ჩვენი ხელები ხიდის მსგავსია ტვინის და ფიზიკურ სამყაროს განზრახვებს შორის, რომელიც ახორციელებს ჩვენს სურვილებს და გვაძლევს საშუალებას აზრები ქმედებად ვაქციოთ. თუ რობოტები აპირებენ რეალურად გამოიყენონ თავიანთი პოტენციალი, როდესაც საქმე ეხება ურთიერთქმედებას, მნიშვნელოვანია, რომ მათ ჰქონდეთ მსგავსი ინსტრუმენტი მათ განკარგულებაში.
ჩვენ ვიცით, რომ რობოტები აშენებენ ზოგიერთს უკვე გასაოცრად რთული რობოტის ხელები. მაგრამ მათ ასევე სჭირდებათ ჭკუა, რომ აკონტროლონ ისინი - შეეძლოთ ობიექტების სწორად დაჭერა, როგორც მათი ფორმის, ასევე მათი სიხისტისა თუ რბილობის მიხედვით. არ გინდა, რომ შენმა მომავალმა რობოტმა თანამშრომელმა ხელი ჩაგლიჯოს ოფლში, როცა ოფისში ყოფნის პირველ დღეს ხელს მოგკიდებს.
რეკომენდებული ვიდეოები
საბედნიეროდ, ეს არის ის, რაზეც მუშაობდნენ მკვლევარები გერმანიიდან ა ახალი, უფრო ტვინიდან შთაგონებული ნერვული ქსელი რომელსაც შეუძლია დაუშვას რობოტული ხელი (ამ შემთხვევაში, არსებული მოდელი ე.წ Schunk SVH 5 თითის ხელი) ისწავლონ სხვადასხვა ფორმისა და სიხისტის საგნების აკრეფა სწორი დაჭერის მოძრაობის არჩევით. კონცეფციის დამადასტურებელი დემონსტრირებისას, რობოტის ხელმა შეძლო აეღო ობიექტების უჩვეულო სპექტრი, მათ შორის - მაგრამ არ შემოიფარგლება - პლასტმასის ბოთლი, ჩოგბურთის ბურთი, ღრუბელი, რეზინის იხვი, კალამი და ბუშტების ასორტიმენტი.
„ჩვენს მიდგომას აქვს ორი ძირითადი კომპონენტი: ხელის მოძრაობის მოდელირება და შესაბამისი კონტროლი. ხუან კამილო ვასკეს ტიკი, გერმანიის კარლსრუეში, FZI Forschungszentrum Informatik-ის მკვლევარმა მეცნიერმა Digital Trends-ს განუცხადა. „ხელი მოდელირებულია სხვადასხვა ფენების იერარქიაში და მოძრაობა წარმოდგენილია მოძრაობის პრიმიტივებით. ერთი თითის ყველა სახსარი კოორდინირებულია თითის პრიმიტივით. ერთი კონკრეტული დაჭერის მოძრაობისთვის, ყველა თითი კოორდინირებულია ხელის პრიმიტივით.
სხვა სიტყვებით რომ ვთქვათ, მისი განმარტებით, მას შეუძლია ხელის დახუჭვა სხვადასხვა გზით.
სისტემა წარმოადგენს ამ ტიპის მოქმედებების განსახორციელებლად რობოტული სისტემების განვითარების განსხვავებულ გზას. ჩართული ნერვული ქსელი ხელს უშლის ხელს უფრო ჭკვიანურად აითვისოს, საჭიროების შემთხვევაში მოახდინოს რეალურ დროში ადაპტაცია.
“მკვეთრი ნერვული ქსელები (SNN) არის სპეციალური სახის ხელოვნური ნერვული ქსელები, რომლებიც მოდელირებენ რეალურ ნეირონების მუშაობას“, - განაგრძო ტიკმა. „არის მრავალი მკვეთრი ნეირონის მოდელი, რომელიც დაფუძნებულია ნეირომეცნიერების კვლევაზე. ამ სამუშაოსთვის ჩვენ გამოვიყენეთ გაჟონვის ინტეგრირებული და ცეცხლის (LIF) ნეირონები. ნეირონებს შორის კომუნიკაცია მოვლენებზეა დაფუძნებული, მწვერვალების გამოყენებით. Spikes არის დისკრეტული იმპულსები და არა უწყვეტი სიგნალი. ეს ამცირებს ნეირონებს შორის გაგზავნილი ინფორმაციის რაოდენობას და უზრუნველყოფს ენერგიის დიდ ეფექტურობას.”
იყო ნაშრომი, რომელიც აღწერდა სამუშაოს ახლახან გამოქვეყნდა ჟურნალში IEEE Robotics and Automation Letters.
რედაქტორების რეკომენდაციები
- უსაფრთხოების რობოტები შესაძლოა თქვენს მახლობლად მდებარე სკოლაში მოვიდნენ
- The BigSleep A.I. ჰგავს Google Image Search სურათების, რომლებიც ჯერ არ არსებობს
- Star Trek-ის ფანმა ახალი Picard-ის სერიაში შემდეგი თაობის ეპოქის მონაცემები ღრმად გაყალბდა
- მსოფლიოში ყველაზე მოწინავე რობოტი ხელი უახლოვდება ადამიანის დონეს
- ა.ი. მარცხი, რადგან რობოტი სატელევიზიო კამერა ფეხბურთის ბურთის ნაცვლად მელოტ თავს მიჰყვება
განაახლეთ თქვენი ცხოვრების წესიDigital Trends ეხმარება მკითხველს თვალყური ადევნონ ტექნოლოგიების სწრაფ სამყაროს ყველა უახლესი სიახლეებით, სახალისო პროდუქტების მიმოხილვებით, გამჭრიახი რედაქციებითა და უნიკალური თვალით.
