به گزارش گروه علم و فناوری ایسکانیوز، پیشرفت دنیا در زمینه هوش مصنوعی و علم رباتیک موجب می شود تا هر روز اخبار جدیدی در باره اضافه شدن به توانایی های ربات ها در زمینه های مختلف به گوش برسد. به روزترین خبر در مورد مجهز شدن یک بازوی روباتیک به توانایی چیدن منظم و فشرده اجسام در کنار همدیگر است. در همین راستا محققان دانشگاه «راتگرز» اعلام کردند که با استفاده از هوش مصنوعی موفق شده اند کنترل دقیق یک بازوی روباتیک را در چیدن منظم و فشرده اجسام در کنار همدیگر به دست بیاورند.

استفاده از هوش مصنوعی در کنترل یک بازوی رباتیک باعث شده تا روش های مفید بیشتری برای بسته بندی و کنار هم قرار دادن اجسام به صورت فشرده و منظم فراهم شود.
این راه حل ها اتوماتیک و کم هزینه به راحتی قابل دسترسی و استفاده هستند. کلید موفقیت در این روش نیز ساختن سخت افزارهایی کوچک اما تاثیرگذار و مفید است تا بتوان از طریق آنها بر روی الگوریتم هایی قوی و نرم افزاری تمرکز داشت.»

«کوستاس بکریس» سرپرست ارشد تحقیق و استاد دانشکده علوم کامپیوتری راتگرز در «نیوبرنزویک» یک تیم برای مقابله با جنبه های مختلف مشکل بسته بندی رباتی به صورت یکپارچه از طریق سخت افزار، ادراک 3D و حرکت قوی تشکیل داد.

این مطالعه با روند رو به رشد ربات ها برای انجام وظایف تدارکات، خرده فروشی و کارهای انبار همراه است. پیشرفت در روباتیک با سرعت بی سابقه ای در حال پیشروی است و این امر را نیز مرهون الگوریتم های یادگیری ماشین است که توسط آزمایش هایی پیوسته انجام می شوند.

در روش جدید محصولات حتی اگر به کوچکی یک شمع باشند به شدت دقیق بسته بندی و سازمان یافته چیده می شوند به گونه ای که بیشتر شبیه یک کار دستی به نظر می رسند. توانایی که برای کارهایی مانند انبارداری بسیار مهم و ضروری است. خودکارسازی چنین وظایفی باعث می شود تا شرکت ها در زمان و پول خود بسیار صرفه جویی کنند.

این مطالعه شامل برداشتن اشیا از داخل یک سطل و انتقال آنها به یک جعبه حمل و نقل کوچک و جا دادن شان در یک فضای تنگ بود که کاری به مراتب دشوارتر برای یک ربات در مقایسه با فقط برداشتن یک شی و رها کردن آن در جعبه است.

محققان، نرم افزار و الگوریتم های خود را برای دستکاری رباتیک توسعه داده اند. آنها از داده های بصری ساده استفاده می کنند که به عنوان یک انگشت برای گرفتن اشیاء دو برابر می شود. در نتیجه سیستم می تواند اشیاء را به دست آورده تا یک سطح مطلوب برای جای گرفتن آنها مشخص کند. علاوه بر این، از داده های سنسور برای کشیدن اشیا به سمت منطقه هدف و چیدن آنها در کنار یکدیگر استفاده می کند. در طول این عملیات، از نظارت زمان واقعی برای شناسایی و اجتناب از مشکلات احتمالی استفاده شد.

از آنجا که این مطالعه بر روی بسته بندی اشیاء به شکل مکعبی تمرکز کرد، قدم بعدی این است که بتوان اشیا را در اشکال و اندازه های مختلف بسته بندی کنیم که این امر گام دیگری برای کشف یادگیری خودکار توسط سیستم رباتیک پس از انجام یک کار خاص به شمار می رود.

انتهای پیام/