برای یک زرافه یا وحشی تازه متولد شده ، زایمان می تواند مقدمه ای خطرناک در جهان باشد - شکارچیان در انتظار فرصتی برای تهیه یک غذای ضعیف ترین عضو گله هستند. به همین دلیل است که بسیاری از گونه ها راه هایی را برای نوجوانان خود در طی چند دقیقه پس از تولد پیدا کرده اند.
این شاهکار تکاملی حیرت انگیز است که مدت هاست الهام بخش زیست شناسان و روباتیک ها است - و اکنون تیمی از محققان USC در دانشکده مهندسی USC Viterbi اعتقاد دارند که آنها اولین کسی شده اند که یک اندام رباتیک کنترل شده با هوش مصنوعی ایجاد می کنند که توسط تاندونهای شبیه به حیوانات رانده می شود. گرفتار شوید و سپس در زمان وقوع پدیده بعدی بازیابی شوید ، کاری که ربات هیچ وقت به صراحت برنامه نویسی نکرد.
Francisco J. Valero-Cuevas ، استاد مهندسی زیست پزشکی ، استاد بیوکینزیولوژی و فیزیوتراپی در USC در یک پروژه با دانشکده مهندسی دانشکده مهندسی USC Viterbi ، علی مرجان نژاد و دو دانشجوی دکترای دیگر - داریو اروبینا-ملندز و برایان کوهن ، توسعه داده اند. یک الگوریتم بیولوژیکی الهام گرفته شده است که می تواند بعد از تنها 5 دقیقه بازی بدون ساختار ، به خودی خود وظیفه راه رفتن جدید را بیاموزد و سپس بدون هیچ برنامه نویسی اضافی با سایر کارها سازگار شود.
مقاله آنها ، که در مقاله جلد ماه مارس از Nature Machine Intelligence بیان شده است ، امکانات هیجان انگیز برای درک حرکت و ناتوانی انسان ، ایجاد پروتزهای پاسخگو و روبات هایی را ایجاد می کند که می توانند با محیط های پیچیده و متغیر مانند اکتشافات فضایی و جستجوی و نجات تعامل داشته باشند.
Valero-Cuevas ، نویسنده ارشد گفت: "امروزه ، معادل ماهها یا سالها تمرین برای یک ربات طول می کشد تا بتواند برای تعامل با جهان آماده باشد ، اما ما می خواهیم به یادگیری سریع و سازگاری هایی که در طبیعت مشاهده می شود ، دست یابیم." قرار ملاقات در علوم کامپیوتر ، مهندسی برق و کامپیوتر ، مهندسی مکانیک و هوافضا و علوم اعصاب در USC.
مرجاني نژاد ، كانديداي دكترا در گروه مهندسي زيست پزشكي در USC و نويسنده ارشد اين مقاله گفت: اين موفقيت مشابه دانش طبيعي است كه در نوزادان اتفاق مي افتد. مرجاني نژاد توضيح مي دهد ، ابتدا به روبات اجازه داده شد تا محيط خود را در فرآيند بازي آزاد (يا آنچه به عنوان "حباب موتوري" شناخته مي شود) بفهمد.
مرجانی نژاد گفت: "این حرکات تصادفی ساق پا به ربات امکان می دهد نقشه داخلی اندام خود و برهم کنش آن با محیط را بسازد."
نویسندگان این مقاله می گویند ، برخلاف بیشتر کارهای فعلی ، روبات های آنها با انجام کار یاد می گیرند و بدون هیچگونه شبیه سازی رایانه ای قبلی یا موازی برای راهنمایی یادگیری هستند.
مرجاني نژاد همچنين افزود كه اين امر از اهميت ويژه اي برخوردار است زيرا برنامه ريزان مي توانند براي سناريوهاي متعدد پيش بيني كنند و كد كنند ، اما براي هر سناريو ممكن نيست.
"با این وجود ، اگر اجازه دهید این ربات های [جدید] از تجربه مربوطه بیاموزند ، در نهایت آنها راه حلی را پیدا می کنند که پس از پیدا کردن ، در صورت نیاز مورد استفاده قرار گرفته و سازگار شوند. این وضعیت به اندازه کافی مناسب است. هر یک از ما به آن نیاز داریم یا می خواهیم - یا قادر به صرف زمان و تلاش است - برای کسب یک مدال المپیک. "
از طریق این فرایند کشف بدن و محیط خود ، اندامهای روباتی که در آزمایشگاه Valero Cuevas در USC طراحی شده اند ، از تجربه منحصر به فرد خود برای توسعه الگوی راه رفتن که به اندازه کافی مناسب برای آنها باشد ، تولید ربات هایی با حرکات شخصی استفاده می کنند. "شما می توانید کسی را که از سالن پایین می آید تشخیص دهد زیرا آنها جای خاصی دارند ، درست است؟" والرو کووا می پرسد. "روبات ما از تجربه محدود خود برای یافتن راه حلی برای مسئله ای استفاده می کند که پس از آن تبدیل به عادت شخصی شده یا شخصیت" می شود.
کاربردهای بالقوه این فناوری بویژه در فناوری کمکی بسیار زیاد است ، جایی که اندامهای روباتیک و اسکلتهای خارجی که بصری و پاسخگوی نیازهای شخصی کاربر هستند ، برای کسانی که استفاده از اندام خود را از دست داده اند ، بسیار ارزشمند است. Valero-Cuevas گفت: "اسكل اسكلت ها یا وسایل كمك نیاز است كه به طور طبیعی حرکات خود را تفسیر كنند تا بتوانند آنچه را برای شما نیاز دارند ، استفاده كنند."
"از آنجا که روبات های ما می توانند عادات را یاد بگیرند ، آنها می توانند عادات شما را یاد بگیرند و از سبک حرکت شما برای کارهای مورد نیاز در زندگی روزمره تقلید کنند - حتی وقتی که شما یک کار جدید را یاد می گیرید ، یا قوی تر یا ضعیف می شوید."
به گفته نویسندگان ، این تحقیق همچنین در زمینه ماموریت های اکتشافی فضایی و نجات از کاربردهای قوی برخوردار خواهد بود و این امکان را برای روبات هایی فراهم می کند که بدون انجام اسکورت یا تحت نظارت هنگام ورود به سیاره جدید یا زمین های نامشخص و خطرناک ، کارهایی را که باید انجام شود انجام دهند. در نتیجه بلایای طبیعی به عنوان مثال ، این روبات ها می توانند با یک جاذبه کم یا زیاد ، سنگهای سست یک روز و گل پس از باران ، سازگار شوند.
بیشتر بخوانید: راهنمای انتخاب پمپ وکیوم آزمایشگاهی
دو نویسنده دیگر این مقاله ، دانشجویان دکترا برایان کوهن و داریو اروبینا ملندز روی این تحقیق وزن داشتند:
کوهن ، کاندیدای دکترا در علوم رایانه در دانشکده مهندسی ویتبرتی USC گفت: "توانایی یک گونه برای یادگیری و سازگاری حرکات خود هنگام تغییر بدن و محیط آنها از همان ابتدا عامل اصلی تکامل بوده است." "کار ما گامی در جهت توانمند سازی روبات ها برای یادگیری و سازگاری با هر تجربه است ، درست همانطور که حیوانات انجام می دهند."
اروبینا ملندز ، کاندیدای دکترا در مهندسی زیست پزشکی که معتقد به ظرفیت ربات ها است که می تواند از زندگی الهام بگیرد ، گفت: "من روبات های مبتنی بر عضله را تصور می کنم ، قادر به تسلط بر آنچه یک حیوان ماه ها برای یادگیری می گیرد ، در تنها چند دقیقه است." . "کار ما با استفاده از مهندسی ، هوش مصنوعی ، آناتومی و علوم اعصاب نشانگر قوی این امر است."
