براساس داده های سرشماری سال 2010 ، حدود 1 میلیون بزرگسال در ایالات متحده به کسی نیاز دارند تا بتواند به آنها غذا بخورد. این یک کار وقت گیر و اغلب بی دست و پا است ، یک کار عمدتاً به جای انتخاب انجام می شود.
محققان دانشگاه واشنگتن در حال کار بر روی یک سیستم روباتیک هستند که می تواند به سهولت آن کمک کند. پس از شناسایی غذاهای مختلف روی یک بشقاب ، این روبات می تواند نحوه استفاده از چنگال را برای چیدن و تحویل نیش مورد نظر به دهان فرد استراتژیک کند.
این تیم نتایج خود را در یک سری مقالات منتشر کرد: یکی از آنها به تازگی در IEEE Robotics and Automation Letters منتشر شده است ، و دیگری در 13 مارس در کنفرانس بین المللی ACM / IEEE در تعامل انسان و روبات در کره جنوبی ارائه می شود.
سیدهارتا سرینیواسا ، نویسنده مربوطه گفت: "وابسته بودن به یک مراقب برای تغذیه هر گزش هر روز باعث احساس استقلال فرد می شود." "هدف ما با این پروژه این است که به مردم کمی کنترل بیشتری بر زندگی خود انجام دهیم."
ایده این بود که یک سیستم تغذیه مستقل ایجاد شود که به صندلی های چرخدار افراد وصل شود و مردم را به هر چیزی که می خواستند بخورند تغذیه کند.
"وقتی پروژه را شروع کردیم ، متوجه شدیم: روش های زیادی وجود دارد که افراد بسته به اندازه ، شکل و قوام آن می توانند یک تکه غذا بخورند. چگونه شروع کنیم؟" گفت که نویسنده Tapomayukh Bhattacharjee ، همکار تحقیقاتی فوق دکترا در مدرسه آلن است. "بنابراین ما یک آزمایش ایجاد کرده ایم تا ببینیم که انسانها چگونه غذاهای متداولی مانند انگور و هویج می خورند.
محققان بشقابهایی را با حدود دهها نوع مواد غذایی مختلف تهیه کردند که از قوام هویج سخت گرفته تا موز نرم تشکیل شده است. این بشقاب ها همچنین شامل غذاهایی مانند گوجه فرنگی و انگور بودند که دارای پوست سفت و موهای نرم هستند. سپس این تیم یک چنگال به داوطلبان داد و از آنها خواست که تکه های مختلف مواد غذایی را تهیه کنند و آنها را به یک مانکن تغذیه کنند. چنگال حاوی یک سنسور برای اندازه گیری میزان نیرویی که مردم هنگام برداشت مواد غذایی استفاده می کردند ، بود.
داوطلبان برای تهیه مواد غذایی با سازگاری های مختلف از راهکارهای مختلفی استفاده کردند. به عنوان مثال ، افراد از چوب نرم نرم مانند موز در زاویه ای استفاده می کنند تا از خوردن چنگال در امان نمانند. برای مواردی مانند هویج و انگور ، داوطلبان تمایل داشتند از حرکات کلاه گیس برای افزایش نیرو و نیزه در هر نیش استفاده کنند.
الگوریتم تشخیص شی با نام RetinaNet ، صفحه را اسکن می کند ، انواع مواد غذایی را روی آن مشخص می کند و یک فریم را در اطراف هر مورد قرار می دهد. اعتبار: اریک جانسون / دانشگاه واشنگتن
"به نظر می رسید مردم از استراتژی های مختلفی استفاده می کنند نه تنها بر اساس اندازه و شکل مواد غذایی بلکه سخت و نرم آن نیز هست. اما آیا ما واقعاً باید این کار را انجام دهیم؟" بهتاچارجی گفت. "ما تصمیم گرفتیم آزمایشاتی را با روبات انجام دهیم که در آنجا غذای کمتری داشتیم تا اینکه چنگال بدون توجه به نوع مواد غذایی به عمق خاصی از داخل برسد."
