موسسه ی پژوهشی تویوتا : ارتقای ربات های خدماتی با شبیه ساز واقعیت افزوده

شرکت تویوتا در پی ساخت ربات‌های مفید در زندگی روزمره است. به دنبال این هدف تولیدات و محصولات این شرکت به تدریج تنوع بیشتری خواهند یافت. یکی از برنامه‌ها بخش پژوهشی تویوتا آموزش ربات‌ها برای انجام وظایف منزل است. ادامه‌ی این مطلب را در مجله‌ی فناوریهای توان‌افزا و پوشیدنی بخوانید.

ربات‌های دستیار یه تدریج ارزش خود را در چرخه‌ی تدارکات ثابت می‌کنند. این فرآیند گامی بسوی ربات‌های خدماتی با قابلیت‌های همه‌گیرتر است. موسسه‌ی پژوهشی تویوتا (TRI) ویدئویی (در بالا) را منتشر کرده است که نشان‌دهنده‌ی وضعیت پژوهش فعلی خود در مورد ربات‌های خانگی است.

موسسه‌ی پژوهشی تویوتا (TRI) به ربات‌ها برای کمک به مردم در خانه‌ها آموزش می‌دهد

براساس مطالعه‌ی سازمان ملل متحد و به استناد TRI، پیرشدن جمعیت در اروپا، آسیای شرقی و آمریکای شمالی چالش‌هایی را ایجاد کرده است. یکی از اهداف رباتیک خدماتی فراهم کردن امکانی برای زندگی درمنزل است. به این معنا که افراد، در هر سن و با هر وضعیت مالی، در خانه‌های خود با استقلال بیشتر و بدون کمترین کمک انسانی بمانند.

برخلاف سایر شرکت‌های فناوری و خودروسازانی که در حوزه‌ی خودروهای خودران فعالیت دارند، تویوتا خود را شرکتی پویا می‌داند. این شرکت به دنبال تنوع در محصولات و پیشنهادهای خود، در حال توسعه‌ی وسایل منزل، و کمک به خانواده‌ها و خانه‌داری است. چالشی که این شرکت برای خود تعیین کرده است مربوط به آموزش ربات‌ها برای انجام انواع امور منزل است. این چالش تنها بخشی از تلاش‌های شرکت تویوتاست.

به گفته‌ی مدیر ارشد رباتیک در TRI با نام Jeremy Ma: آموزش ربات‌ها برای انجام وظایف، عنصری کلیدی در پیشرفت آموزش ناوگان برای فعال‌کردن ربات‌های دستیار و مفید در خانه‌ها است. استفاده از یک سامانه‌ی هدایت نمایشگر غوطه‌وری (واقعیت افزوده) باعث می شود که آموزش و انجام این کارها بسیار کارآمدتر شود. امیدواریم پیشرفت ما در این زمینه بتواند در جامعه‌ی رباتیک به نفع دیگران هم باشد.

ادراک، ناوبری و دستکاری متحرک در خانه داری

ترجیح TRI ساخت ربات‌هایی است که به صورت مستقل و همانند انسان‌ها در خانه به هر طرف حرکت کنند. در حال حاضر ربات‌ها با خواندن نقشه‌ی منزل، مانند قابلیت خواندن نقشه در ربات‌های iRobot ، در خانه حرکت می‌کنند.

Dan Helmick، مهندس نرم‌افزار و مدیر ارشد رباتیک در TRI، توضیح داد که این ربات نمونه‌ی نخست مسیر را بر اساس آموخته‌های خود انتخاب می‌کند. وی همچنین یکی از نویسنده‌های پژوهشی پیرامون سامانه‌ی دستکاری متحرک برای آموزش دفعی وظایف پیچیده در خانه‌ها بوده است. پژوهش ذکر شده توسط دانشگاه کرنل منتشر شده است. به گفته‌ی وی در صورت برخورد غیر منتظره، ربات متوقف می‌شود.

یک سامانه‌ی دستکاری متحرک برای آموزش یکباره و سریع وظایف پیچیده در خانه‌ها

ترکیبی از سخت‌افزارهای آماده و سفارشی در ربات دستیار متحرک TRI‌ استفاده شده است. دستیار TRI چهار دوربین RealSense Intel و دو دوربین ۵ مگاپیکسلی Basler برای نمای وسیع دارد. این ربات همچنین دارای یک حسگر نیرو/ گشتاور ATI mini-45  است و روی یک پردازنده‌ی ۱۸ هسته‌ای Intel i9 و یک واحد پردازش گرافیکی Nvidia TitanV تحت سیستم عامل Linux اجرا می‌شود.

این ربات تقریبا انسان‌نما، بجای بازوهای مشارکت‌جو یا Cobot ها از بازوهای صنعتی استفاده می‌کند. زیرا این ربات برای سهولت در یادگیری طراحی شده است و هنوز در کنار مردم یا انسان کار نمی‌کند.

مفاصل موجود در بازوهای Kinova Jaco2 این ربات و بدنه‌اش با فراهم کردن ۳۱ درجه‌ آزادی اضافی در حرکت، امکان دسترسی به وسایل مختلف، به عنوان مثال وسایل موجود در کابینت آشپزخانه، را به ربات می‌دهد. این ربات‌ها دارای موتورهای maxon و گیربکس‌های چرخشی بوده و از دستگیره‌های Sake Robotics با انگشت‌های فعال نیز بهره می‌برند.

موسسه ی پژوهشی تویوتا به ربات های دستیار متحرک آموزش می دهد

یک چالش مهم برای هوشمندتر شدن ربات‌ها، وجود انبوهی از داده‌های مورد نیاز برای آموزش آنها است. روش TRI استفاده از شبیه‌سازی‌ها و واقعیت مجازی (VR) برای آموزش ربات است. به ادعای TRI این روش به داده‌های کمتری نیاز دارد.