برای یک زرافه یا وحشی تازه متولد شده ، زایمان می تواند مقدمه ای خطرناک در جهان باشد - شکارچیان در انتظار فرصتی برای تهیه یک غذای ضعیف ترین عضو گله هستند. به همین دلیل است که بسیاری از گونه ها راه هایی را برای نوجوانان خود در طی چند دقیقه پس از تولد پیدا کرده اند.
این شاهکار تکاملی حیرت انگیز است که مدت هاست الهام بخش زیست شناسان و روباتیک ها است - و اکنون تیمی از محققان USC در دانشکده مهندسی USC Viterbi اعتقاد دارند که آنها اولین کسی شده اند که یک اندام رباتیک کنترل شده با هوش مصنوعی ایجاد می کنند که توسط تاندونهای شبیه به حیوانات رانده می شود. گرفتار شوید و سپس در زمان وقوع پدیده بعدی بازیابی شوید ، کاری که ربات هیچ وقت به صراحت برنامه نویسی نکرد.
Francisco J. Valero-Cuevas ، استاد مهندسی زیست پزشکی ، استاد بیوکینزیولوژی و فیزیوتراپی در USC در یک پروژه با دانشکده مهندسی دانشکده مهندسی USC Viterbi ، علی مرجان نژاد و دو دانشجوی دکترای دیگر - داریو اروبینا-ملندز و برایان کوهن ، توسعه داده اند. یک الگوریتم بیولوژیکی الهام گرفته شده است که می تواند بعد از تنها 5 دقیقه بازی بدون ساختار ، به خودی خود وظیفه راه رفتن جدید را بیاموزد و سپس بدون هیچ برنامه نویسی اضافی با سایر کارها سازگار شود.
مقاله آنها ، که در مقاله جلد ماه مارس از Nature Machine Intelligence بیان شده است ، امکانات هیجان انگیز برای درک حرکت و ناتوانی انسان ، ایجاد پروتزهای پاسخگو و روبات هایی را ایجاد می کند که می توانند با محیط های پیچیده و متغیر مانند اکتشافات فضایی و جستجوی و نجات تعامل داشته باشند.
Valero-Cuevas ، نویسنده ارشد گفت: "امروزه ، معادل ماهها یا سالها تمرین برای یک ربات طول می کشد تا بتواند برای تعامل با جهان آماده باشد ، اما ما می خواهیم به یادگیری سریع و سازگاری هایی که در طبیعت مشاهده می شود ، دست یابیم." قرار ملاقات در علوم کامپیوتر ، مهندسی برق و کامپیوتر ، مهندسی مکانیک و هوافضا و علوم اعصاب در USC.
مرجاني نژاد ، كانديداي دكترا در گروه مهندسي زيست پزشكي در USC و نويسنده ارشد اين مقاله گفت: اين موفقيت مشابه دانش طبيعي است كه در نوزادان اتفاق مي افتد. مرجاني نژاد توضيح مي دهد ، ابتدا به روبات اجازه داده شد تا محيط خود را در فرآيند بازي آزاد (يا آنچه به عنوان "حباب موتوري" شناخته مي شود) بفهمد.
مرجانی نژاد گفت: "این حرکات تصادفی ساق پا به ربات امکان می دهد نقشه داخلی اندام خود و برهم کنش آن با محیط را بسازد."
نویسندگان این مقاله می گویند ، برخلاف بیشتر کارهای فعلی ، روبات های آنها با انجام کار یاد می گیرند و بدون هیچگونه شبیه سازی رایانه ای قبلی یا موازی برای راهنمایی یادگیری هستند.
مرجاني نژاد همچنين افزود كه اين امر از اهميت ويژه اي برخوردار است زيرا برنامه ريزان مي توانند براي سناريوهاي متعدد پيش بيني كنند و كد كنند ، اما براي هر سناريو ممكن نيست.
