حرکت شبه انسانی ربات ها با یاری یک مدل یادگیری ماشینی - گردشیا

به گزارش خبرنگاران و به نقل از ام.آی.تی نیوز، انسان ها می توانند الگوهای رفتاری و یا دوری از موانع را از دیگران یاد بگیرند اما ربات ها از درک چنین مفاهیمی عاجز هستند.

پژوهشگران دانشگاه ام.آی.تی (MIT)، روش جدیدی ابداع نموده اند تا به ربات ها در تقلید رفتار انسان ها یاری نمایند. این مدل برنامه ریزی حرکتی، به ربات ها امکان می دهد چگونگی رسیدن به هدف را با آنالیز محیط و عوامل دیگر حاضر در آن مشخص نمایند.

الگوریتم های طراحی حرکتی معمولی، برای انتخاب راه های مناسب حرکت، تصمیم های احتمالی را ارائه می دهند. برای مثال، رباتی که باید برای رسیدن به در، داخل اتاق حرکت کند، ابتدا یک برنامه جستجوی گام به گام برای حرکات احتمالی شکل می دهد و سپس، با در نظر دریافت محدودیت ها، بهترین راه را برای رسیدن به در انتخاب می نماید. در هر حال، ربات نمی تواند از اطلاعات مربوط به عوامل موثر در محیط های مشابه استفاده کند.

آندری باربو (Andrei Barbu)، پژوهشگر آزمایشگاه علوم رایانه و هوش مصنوعی دانشگاه ام.آی.تی و از نویسندگان این پژوهش گفت: کار ربات ها با این سیستم، مانند بازی شطرنج است اما آنها برخلاف بازیکنان شطرنج، بدون یادگیری بیشتر درباره محیط و عوامل حاضر در آن، رخدادهای آینده را پیش بینی می نمایند.

این گروه پژوهشی، مدلی ابداع کردند که یک الگوریتم برنامه ریزی را با یک شبکه عصبی ترکیب می نماید. این شبکه عصبی، چگونگی شناسایی مسیرهایی که به مقصد می رسند یاد می گیرد و از این دانش، برای هدایت حرکات ربات در محیط استفاده می نماید.

پژوهشگران در مقاله این پروژه، مزایای مدل خود را به دو دسته تقسیم کردند: حرکت در میان اتاق های چالش برانگیز و مسیرهای باریک و حرکت در مسیر بدون برخورد با عوامل حاضر در آن.

یکی از کاربردهای امیدوارنماینده این مدل، یاری به حرکت خودروهای خودران در تقاطع خیابان هاست. با استفاده از این مدل، خودروها می توانند پیش از رسیدن به ترافیک، عملکرد خودروهای دیگر را ارزیابی نمایند.

ین لینگ کو (Yen-Ling Kuo)، دانشجوی دکترای دانشگاه ام.آی.تی و نویسنده ارشد این پژوهش گفت: هنگامی که انسان ها در تعامل با دنیا قرار می گیرند، عواملی را می بینند که پیشتر با آنها در تعامل بوده اند و یا آنها را دیده اند،؛ در نتیجه می دانند چگونه رفتار نمایند. ایده ما، قرار دادن یک مدل یادگیری ماشینی، در فضای جستجو است که تجربه ای از چنین تعاملاتی در آن وجود دارد تا به این شکل، کارآیی سیستم افزایش یابد.

مقاله این پژوهش، در کنفرانس بین المللی ربات ها و سیستم های هوشمند (IROS) ارائه شد.