این روبات با استفاده از همان استراتژی کشش و نیرو ، سعی در جمع کردن تمام مواد غذایی بدون در نظر گرفتن قوام آنها داشت. این ماده قادر به تهیه غذاهای سخت بود ، اما با غذاهای نرم و کسانی که پوست های سخت و سمبرهای نرم داشتند ، مبارزه می کرد. بنابراین روبات ها مانند انسان ها باید چقدر نیرو و زاویه مورد استفاده خود را برای چیدن انواع مختلف مواد غذایی تنظیم کنند.
این تیم همچنین خاطرنشان کرد: اقدامات چیدن یک تکه غذا و تغذیه آن برای شخصی مستقل از یکدیگر نیست. داوطلبان غالباً به طور خاص تکه ای از غذا را روی چنگال قرار می دهند تا بتوان به راحتی آن را خورد.
بهتاچارجی گفت: "شما می توانید با خلال کردن آن در مرکز چوب ، یک چوب هویج بریزید ، اما خوردن آن برای فرد دشوار خواهد بود." "از طرف دیگر ، اگر آن را در یکی از انتها برداشته و سپس هویج را به سمت دهان کسی کج کنید ، نیش گرفتن راحت تر است."
محققان برای طراحی یک استراتژی خورش و تغذیه که بر اساس ماده غذایی تغییر می کند ، دو الگوریتم مختلف را با یکدیگر ترکیب کردند. ابتدا آنها از یک الگوریتم تشخیص شی به نام RetinaNet استفاده کردند که صفحه را اسکن می کند ، انواع مواد غذایی را روی آن مشخص می کند و یک فریم را در اطراف هر مورد قرار می دهد.
سپس آنها SPNet را ساختند ، الگوریتمی که نوع مواد غذایی را در یک قاب خاص بررسی می کند و به بهترین روشی برای برداشت مواد غذایی به روبات می گوید. به عنوان مثال ، SPNet به ربات می گوید یک توت فرنگی یا یک تکه موز را در وسط قرار دهید و هویج نیزه را در یکی از دو انتهای آن قرار دهید.
این تیم به ربات تکه هایی از مواد غذایی را انتخاب کرده و آنها را برای داوطلبان با استفاده از SPNet یا یک استراتژی یکنواخت تر تغذیه می کرد: رویکردی که بدون در نظر گرفتن آنچه در آن قرار داشت ، مرکز هر یک از مواد غذایی را بهم می زد. استراتژیهای مختلف SPNet از روشهای یکسان برای همه مواد غذایی بهتر و بهتر عمل می کند.
سرینیواسا گفت: "بسیاری از چالش های مهندسی در مورد راه حل های آنها گزیده نیست ، اما این تحقیق بسیار صمیمانه با مردم در ارتباط است." "اگر این مسئله را در نظر نگیریم که یک شخص نیش را راحت بگیرد ، ممکن است مردم نتوانند از سیستم ما استفاده کنند. یک نوع از انواع غذاها در آنجا وجود دارد ، بنابراین بزرگترین چالش ما توسعه استراتژی ها است. که می تواند با همه آنها برخورد کند. "
بیشتر بخوانید: کاربردهای وکیوم در گاز
این تیم در حال حاضر مشغول همکاری با مرکز فن آوری قابل دسترسی تاسکار است تا از مراقبان و بیماران در مراکز زندگی مساعدت شده در مورد چگونگی بهبود سیستم برای رفع نیازهای مردم بازخورد کند.
سرینیواسا گفت: "در نهایت هدف ما این است که ربات ما کمک کند تا مردم ناهار یا شام را به تنهایی بخورند." "اما نکته این نیست که افراد مراقب را جایگزین کنید: ما می خواهیم آنها را توانمند کنیم. با کمک یک ربات برای کمک به ، مراقب می تواند صفحه را تنظیم کند و سپس در حالی که فرد می خورد ، کاری دیگر انجام دهد."
