گروهی از دانشمندان در MIT یک ربات خودکار را توسعه داده که از مجموعه ای از سنسورها و یک روش یادگیری ماشین پیشرفته برای هدایت خود در میان جمعیت در عین رعایت برخی هنجارهای اجتماعی (انسانی) استفاده می کند. این اتوماسیون چرخدار می تواند گام دیگری در راستای رسیدن به ربات های تحویل کالای کاملا خودکار یا حتی دستگاه های متحرک شخصی هوشمند قادر به طی خیابان های شلوغ باشد. با ما در بهترین ها در زمین همراه باشید.
اگر ربات ها قرار باشد روزی با آزادی در میان ما حرکت کنند، نه تنها باید قادر به درک و هدایت محیط خود بوده بلکه همچنین باید حرکت انسان ها را پیش بینی و هدایت کنند. یک ربات باید بداند کجا است، ما کجا هستیم، و قادر به برنامه ریزی یک مسیر و اجرا در مسیر انتخابی خود باشد.
تلاش های پیشین در راستای هدایت ربات ها در یک محل پر از انسان با نتایج متفاوتی روبه رو شد. یک رویکرد مبتنی بر مسیر برای مثال که در آن ربات محل پیاده روی یک انسان را بر اساس داده های سنسور پیش بینی می کند، مشکل آفرین است زیرا ربات باید داده ها را در یک محیط دائما در حال تغییر جمع آوری کرده و متوجه شود حرکت بعدی چیست. این عمل اغلب منجر به حرکت توقف/شروع می شود.
شیوه ی دیگر شامل برنامه ریزی یک ربات با یک رویکرد ساده ی واکنشی برای مدیریت جمعیت است که طی آن از هندسه و فیزیک برای برنامه ریزی یک مسیر و جلوگیری از برخورد استفاده می شود. این شیوه هنگامی که فرد در حال پیاده روی در یک خط مستقیم است عالی می باشد اما انسان ها موجودات غیرقابل پیش بینی هستند و دارای تغییرات ناگهانی در مسیر می باشند که این امر می تواند منجر به این شده که انسان و ربات در حال تلاش برای اشغال کردن یک فضای مشابه در یک زمان باشند.
گروه MIT در تلاش برای آموزش کنترل جمعیت با استفاده از یک روشی که یادگیری تقویت شده نامیده اند، به ربات خود هستند. در سطح ساده، این شیوه شامل قرار دادن یک ربات در معرض مجموعه ای از موقعیت های یادگیری شبیه سازی کامپیوتری است که برای آموزش چگونگی مقابله با اشیای متحرک در سرعت ها و مسیرهای مختلف طراحی شده اند درحالیکه ربات باید از افراد شبیه سازی شده در محیط یادداشت برداری نماید.
از شبیه سازی همچنین برای آموزش ربات جهت هدایت در عین دقت به هنجارهای اجتماعی مانند حرکت در سمت راست و حفظ سرعت 1.2 متر در هر ثانیه، استفاده شده است. سپس هنگامی که ربات با فضایی از افراد در دنیای واقعی مواجه می شود، می تواند موقعیت های قطعی که در طول آموزش با آنها مواجه شده را تشخیص دهد و با آنها به خوبی و بر اساس قوانین پیاده رفتار کند.
MIT ربات خود را به عنوان یک کیوسک روی چرخ توصیف می کند. این ربات مجهز به مجموعه ای از سنسورها شامل وبکم، سنسور عمق، و یک سنسور LIDAR با رزولوشن بالا است که به ربات اجازه ی درک محیط و اجرای الگوریتم های منبع باز جهت کمک به تعیین موقعیت خود را می نماید. سنسورها به ارزیابی محیط حول ربات در هر یک دهم ثانیه پرداخته و به ربات امکان تنظیم مسیر در حال حرکت را بدون نیاز به توقف و محاسبه ی بهترین موقعیت می دهند.
مایکل اورت، یکی از پژوهشگران این تحقیق گفته است: «ما در پی برنامه ریزی کل مسیر برای رسیدن به هدف نیستیم، دیگر انجام این کار بخصوص در محیط در حال تغییر، معنی ندارد. ما فقط آنچه را که می بینیم مشاهده کرده، یک سرعت را انتخاب می کنیم، آنها را در یک دهم ثانیه انجام داده، سپس دوباره به اطراف نگاه می کنیم، سرعت دیگری انتخاب کرده و دوباره عمل می کنیم. به این شیوه فکر می کنیم ربات ما طبیعی تر به نظر رسیده و می تواند حرکت افراد را پیش بینی کند.»
دانشمندان، ربات ناظر غیرمعمول خود را با یک روش یادگیری تقویت شده ترکیب کرده و در مرکز ساتای MIT به اجرای مجموعه ای از تست های فیزیکی مشغول شدند. ربات با موفقیت توانست مسیرهای مارپیچ و بزرگراه های مسدود شده با عابر پیاده را بدون ضربه زدن به افراد پشت سر بگذارد.
این گروه در نظر دارد تحقیقات خود را ادامه و گسترش داده و بررسی نماید که ربات ها در موقعیت یک عابر پیاده زمانی که افراد با جمعیت بالا در حال حرکت هستند، چطور عمل می کنند. این عمل شاید نیاز به ارتقای مجموعه قوانین رفتاری داشته باشد. مقاله ای در مورد جزئیات این پژوهش در بخش سیستم ها و ربات هوشمند کنفرانس IEEE ماه آینده ارائه خواهد شد.
لینک منبع : newatla