات و محیط آن را امکان پذیر می کنند ، در عین حال به شما امکان می دهند محیط اطراف خود را به طور مؤثر کشف کند.
از آنجا که بسیاری از روبات ها در هنگام تماس با محرک های خاص محیطی (به عنوان مثال ، موانع یا اشیاء دیگر) برای تغییر شکل طراحی شده اند ، افزایش قابلیت سنجش شکل و قابلیت کنترل بازخورد می تواند اطلاعات ارزشمندی را در اختیار آنها قرار دهد که می تواند به آنها کمک کند تا به طور مؤثر در مقابل این محرک ها پاسخ دهند. . علاوه بر این ، پوسته های الکترونیکی دارای تاکسی های با وضوح بالا هستند و تکنیک های یادگیری ماشین به طور معمول قادر به قابلیت پردازش پیشرفته هستند ، که همراه با مواد بسیار سازگار با یک ربات نرم ، می تواند به نتایج قابل توجهی منجر شود.
در مقاله مروری خود ، Shih ، Tolley و همکارانش همچنین در مورد امکان طراحی الهام گرفتن از طبیعت هنگام طراحی سیستمهایی که قابلیت تولید مثل لمس در روبات ها را دارند ، بحث می کنند. به طور خاص ، آنها احساس می كنند كه طریقه انتقال نورونها سیگنال ها در بدن انسان و حیوانات ممکن است منبع الهام بی نظیری برای توسعه دهندگان پوست الکترونیکی باشد.
محققان گفتند: "مهمترین جنبه بررسی ما چارچوبی است که برای اهداف تحقیقاتی آینده در روباتیک نرم ایجاد می کند." وی گفت: "ما چندین چالش باز و گام های بعدی بالقوه را برای رباتیست های نرم (و روبوتیست ها به طور کلی) برای مقابله با توسعه روبات های هوشمند و مستقل توصیف می کنیم. با افزایش روباتیک و اتوماسیون همه گیر و رواج می یابد ، راه حل های این مشکلات باعث باز شدن نسل بعدی از توانایی ها می شود. "
شیح ، توللی و همکارانشان بر این باورند که در آینده ربات ها با تنظیمات متنوعی از جمله منازل افراد ، مراکز درمانی ، اماکن کار و بسیاری از محیط های دیگر بطور گسترده اجرا می شوند. با مرور رویکردهای اخیر در زمینه توسعه پوستههای الکترونیکی مبتنی بر یادگیری ماشین و تشریح چالشهای فعلی که مانع اجرای مقیاس بزرگ آنها شده است ، آنها امیدوارند که کارشان به عنوان راهنمایی برای محققان انجام تحقیقات بیشتر در این زمینه خاص باشد.
شیح و توللی گفتند: "ما اکنون قصد داریم به دنبال یك ادغام پوسته های الکترونیکی و یادگیری ماشینی با روبوتیك نرم برای توسعه روبات هایی باشیم كه بتوانند لمس عاطفی (یعنی ارتباط اجتماعی از طریق لمس بدنی) را درک كنند." وی ادامه داد: "بیماری همه گیر COVID-19 نشان داده است که رباتیک و اتوماسیون ممکن است برای کاهش بار کار بر روی کارکنان مراقبت های بهداشتی مفید باشد. همانطور که در آینده ای نزدیک ، روبات ها ممکن است با پرستاران و پزشکان در بیمارستانها همکاری کنند یا می توانند به طور مستقیم به بیماران کمک کنند." از آنها می خواهم که اقدامات مانند یک پنجم بالا یا پشت سر هم را درک کنند تا روابط دوستانه تری با مردم برقرار کنند. "
منابع
| https://arf.estranky.sk/clanky/-------------------------------------------------------------------------------------.html
وبلاگ های مشابه
|
Comments
Post a Comment