براساس داده های سرشماری سال 2010 ، حدود 1 میلیون بزرگسال در ایالات متحده به کسی نیاز دارند تا بتواند به آنها غذا بخورد. این یک کار وقت گیر و اغلب بی دست و پا است ، یک کار عمدتاً به جای انتخاب انجام می شود.
محققان دانشگاه واشنگتن در حال کار بر روی یک سیستم روباتیک هستند که می تواند به سهولت آن کمک کند. پس از شناسایی غذاهای مختلف روی یک بشقاب ، این روبات می تواند نحوه استفاده از چنگال را برای چیدن و تحویل نیش مورد نظر به دهان فرد استراتژیک کند.
این تیم نتایج خود را در یک سری مقالات منتشر کرد: یکی از آنها به تازگی در IEEE Robotics and Automation Letters منتشر شده است ، و دیگری در 13 مارس در کنفرانس بین المللی ACM / IEEE در تعامل انسان و روبات در کره جنوبی ارائه می شود.
سیدهارتا سرینیواسا ، نویسنده مربوطه گفت: "وابسته بودن به یک مراقب برای تغذیه هر گزش هر روز باعث احساس استقلال فرد می شود." "هدف ما با این پروژه این است که به مردم کمی کنترل بیشتری بر زندگی خود انجام دهیم."
ایده این بود که یک سیستم تغذیه مستقل ایجاد شود که به صندلی های چرخدار افراد وصل شود و مردم را به هر چیزی که می خواستند بخورند تغذیه کند.
"وقتی پروژه را شروع کردیم ، متوجه شدیم: روش های زیادی وجود دارد که افراد بسته به اندازه ، شکل و قوام آن می توانند یک تکه غذا بخورند. چگونه شروع کنیم؟" گفت که نویسنده Tapomayukh Bhattacharjee ، همکار تحقیقاتی فوق دکترا در مدرسه آلن است. "بنابراین ما یک آزمایش ایجاد کرده ایم تا ببینیم که انسانها چگونه غذاهای متداولی مانند انگور و هویج می خورند.
محققان بشقابهایی را با حدود دهها نوع مواد غذایی مختلف تهیه کردند که از قوام هویج سخت گرفته تا موز نرم تشکیل شده است. این بشقاب ها همچنین شامل غذاهایی مانند گوجه فرنگی و انگور بودند که دارای پوست سفت و موهای نرم هستند. سپس این تیم یک چنگال به داوطلبان داد و از آنها خواست که تکه های مختلف مواد غذایی را تهیه کنند و آنها را به یک مانکن تغذیه کنند. چنگال حاوی یک سنسور برای اندازه گیری میزان نیرویی که مردم هنگام برداشت مواد غذایی استفاده می کردند ، بود.
داوطلبان برای تهیه مواد غذایی با سازگاری های مختلف از راهکارهای مختلفی استفاده کردند. به عنوان مثال ، افراد از چوب نرم نرم مانند موز در زاویه ای استفاده می کنند تا از خوردن چنگال در امان نمانند. برای مواردی مانند هویج و انگور ، داوطلبان تمایل داشتند از حرکات کلاه گیس برای افزایش نیرو و نیزه در هر نیش استفاده کنند.
الگوریتم تشخیص شی با نام RetinaNet ، صفحه را اسکن می کند ، انواع مواد غذایی را روی آن مشخص می کند و یک فریم را در اطراف هر مورد قرار می دهد. اعتبار: اریک جانسون / دانشگاه واشنگتن
"به نظر می رسید مردم از استراتژی های مختلفی استفاده می کنند نه تنها بر اساس اندازه و شکل مواد غذایی بلکه سخت و نرم آن نیز هست. اما آیا ما واقعاً باید این کار را انجام دهیم؟" بهتاچارجی گفت. "ما تصمیم گرفتیم آزمایشاتی را با روبات انجام دهیم که در آنجا غذای کمتری داشتیم تا اینکه چنگال بدون توجه به نوع مواد غذایی به عمق خاصی از داخل برسد."
