حرکت شبه‌انسانی روبات‌ها با کمک یک مدل یادگیری ماشینی
پژوهشگران دانشگاه «ام‌آی‌تی»، روش جدیدی ابداع کرده‌اند تا به روبات‌ها در تقلید رفتار انسان‌ها کمک کنند. این مدل برنامه‌ریزی حرکتی، به روبات‌ها امکان می‌دهد چگونگی رسیدن به هدف را با بررسی محیط و عوامل دیگر حاضر در آن تعیین کنند. الگوریتم‌های طراحی حرکتی معمولی، برای انتخاب راه‌های مناسب حرکت، تصمیم‌های احتمالی را ارائه می‌دهند. برای مثال، روباتی که باید برای رسیدن به در، داخل اتاق حرکت کند، ابتدا یک برنامه جست‌وجوی گام به گام برای حرکات احتمالی شکل می‌دهد. سپس، با در نظر گرفتن محدودیت‌ها، بهترین راه را برای رسیدن به در انتخاب می‌کند. در هر حال، روبات نمی‌تواند از اطلاعات مربوط به عوامل موثر در محیط‌های مشابه استفاده کند. «آندری باربو» (Andrei Barbu)، پژوهشگر آزمایشگاه علوم رایانه و هوش مصنوعی دانشگاه ام‌آی‌تی و از نویسندگان این پژوهش گفت: کار روبات‌ها با این سیستم، مانند بازی شطرنج است اما آنها برخلاف بازیکنان شطرنج، بدون یادگیری بیشتر درباره محیط و عوامل حاضر در آن، رخدادهای آینده را پیش‌بینی می‌کنند. این گروه پژوهشی، مدلی ابداع کردند که یک الگوریتم برنامه‌ریزی را با یک شبکه عصبی ترکیب می‌کند.
این شبکه عصبی، چگونگی شناسایی مسیرهایی را که به مقصد می‌رسند یاد می‌گیرد و از این دانش، برای راهنمایی حرکات روبات در محیط استفاده می‌کند. پژوهشگران در مقاله این پروژه، مزایای مدل خود را به دو دسته تقسیم کردند: حرکت در میان اتاق‌های چالش‌برانگیز و مسیرهای باریک و حرکت در مسیر بدون برخورد با عوامل حاضر در آن. یکی از کاربردهای امیدوارکننده این مدل، کمک به حرکت خودروهای خودران در تقاطع خیابان‌هاست. با استفاده از این مدل، خودروها می‌توانند پیش از رسیدن به ترافیک، عملکرد خودروهای دیگر را ارزیابی کنند. «ین‌لینگ کو»، دانشجوی دکترای دانشگاه ام‌آی‌تی و نویسنده ارشد این پژوهش گفت: هنگامی که انسان‌ها در تعامل با جهان قرار می‌گیرند، عواملی را می‌بینند که پیش‌تر با آنها در تعامل بوده‌اند یا آنها را دیده‌اند، در نتیجه می‌دانند چگونه رفتار کنند. ایده ما قرار دادن یک مدل یادگیری ماشینی، در فضای جست‌وجو است که تجربه‌ای از چنین تعاملاتی در آن وجود دارد تا به این شکل، کارآیی سیستم افزایش یابد. مقاله این پژوهش، در «کنفرانس بین‌المللی روبات‌ها و سیستم‌های هوشمند» (IROS) ارائه شد.
ارسال نظر