ربات سگ پیشرفته میتواند از پاهای جلویی خود برای تعامل با اشیا استفاده کند

در این مقاله از سایت bloginoo به بررسی ربات سگ پیشرفته پرداخته ایم.

اگر در مورد آن فکر کنید، این واقعیت که ما اغلب ماشین های چهارپا را سگ ربات می نامیم بسیار سخاوتمندانه است. مطمئناً آنها چهار پا دارند و می توانند راه بروند یا خمیده شوند، اما سگ های واقعی در مانورپذیری و تعامل کیلومتر ها از همتایان ربات خود جلوتر هستند.

سه رباتیک در دانشگاه کارنگی ملون و دانشگاه کالیفرنیا در برکلی یک ربات چهار پا با دامنه حرکتی گسترده تر از سگ روبات معمولی شما ساخته اند. این ربات حرکت چابک را با دستکاری اندام با استفاده از پاهای جلویی خود به عنوان بازو ترکیب می کند. نتیجه یک سگ روباتی است که می‌تواند خود را به دیوار تکیه دهد، دکمه‌ های آسانسور و دسترسی را بزند و حتی با توپ «بازی» کند.

ربات آنها یک Unitree Go1 مجهز به RealSense اینتل است که تصویربرداری سه بعدی را امکان پذیر می کند. این تیم ربات را در کنفرانس بین‌ المللی رباتیک و اتوماسیون IEEE (ICRA) امسال ارائه خواهد کرد، اما ویدیویی که یکی از رباتیک‌ ها به اشتراک گذاشته توانایی‌ های آن را نشان می‌دهد. در اولین نسخه نمایشی خود، ربات به سمت دیوار می رود و با استفاده از اندام های جلویی خود را نگه می دارد (مثل سگی که بیش از حد هیجان زده می شود وقتی کسی زنگ در را می زند). ربات با استفاده از یک "بازو" خود را به حالت عمودی نگه می دارد و از بازوی دیگر خود برای فشار دادن دکمه ای استفاده می کند که در را به سمت چپ آن باز می کند. سپس به صورت چهار دست و پا پایین می آید و قبل از اینکه از آستانه عبور کند به عقب برمی گردد.

نسخه آزمایشی دیگری نشان می‌دهد که ربات از وزن بدن خود برای فشار دادن دکمه‌ های بزرگ‌ تر، مانند دکمه‌ های طولانی کنترل درب برای کاربران ویلچر استفاده می‌کند. در زیباترین (یا وحشتناک ترین، بسته به اینکه چگونه آن را می بینید) دمو، ربات روی یک توپ فوتبال کوچک خم می شود و به آن لگد می زند. علیرغم ادعای IEEE مبنی بر اینکه ما نباید همیشه ربات‌ های چهارپا را به عنوان «سگ» در نظر بگیریم، این شاید شبیه‌ ترین ربات‌ های چهارپایی باشد که در چند وقت اخیر بوده است.

یک مانع مهم برای ایجاد سگ های ربات همه کاره، حداقل های محلی است که در آن ربات های متحرک در تلاش برای عبور از یک مانع نا آشنا یا انجام دو یا چند حرکت به طور همزمان "گیر" می کنند. رباتیک‌ ها در مقاله‌ شان مینویسند که آموزش چهارپا را به سیاست‌ های دستکاری و حرکتی متمایز تقسیم کرده‌اند. این به آنها اجازه داد تا از شبکه عصبی 18 لایه‌ ای خود برای آموزش ربات در دو بخش استفاده کنند و به آن کمک کند درخت‌ های رفتاری را توسعه دهد که دستورات را به وظایف فرعی متوالی تقسیم کند. اگر ربات در یک کار فرعی شکست بخورد یا گیر کند، به سادگی می‌تواند به عقب برگردد تا زمانی که به نقطه موفقیت برگردد.

این سه نفر می‌گویند : چهار پا های رباتیک هنوز از همتایان بیولوژیکی خود فاصله زیادی دارند. ما با آموزش روبات‌ های چهارپا نه تنها برای راه رفتن، بلکه برای استفاده از پاهای جلویی برای بالا رفتن از دیوارها، فشار دادن دکمه ها و انجام تعامل با شی در دنیای واقعی، گامی در جهت پر کردن این شکاف برمی‌داریم.