Hendene våre er som en bro mellom intensjonene lagt ut av hjernen og den fysiske verden, og utfører våre ønsker ved å la oss gjøre tanker til handlinger. Hvis roboter virkelig skal leve opp til potensialet sitt når det kommer til interaksjon, er det avgjørende at de derfor har et lignende instrument til rådighet.
Vi vet at robotikere bygger noen forbløffende intrikate robothender allerede. Men de trenger også smarthetene for å kontrollere dem - å være i stand til å gripe gjenstander riktig både i henhold til deres form og deres hardhet eller mykhet. Du vil ikke at din fremtidige robotkollega skal knuse hånden din til blodig grøt når den håndhilser på deg den første dagen på kontoret.
Anbefalte videoer
Heldigvis er det dette forskere fra Tyskland har jobbet med med en nytt, mer hjerneinspirert nevrale nettverk som kan tillate en robothånd (i dette tilfellet en eksisterende modell kalt a Schunk SVH 5-finger hånd) for å lære å plukke opp gjenstander med forskjellige former og hardhetsnivåer ved å velge riktig gripebevegelse. I en proof-of-concept-demonstrasjon var robothånden i stand til å plukke opp en uvanlig rekke gjenstander, inkludert - men ikke begrenset til - en plastflaske, tennisball, svamp, gummiand, penn og et utvalg ballonger.
"Vår tilnærming har to hovedkomponenter: modellering av bevegelse av hånden og den kompatible kontrollen," Juan Camilo Vasquez Tieck, fortalte en forsker ved FZI Forschungszentrum Informatik i Karlsruhe, Tyskland, til Digital Trends. «Hånden er modellert i et hierarki av forskjellige lag, og bevegelsen er representert med bevegelsesprimitiver. Alle leddene til en finger er koordinert av en finger-primitiv. For en bestemt gripebevegelse er alle fingrene koordinert av en håndprimitiv."
Med andre ord, forklarte han, kan den lukke hånden på forskjellige måter.
Systemet representerer en annen måte å utvikle robotsystemer for å utføre denne typen handlinger. Det involverte nevrale nettverket lar hånden gripe mer intelligent, og gjør sanntidstilpasninger der det er nødvendig.
“Spikende nevrale nettverk (SNN) er en spesiell type kunstige nevrale nettverk som modellerer nærmere måten ekte nevroner fungerer på, fortsatte Tieck. "Det er mange nevronmodeller basert på nevrovitenskapelig forskning. For dette arbeidet brukte vi lekkende integrere og brann (LIF) nevroner. Kommunikasjonen mellom nevroner er hendelsesbasert, ved bruk av pigger. Pigger er diskrete impulser, og ikke et kontinuerlig signal. Dette … reduserer mengden informasjon som sendes mellom nevroner og gir stor energieffektivitet.»
Et papir som beskriver arbeidet var nylig publisert i tidsskriftet IEEE Robotics and Automation Letters.
Redaktørenes anbefalinger
- Sikkerhetsroboter kan komme til en skole nær deg
- The BigSleep A.I. er som Google Bildesøk etter bilder som ikke eksisterer ennå
- En Star Trek-fan forfalsket Next Generation-era Data i den nye Picard-serien
- Verdens mest avanserte robothånd nærmer seg behendighet på menneskelig nivå
- A.I. mislykkes da robot-TV-kamera følger skallet hode i stedet for fotball
Oppgrader livsstilen dinDigitale trender hjelper leserne å følge med på den fartsfylte teknologiverdenen med alle de siste nyhetene, morsomme produktanmeldelser, innsiktsfulle redaksjoner og unike sniktitter.