این روبات با استفاده از همان استراتژی کشش و نیرو ، سعی در جمع کردن تمام مواد غذایی بدون در نظر گرفتن قوام آنها داشت. این ماده قادر به تهیه غذاهای سخت بود ، اما با غذاهای نرم و کسانی که پوست های سخت و سمبرهای نرم داشتند ، مبارزه می کرد. بنابراین روبات ها مانند انسان ها باید چقدر نیرو و زاویه مورد استفاده خود را برای چیدن انواع مختلف مواد غذایی تنظیم کنند.
این تیم همچنین خاطرنشان کرد: اقدامات چیدن یک تکه غذا و تغذیه آن برای شخصی مستقل از یکدیگر نیست. داوطلبان غالباً به طور خاص تکه ای از غذا را روی چنگال قرار می دهند تا بتوان به راحتی آن را خورد.
بهتاچارجی گفت: "شما می توانید با خلال کردن آن در مرکز چوب ، یک چوب هویج بریزید ، اما خوردن آن برای فرد دشوار خواهد بود." "از طرف دیگر ، اگر آن را در یکی از انتها برداشته و سپس هویج را به سمت دهان کسی کج کنید ، نیش گرفتن راحت تر است."
محققان برای طراحی یک استراتژی خورش و تغذیه که بر اساس ماده غذایی تغییر می کند ، دو الگوریتم مختلف را با یکدیگر ترکیب کردند. ابتدا آنها از یک الگوریتم تشخیص شی به نام RetinaNet استفاده کردند که صفحه را اسکن می کند ، انواع مواد غذایی را روی آن مشخص می کند و یک فریم را در اطراف هر مورد قرار می دهد.
سپس آنها SPNet را ساختند ، الگوریتمی که نوع مواد غذایی را در یک قاب خاص بررسی می کند و به بهترین روشی برای برداشت مواد غذایی به روبات می گوید. به عنوان مثال ، SPNet به ربات می گوید یک توت فرنگی یا یک تکه موز را در وسط قرار دهید و هویج نیزه را در یکی از دو انتهای آن قرار دهید.
این تیم به ربات تکه هایی از مواد غذایی را انتخاب کرده و آنها را برای داوطلبان با استفاده از SPNet یا یک استراتژی یکنواخت تر تغذیه می کرد: رویکردی که بدون در نظر گرفتن آنچه در آن قرار داشت ، مرکز هر یک از مواد غذایی را بهم می زد. استراتژیهای مختلف SPNet از روشهای یکسان برای همه مواد غذایی بهتر و بهتر عمل می کند.
سرینیواسا گفت: "بسیاری از چالش های مهندسی در مورد راه حل های آنها گزیده نیست ، اما این تحقیق بسیار صمیمانه با مردم در ارتباط است." "اگر این مسئله را در نظر نگیریم که یک شخص نیش را راحت بگیرد ، ممکن است مردم نتوانند از سیستم ما استفاده کنند. یک نوع از انواع غذاها در آنجا وجود دارد ، بنابراین بزرگترین چالش ما توسعه استراتژی ها است. که می تواند با همه آنها برخورد کند. "
بیشتر بخوانید: کاربردهای وکیوم در گاز
این تیم در حال حاضر مشغول همکاری با مرکز فن آوری قابل دسترسی تاسکار است تا از مراقبان و بیماران در مراکز زندگی مساعدت شده در مورد چگونگی بهبود سیستم برای رفع نیازهای مردم بازخورد کند.
سرینیواسا گفت: "در نهایت هدف ما این است که ربات ما کمک کند تا مردم ناهار یا شام را به تنهایی بخورند." "اما نکته این نیست که افراد مراقب را جایگزین کنید: ما می خواهیم آنها را توانمند کنیم. با کمک یک ربات برای کمک به ، مراقب می تواند صفحه را تنظیم کند و سپس در حالی که فرد می خورد ، کاری دیگر انجام دهد."
مدل جدیدی برای تولید سؤال گفتگوی بصری