یک ربات ساخته شده توسط مهندسان دانشگاه کلمبیا، یادگرفته است که علاوه بر محیط پیرامون، خودش را بشناسد.
همانطور که هر ورزشکار یا هرکس که به مد و فشن علاقه مند است میداند، تصور ما از بدن خود دقیق یا حقیقی نیست، اما همین تصور یک عامل مهم برای طرز برخورد ما در جامعه است. هنگامی که توپ بازی میکنید یا لباس میپوشید، مغز شما دائما در حال آماده سازی برای حرکات است که بتوانید بدون ضربه، زمین خورد یا افتادن بدن خود را تکان دهید. انسانها مدلهای بدن خود را در دوران نوزادی توسعه میدهند و اکنون رباتها هم همین کار را میکنند.
یک تیم در دانشکده مهندسی کلمبیا، امروز نشان دادند که رباتی را توسعه دادند که برای اولین بار بدون هیچ گونه کمک انسانی، میتواند یک مدل از کل بدنه خودش را از ابتدا بسازد.
پژوهشگران در مقالهای که اخیرا با موضوع علوم رباتیک منتشر شد، توضیح میدهند که چگونه ربات آنها یک مدل سینماتیک(حرکتی) از خودش ساخته و چگونه از آن برای برنامه ریزی حرکات، انجام ماموریتها و دوری از موانع در تعداد زیادی سناریو مختلف، استفاده میکند. حتی آسیب وارد شده به بدنه آن، به صورت خودکار شناسایی و تصحیح میشود.
ربات دیجیت؛ ربات دوپای هوشمند از پیشرفته ترین ربات های هوش مصنوعی جهان
یک ربات میتواند ریخت شناسی تمام بدنه خود را با استفاده از خود مدل سازی بصری بیاموزد تا خودش را با برنامه ریزی و کنترل وظایف حرکتی وفق دهد. اعتبار: جین نیسلسون و یینو شین/دانشکده مهندسی کلمبیا
ربات خودش را مثل یک نوزادی که در سالن پر از آینه کاوش میکند تصور میکند.
محققات یک بازوی رباتیک را در دایرهای متشکل از پنج دوربین پخش زنده قرار دادند. ربات تصویر خودش را در حالیکه آزادانه پرسه میزد، در دوربین ها تماشا میکرد. دقیقا مثل یک نوزادی که برای اولین بار در سالنی پر از آینه، خودش را بررسی میکند، ربات تکان میخورد تا ببیند چگونه در واکنش به دستورات مختلف حرکت میکند. بعد از تقریبا سه ساعت، ربات متوقف شد. شبکه عصبی داخلی آن، یادگیری رابطه بین دستورات حرکتی و حجمی که اشغال میکنند را، به پایان رسانده بود.
هاد لیپسون، استاد مهندسی مکانیک و مدیر آزمایش ماشینهای خلاق کلمبیا، جایی که این تحقیقات در آن صورت گرفت، میگوید:” ما بسیار مشتاقیم که ببینیم ربات چگونه خود را تصور کرده است. “
” اما شما نمیتوانید به داخل یک شبکه عصبی نگاه کنید، زیرا آن فقط یک جعبه سیاه است. ” بعد از آنکه محققان با روشهای مختلف بصری سازی دست و پنجه نرم کردند، خود-انگاره به تدریج ظاهر شد. لیپسون میگوید: ” این تقریبا یک نوع ابر چشمکزن بود که به نظر میرسید میخواهد بدن سه بعدی ربات را ببلعد. این ابر چشمکزن، ربات را دنبال میکرد.” مدلی که ربات از خودش ساخته بود، تا حدود 1% از فضای کاری آن، دقت داشت. خلاصه فنی این مطالعه(اعتبار: دانشکده مهندسی کلمبیا)
رباتهای خود مدل ساز، به سیستمهای مستقل و خودمختارتری تبدیل خواهند شد. توانایی خود مدل سازی رباتها بدون کمک مهندسان، به دلایل زیادی اهمیت دارد: نه تنها نیروی کار را ذخیره میکند، بلکه به ربات این امکان را میدهد تا از فرسودگی خود آگاه باشد و خسارت را شناسایی و جبران کند. از نظر نویسندگان این قابلیت به این دلیل اهمیت دارد که ما نیاز داریم که سیستمهای خودمختار، بیشتر به خود متکی باشند. برای مثال یک ربات صنعتی، میتواند تشخیص دهد که چیزی درست کار نمیکند و آن را جبران کند یا درخواست کمک کند.
بویان چن که اولین نویسنده این مقاله و راهنمای پروژه و اکنون استادیار دانشگاه دوک است، میگوید:” ما انسانها واضحا درکی از خود داریم”
” چشم هایتان را ببندید و تصور کنید بدن شما هنگام انجام یک کار مشخص، مثلا حرکات کششی دست یا یک قدم به سمت عقب برداشتن، چگونه حرکت میکند. یک جایی در مغزمان تعریفی از خود داریم. یک مدل که به ما میگوید چقدر از حجم فعلی پیرامون خود را اشغال کردهایم و این حجم اشغال شده با حرکت کردنمان چگونه تغییر میکند. “
خود آگاهی در رباتها
این مقاله بخشی از تلاشهای طولانی لیپسون برای پیدا کردن راههایی برای اضافه کردن نوعی خود آگاهی به رباتها است. او توضیح میدهد: ” خود مدل سازی شکل ابتدایی خود آگاهی است. اگر یک ربات، حیوان یا انسان یک مدل دقیق از خودش داشته باشد، میتواند عملکرد بهتری داشته باشد، میتواند تصمیمهای بهتری بگیرد، و یک مزیت تکاملی دارد.”
پژوهشگران از محدودیتها، خطرات و جنجالهای مربوط به اعطای اختیار بیشتر از طریق دادن خود آگاهی به رباتها مطلع هستند.
لیپسون سریعا تایید میکند که ” این نوع از خود آگاهی که در این مقاله در مورد آن بحث شد، در مقایسه با خود آگاهی انسانها، پیش پا افتاده است، اما بالاخره از جایی باید آغاز شود.” باید به آرامی و با دقت پیشروی کنیم تا بتوانیم در حین کاهش خطرات، از منافع بهره ببریم.
منابع: ” خود مدل سازی بصری رباتها از تمام بدنهشان با استفاده از ریخت شناسی” انجام شده توسط بویان چن، رابرت کویتکوفسکی و هاد لیپسون در تاریخ 22 ژوئیه 2022 در زمینه علوم رباتیک