یک مطالعه‌ی اخیر نشان می‌دهد که ربات‌ها می‌توانند با استفاده از ویدیوهای ساده، ساختار و حرکات خود را درک کنند. این توانایی به آن‌ها امکان می‌دهد تا بدون نیاز به دخالت انسان، اقدامات خود را تنظیم کرده و حتی در صورت آسیب، خود را بازیابی کنند.
یادگیری از طریق مشاهده
محققان دانشگاه کلمبیا روشی توسعه داده‌اند که به ربات‌ها امکان می‌دهد درک عمیق‌تری از بدن خود داشته باشند.
به‌جای تکیه بر مهندسان برای ایجاد شبیه‌سازی‌های پیچیده، این ربات‌ها با استفاده از یک دوربین معمولی حرکات خود را مشاهده کرده و نحوه عملکرد بدنشان را به خود می‌آموزند.
با توسعه‌ی «خودآگاهی»، این ماشین‌ها می‌توانند انقلاب بزرگی در حوزه‌ی خودکارسازی ایجاد کنند و ربات‌ها را در محیط‌های واقعی مانند خانه‌ها، کارخانه‌ها و مناطق بحران‌زده مستقل‌تر، سازگارتر و کارآمدتر سازند.
یادگیری از طریق مشاهده
“مانند انسان‌هایی که با تماشای بازتاب خود در آینه رقصیدن را یاد می‌گیرند، اکنون ربات‌ها از ویدیوهای خام برای ایجاد خودآگاهی سینماتیکی استفاده می‌کنند.” این توضیحی است که یو هانگ هو، نویسنده‌ی اصلی این مطالعه و دانشجوی دکتری در آزمایشگاه ماشین‌های خلاق دانشگاه کلمبیا ارائه داده است.
“هدف ما توسعه‌ی رباتی است که بدن خود را درک کند، به آسیب‌ها واکنش نشان دهد و بدون نیاز به برنامه‌نویسی مداوم توسط انسان مهارت‌های جدید بیاموزد.”
به‌طور سنتی، ربات‌ها ابتدا در شبیه‌سازی‌های دیجیتال آموزش می‌بینند. این شبیه‌سازی‌ها به آن‌ها کمک می‌کنند تا قبل از ورود به دنیای واقعی، نحوه‌ی حرکت را درک کنند.
یک ربات با مشاهده‌ی بازتاب خود در آینه، شکل و حرکاتش را برای شبیه‌سازی خودکار یاد می‌گیرد. این فرآیند نشان‌دهنده‌ی پیوند بین یادگیری مبتنی بر بینایی و رباتیک است که در آن، ربات حرکات خود را اصلاح کرده و از طریق خودمشاهده‌گری، حرکت فضایی خود را پیش‌بینی می‌کند.
پروفسور هاد لیپسون، رئیس دپارتمان مهندسی مکانیک، می‌گوید:
“هرچه شبیه‌ساز بهتر و واقع‌گرایانه‌تر باشد، انتقال ربات از محیط شبیه‌سازی به دنیای واقعی آسان‌تر خواهد بود.”
اما طراحی این شبیه‌سازی‌ها فرایندی پیچیده، زمان‌بر و نیازمند دانش تخصصی است.
خودآگاهی در ربات‌ها
محققان راهی پیدا کردند که این مرحله را دور بزنند؛ آن‌ها به ربات‌ها اجازه دادند تا با مشاهده‌ی حرکات خود، شبیه‌سازی‌های خود را بسازند.
پیشرفت کلیدی این مطالعه، استفاده از شبکه‌های عصبی عمیق برای استنتاج حرکت سه‌بعدی از ویدیوهای دوبعدی بود.
این بدان معناست که ربات می‌تواند بدون نیاز به حسگرهای پیچیده، شکل و نحوه‌ی حرکت خود را درک کند.
مهم‌تر از آن، می‌تواند تغییرات بدن خود را تشخیص داده و واکنش نشان دهد – برای مثال، اگر یکی از بازوهایش خم شود، می‌تواند اقدامات خود را تنظیم کند.
این نوع تطبیق‌پذیری مزایای قابل‌توجهی در دنیای واقعی دارد.
یو هانگ هو می‌گوید:
“تصور کنید که یک جاروبرقی رباتیک یا یک دستیار شخصی متوجه شود که بازویش پس از برخورد با مبلمان خم شده است. به‌جای ازکارافتادن یا نیاز به تعمیر، خودش را مشاهده کرده، نحوه‌ی حرکتش را تنظیم کرده و به کار خود ادامه می‌دهد. این امر می‌تواند ربات‌های خانگی را قابل‌اطمینان‌تر کند – بدون نیاز به برنامه‌ریزی مداوم.”
در محیط‌های صنعتی نیز این توانایی ارزشمند خواهد بود.
برای مثال، یک بازوی رباتیک در یک کارخانه‌ی خودروسازی ممکن است از موقعیت اصلی خود خارج شود و نیاز به تنظیم مجدد داشته باشد.
“به‌جای توقف تولید، ربات می‌تواند خودش را مشاهده کند، حرکاتش را اصلاح کند و به جوشکاری ادامه دهد. این امر باعث کاهش زمان توقف و هزینه‌ها می‌شود. چنین تطبیق‌پذیری می‌تواند تولید را انعطاف‌پذیرتر کند.” – یو هانگ هو.
چرا ربات‌ها به خودآگاهی نیاز دارند؟
هرچه ربات‌ها بیشتر در زندگی روزمره ادغام شوند، توانایی آن‌ها برای عملکرد مستقل ضروری‌تر خواهد شد.
پروفسور هاد لیپسون توضیح می‌دهد:
“ما انسان‌ها نمی‌توانیم دائماً مراقب این ربات‌ها باشیم، قطعات خرابشان را تعمیر کنیم و عملکردشان را تنظیم کنیم. اگر قرار است ربات‌ها واقعاً مفید شوند، باید یاد بگیرند که از خود مراقبت کنند. به همین دلیل است که مدل‌سازی خود برای آن‌ها بسیار مهم است.”
آینده‌ی ربات‌های خودکفا
این مطالعه بر پایه‌ی دو دهه تحقیق در دانشگاه کلمبیا استوار است. در این مدت، محققان روش‌هایی را برای ایجاد مدل‌های خودشناسی در ربات‌ها با استفاده از دوربین‌ها و حسگرهای دیگر توسعه داده‌اند.
در سال ۲۰۰۶، ربات‌های آن‌ها تنها قادر به ایجاد شبیه‌سازی‌های ساده به شکل انسان‌های چوبی بودند.
یک دهه بعد، آن‌ها به مدل‌های باکیفیت‌تر با استفاده از چندین دوربین دست یافتند.
اما اکنون، برای اولین بار، یک ربات توانسته است تنها با استفاده از یک ویدیو کوتاه از یک دوربین معمولی – چیزی شبیه به نگاه کردن در آینه – یک مدل کامل سینماتیکی از خود بسازد.
پروفسور هاد لیپسون می‌گوید:
“ما انسان‌ها به‌طور شهودی از بدن خود آگاه هستیم؛ می‌توانیم خود را در آینده تصور کنیم و پیش از انجام هر عملی، پیامدهای آن را تجسم نماییم.”
“در نهایت، ما می‌خواهیم این توانایی را به ربات‌ها نیز بدهیم، زیرا زمانی که یک ربات بتواند خود را در آینده تصور کند، هیچ محدودیتی برای آن وجود نخواهد داشت.”
توانایی خودمدل‌سازی و تطبیق‌پذیری در ربات‌ها یک پیشرفت مهم محسوب می‌شود. این قابلیت می‌تواند به ساخت ماشین‌هایی منجر شود که کمتر به نظارت انسانی نیاز دارند و مسیر را برای ربات‌های هوشمندتر و مستقل‌تر در خانه‌ها، کارخانه‌ها و سایر محیط‌ها هموار سازد.