به گفته‌ی Helmick‌: بیشتر لزوما بهتر نیست. Ma افزود: با آموزش یک ربات در مورد پارامترها و نه مواردی خاص، ربات تنها با چند مثال یاد می‌گیرد که چه قسمت‌هایی از یک شیی در هنگام در دست گرفتن آن مهم هستند. دستیار متحرک همچنین می‌تواند نحوه‌ی حرکت در سطوح ناهموار، تفسیر فرامین صوتی و انجام کارهای پیچیده را بیاموزد.

پس از نمایش انجام یک وظیفه توسط انسان با استفاده از واقعیت افزوده، ربات می‌تواند وظایف چندمرحله‌ای خود را بطور مستقل انجام دهد. سامانه‌ی دستکاری متحرک تویوتا همچنین شامل نمایش‌های بصری متراکم از یک صحنه با اجسام تعبیه شده در آن و نموداری برای نمایش وظایف آموخته شده است.

Russ Tedrake، معاونت پژوهش رباتیک در TRI بیان کرد: با استفاده از شبیه‌سازی‌ها می‌توان یک دستیار متحرک را برای انجام کارهای پیچیده، مانند بارگذاری ماشین ظرفشویی، آموزش داد. به جای آموزش یک ربات برای بر هم کنش با هر مورد، می‌توان برهم‌کنش اصولی با اشیا‌ مختلف را به ربات آموزش داد.

معماری نرم افزار TRI با پردازش داده های بصری و صوتی، اجرای مستقل وظایف آموزش داده شده را امکان پذیر می کند. همچنین ساختن یک الگوی جامع، نقشه برداری از ورودی های بصری برای آموزش رفتارها  و اجرای متوالی رفتارها را ممکن می کند.
معماری نرم‌افزاری TRI با پردازش داده‌های بصری و صوتی، اجرای مستقل وظایف آموزش داده شده را امکان پذیر می‌کند. همچنین ساختن یک الگوی جامع، نقشه‌برداری از ورودی‌های بصری برای آموزش رفتارها و اجرای متوالی رفتارها را نیز فراهم می‌کند.

به اشتراک گذاری آموخته ها با یادگیری ناوگان

به منظور فراگیر نمودن ربات‌ها در زندگی روزمره کارآمد بودن آنان در طیفی گسترده‌ از امور لازم است. Gill Pratt مدیر عامل TRI: محاسبات ابری‌، بینایی ماشین و یادگیری عمیق منجر به شکوفایی قابلیت‌هایی مشابه انفجار گونه‌های زیستی خواهد شد.

بطور خلاصه، ایده به اشتراک گذاشتن آموخته‌های یک ربات با سایر ربات‌ها است. در این صورت پس از آموزش وظیفه‌ای خاص به یک ربات، نیازی به برنامه‌نویسی سایر ربات‌ها برای انجام آن وظیفه نیست.

طبق گفته‌ب TRI این دستیار متحرک می‌تواند با موفقیت کار به نسبت پیچیده‌ای در سطح انسان را در زمانی درحدود ۸۵٪ انجام دهد. هر یک از این سه کار شامل ۴۵ رفتار بود، مانند حرکت در آشپزخانه، باز و بسته کردن درب یخچال، برداشتن یک فنجان یا ظرف و گذاشتن آن روی میز. شکست‌های قابل‌بازیابی برای رفتارهای فردی – یعنی کارهایی که ربات مجبور به انجام دوباره‌ی آن بود – ۹۹٫۶٪ نرخ موفقیت داشتند.

موسسه ی تحقیقات تویوتا قصد دارد به همه ربات های خدماتی کمک کند

TRI خاطرنشان کرد که رهیافتش می‌تواند برای آموزش دستیارهای متحرک در تولید، عملیات انتخاب و جابجایی، بسته‌بندی و عملکردهای منطقی مفید باشد. اما هنوز راهی طولانی برای تعمیم وظایف در پیش است. واقعیت افزوده، teleoperation، و یادگیری ناوگان می‌توانند آموزش ربات‌ها را انعطاف‌پذیرتر و راحت‌تر کنند. این فناوری‌ها رفتارهای کلیدی همه‌ب ربات‌ها را بهبود می‌بخشند.

TRI گفته است که بجای جایگزین کردن کارگران انسانی، درحال کار بر روی ربات‌ها برای تقویت، کمک و توانمندسازی عملکرد انسان است. Toyota AI Ventures پس از مالی ۱۰۰ میلیون دلاری خود را در ماه می راه‌اندازی کرده است‌، نیز در استارتاپ‌هایی مانند Freedom Robotics با اهداف مشابه سرمایه‌گذاری کرده است.

در ماه آگوست، Toyota Motor Corp از همکاری با Preferred Networks Inc برای توسعه‌ی بستر رباتیک پشتیبان انسان خبر داد.

مؤسسه‌ی پژوهشی تویوتا اظهار داشت: ما معتقدیم آموزش وظایف ربات، نخستین قدم امیدوار‌کننده برای دستیابی به دید وسیع‌تری برای ما در مورد یادگیری ناوگان، به ویژه برای کمک و توانمندسازی افراد در خانه‌ها است.


بیشتر بخوانیم:
ساخت ربات های یاری رسان توسط شرکت تویوتا
چالش رباتیک زیرزمینی DARPA با نام SubT
ربات های انطباق پذیر، سرمایه گذاری در آینده صنایع


منبع:  therobotreport
<<استفاده و بازنشر مطالب تنها با ذکر لینک منبع و نام (مجله‌ی فناوریهای توان‌افزا و پوشیدنی) مجاز است>>

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *