یک مطالعه جدید نشان داده ربات‌هایی که در حین فعالیت آسیب دیده اند، میتوانند با استفاده از تجربیات شبیه سازی شده خودشان را تعمیر کنند. این قابلیت شبیه چیزهایی است که در فیلم‌های علمی‌تخیلی دیده ایم اما حقیقت دارد و باعث ساخت ربات‌های قویتر و کارآمدتر و مستقل تر میشود.
در آزمایش‌های این تحقیق از یک ربات شش پا استفاده شده است که بعد از آسیب دیدن دو تا از پاهایش در عرض چند دقیقه دوباره توانسته راه برود. یکی از بازوهای رباتیک هم بعد از آسیب دیدن چندتا از موتورها و مفصل‌هایش همچنان قادر بود اشیا را در جای صحیح شان بگذارد.
یکی از مهمترین نکات درباره این تحقیق اندازه آسیب‌هایی است که ربات‌ها قادر به تعمیر آنها هستند. اعضای تیم تحقیقاتی ربات‌ها را در معرض انواع آسیب‌ها با شدت‌های مختلف قرار می‌دادند اما هربار ربات‌ها می‌توانستند خودشان را تعمیر کنند و به کارشان ادامه دهند.
ربات‌های مقاوم
ربات‌ها میتوانند شرایط آب و هوایی ویژه و بسیار دشوار نظیر اعماق اقیانوس یا خلاء شدید فضا را تحمل کنند. با این حال یکی از مهمترین معایب ربات‌ها که مانع از استفاده بیشتر از آنها میشود، عدم انطباق پذیری آنهاست. ربات‌های معمولی بعد از آسیب دیدن نمی‌توانند خودشان را با شرایط جدید تطبیق دهند و به کارشان ادامه دهند.
موجودات زنده اینطور نیستند و خیلی سریع میتوانند خودشان را با شرایط و آسیب دیدگی جدید تطبیق دهند. بسیاری از سگ‌ها با سه پا هم میتوانند کار کنند و حتی انسان‌ها هم این قابلیت دارند؛ همه ما می‌توانیم چند روز بعد از شکستگی دست یا پا خودمان را با شرایط تطبیق دهیم و به زندگی عادی برگردیم.
اگر بخواهید از یک ربات برای کمک به بازماندگان یک زلزله یا خاموش کردن یک نیروگاه هسته ای قبل از بروز فجایعی نظیر فوکوشیما استفاده کنید باید مطمئن شویم که میتوانند در هر شرایطی به کارشان ادامه دهند. در چنین شرایطی هر ثانیه ارزش دارد و ربات‌ها هم در معرض آسیب‌های جدی قرار دارند چون چنین محیط‌هایی غیرقابل پیش بینی هستند. قابلیت تطبیق پذیری ربات‌ها فقط در شرایط خاص اهمیت پیدا نمی‌کند و برای ربات‌های معمولی – مثل ربات‌های دستیار – هم لازم است. رباتی که برای کمک به یک سالمند یا بیمار طراحی میشود نباید با یک شکستگی کوچک از کار بیفتد.
تاکنون ربات‌ها برای بهبود آسیب‌هایشان ابتدا مشکل را پیدا میکردند و سپس یکی از برنامه‌های از پیش تعیین شده برای چنین شرایطی را انتخاب میکردند. حتی اگر ربات مجهز به سنسورهای پیشرفته ای باشد که بتوانند آسیب را پیدا کنند، اگر طراح مشکل بوجود آمده را پیش بینی نکرده باشد تعمیری اتفاق نخواهد افتاد.
برای مشاهده اطلاعات بیش تر به ادامه مطلب بروید
همانطور که می‌دانید دنیای حیوانات یک الگو و منبع الهام مهم برای علم رباتیک محسوب میشود. وقتی یک حیوان آسیب می‌بیند از آزمون و خطا برای غلبه بر مشکلش استفاده میکند. مثلاً حیوانی که یکی از پاهایش آسیب دیده است با آزمون و خطا متوجه میشود کشیدن پایش دردش را کمتر میکند. اگرچه دانشمندان از برنامه نویسی آزمون و خطا برای ربات‌ها استفاده کرده اند اما با این روش حل کردن مشکلات بسیار ساده هم 15 دقیقه و گاهی بیشتر طول میکشد.
اکنون دانشمندان برنامه آزمون و خطایی را طراحی کرده اند که امکان تطبیق ربات با مشکل را در کمتر از 2 دقیقه فراهم میکند. لازم به ذکر است که در این روش از کیت‌های سنسور و طرح‌های از پیش تعیین شده استفاده نمی‌شود. مهمترین دستاورد این تحقیق امکان ساخت ربات‌هایی است که میتوانند برای مدت طولانی بدون دخالت انسان کار کنند.
درس گرفتن از تجربه‌ها
دانشمندان معتقدند حیوانات از روز اول نمی‌دانند که چطور باید اثر صدمات و جراحات را از بین ببرند. همه حیوانات بصورت غریزی با چند روش رفتاری مختلف آشنایی دارند. شناخت این روش‌های غریزی امکان انتخاب و آزمایش هوشمندانه برخی از آنها را به حیوان می‌دهد. بعد از این آزمایش‌ها حیوان میتواند بهترین راه برای کنار آمدن با جراحتش را پیدا کند. اعضای تیم تحقیقاتی دقیقاً همینکار را با روبات‌ها کرده اند.
در این راهکار جدید قبل از اینکه ربات راه اندازی بشود، دانشمندان با یک شبیه سازی کامپیوتری نقشه حرکات مختلف ربات را ترسیم می‌کنند و پیش بینی می‌کنند کدام الگوی حرکتی در صورت آسیب هم اجرایی میشود. این شبیه سازی تجاربی را در اختیار روبات قرار می‌دهد که درست مثل غریزه حیوانات عمل میکند.
این شبیه ساز یک راه حل برای مشکل‌های احتمالی به ربات یاد نمی‌دهد بلکه به ربات‌ها یاد می‌دهد هر تعداد راه حل که میتوانند برای حل مشکل شان پیدا کنند.
وقتی یک ربات با آسیب واقعی روبرو میشود به این غرایز رجوع میکند و آزمون و خطای آنها را آغاز میکند تا بهترین راه حل برای مشکلش را پیدا کند. در واقع ربات‌ها بلافاصله بعد از آسیب دیدن تبدیل به یک دانشمند میشود. ربات‌ها تعریف‌هایی از رفتارهایی که میتوانند کارآمد باشند دارند و شروع به آزمایش آنها می‌کنند. البته این تعاریف از شبیه سازی ربات‌های سالم و بدون آسیب استخراج شده اند و در نتیجه خود ربات باید مناسب ترین گزینه را برای خودش – به عنوان یک ربات آسیب دیده – انتخاب کند.
ربات‌هایی که مجهز به این برنامه هستند خیلی راحت رفتارهای مختلف را تجربه می‌کنند و گزینه‌هایی که کارایی ندارند را تشخیص می‌دهند. مثلاً اگر در شرایط بوجود آمده راه رفتن روی پاهای عقبی جواب ندهد بیشتر روی پاهای جلویی راه خواهد رفت. مهمترین قسمت سرعت یادگیری تجربیات جدید توسط ربات‌هاست؛ تماشای رباتی که در عرض دو دقیقه مشکلش را حل میکند و شروع به راه رفتن میکند بسیار جالب است.
این برنامه چه کاربردهایی دارد؟
محققان معتقند این برنامه به ربات‌ها کمک می‌کنند خودشان را با شرایط پیش بینی نشده و شرایط آب و هوایی جدید تطبیق بدهند. خوشبختانه این برنامه روی همه نوع ربات پیاده میشود و به همین خاطر میتواند کارکردهای گسترده ای داشته باشد.
یک از این کارکردها کمک به نیروهای امدادی بصورت مستقل و بدون نیاز به مانیتورینگ مداوم است. با این برنامه ساخت ربات‌های دستیار شخصی هم راحت تر میشود و این ربات‌ها به مراتب کمتر نیاز به تعمیر خواهند داشت.
شاید شبیه سازی تجارب تمام طول عمر یک ربات گران بنظر برسد اما این راهکار بسیار مقرون به صرفه است چون نیازی به سنسورهای داخلی ندارد. با این برنامه کافی است ربات‌ها بدانند چقدر خوب وظایف شان را انجام می‌دهند و نیاز نیست بداند چرا در انجام کارش دچار اختلال ایجاد شده است. در واقع این برنامه صرفه جویی در هزینه‌های ساخت ربات است چون ربات برای پیدا کرن مشکل نیازی به سنسورهای گران تشخیص مشکل که در بدنش کار گذاشته میشوند، ندارد.
سازندگان این برنامه معتقدند کارکرد این راهبرد برای ربات‌ها به تعمیر آسیب‌ها محدود نمی‌شود. از این برنامه میتوان برای آموزش هر چیز دیگری به ربات‌ها هم استفاده کرد. روش‌های کنونی آموزش به ربات‌ها ساعت‌ها زمان میبرد و به همین خاطر است که معمولاً ویدیوهای ربات‌ها را با سرعت بالا ضبط می‌کنند. تماشای ربات‌ها در حال انجام کارهای مختلف بسیار خسته کننده است و درست مثل تماشای رشد گیاه است. اما با این برنامه سرعت یادگیری ربات‌ها افزایش قابل توجهی پیدا میکند و به سرعت یادگیری یک کودک میرسد. بنابراین میتوان برای اولین بار ربات‌هایی ساخت که میتوانند مثل انسان‌ها بعد از چند بار تلاش یک مهارت جدید را بیاموزند.
اعضای این تیم تحقیقاتی قصد دارند برنامه شان را در موقعیت‌های شبیه سازی شده روی ربات‌های پیچیده تری هم آزمایش کنند. بنظر میرسد بیشترین تمرکز گروه تحقیقاتی روی ربات‌هایی است که در عملیات‌های امدادی بعد از بلایای طبیعی بکار گرفته میشوند.