"با این وجود ، اگر اجازه دهید این ربات های [جدید] از تجربه مربوطه بیاموزند ، در نهایت آنها راه حلی را پیدا می کنند که پس از پیدا کردن ، در صورت نیاز مورد استفاده قرار گرفته و سازگار شوند. این وضعیت به اندازه کافی مناسب است. هر یک از ما به آن نیاز داریم یا می خواهیم - یا قادر به صرف زمان و تلاش است - برای کسب یک مدال المپیک. "
از طریق این فرایند کشف بدن و محیط خود ، اندامهای روباتی که در آزمایشگاه Valero Cuevas در USC طراحی شده اند ، از تجربه منحصر به فرد خود برای توسعه الگوی راه رفتن که به اندازه کافی مناسب برای آنها باشد ، تولید ربات هایی با حرکات شخصی استفاده می کنند. "شما می توانید کسی را که از سالن پایین می آید تشخیص دهد زیرا آنها جای خاصی دارند ، درست است؟" والرو کووا می پرسد. "روبات ما از تجربه محدود خود برای یافتن راه حلی برای مسئله ای استفاده می کند که پس از آن تبدیل به عادت شخصی شده یا شخصیت" می شود.
کاربردهای بالقوه این فناوری بویژه در فناوری کمکی بسیار زیاد است ، جایی که اندامهای روباتیک و اسکلتهای خارجی که بصری و پاسخگوی نیازهای شخصی کاربر هستند ، برای کسانی که استفاده از اندام خود را از دست داده اند ، بسیار ارزشمند است. Valero-Cuevas گفت: "اسكل اسكلت ها یا وسایل كمك نیاز است كه به طور طبیعی حرکات خود را تفسیر كنند تا بتوانند آنچه را برای شما نیاز دارند ، استفاده كنند."
"از آنجا که روبات های ما می توانند عادات را یاد بگیرند ، آنها می توانند عادات شما را یاد بگیرند و از سبک حرکت شما برای کارهای مورد نیاز در زندگی روزمره تقلید کنند - حتی وقتی که شما یک کار جدید را یاد می گیرید ، یا قوی تر یا ضعیف می شوید."
به گفته نویسندگان ، این تحقیق همچنین در زمینه ماموریت های اکتشافی فضایی و نجات از کاربردهای قوی برخوردار خواهد بود و این امکان را برای روبات هایی فراهم می کند که بدون انجام اسکورت یا تحت نظارت هنگام ورود به سیاره جدید یا زمین های نامشخص و خطرناک ، کارهایی را که باید انجام شود انجام دهند. در نتیجه بلایای طبیعی به عنوان مثال ، این روبات ها می توانند با یک جاذبه کم یا زیاد ، سنگهای سست یک روز و گل پس از باران ، سازگار شوند.
بیشتر بخوانید: راهنمای انتخاب پمپ وکیوم آزمایشگاهی
دو نویسنده دیگر این مقاله ، دانشجویان دکترا برایان کوهن و داریو اروبینا ملندز روی این تحقیق وزن داشتند:
کوهن ، کاندیدای دکترا در علوم رایانه در دانشکده مهندسی ویتبرتی USC گفت: "توانایی یک گونه برای یادگیری و سازگاری حرکات خود هنگام تغییر بدن و محیط آنها از همان ابتدا عامل اصلی تکامل بوده است." "کار ما گامی در جهت توانمند سازی روبات ها برای یادگیری و سازگاری با هر تجربه است ، درست همانطور که حیوانات انجام می دهند."
اروبینا ملندز ، کاندیدای دکترا در مهندسی زیست پزشکی که معتقد به ظرفیت ربات ها است که می تواند از زندگی الهام بگیرد ، گفت: "من روبات های مبتنی بر عضله را تصور می کنم ، قادر به تسلط بر آنچه یک حیوان ماه ها برای یادگیری می گیرد ، در تنها چند دقیقه است." . "کار ما با استفاده از مهندسی ، هوش مصنوعی ، آناتومی و علوم اعصاب نشانگر قوی این امر است."
مدل جدیدی برای تولید سؤال گفتگوی بصری