Nasze dłonie są jak pomost pomiędzy intencjami określonymi przez mózg a światem fizycznym, realizując nasze życzenia, pozwalając nam zamieniać myśli w czyny. Jeśli roboty mają naprawdę wykorzystać swój potencjał w zakresie interakcji, niezwykle ważne jest, aby miały do dyspozycji podobne narzędzie.
Wiemy, że robotycy coś budują już zadziwiająco skomplikowane ręce robota. Ale potrzebują także sprytu, aby je kontrolować – umiejętności prawidłowego chwytania przedmiotów zarówno zgodnie z ich kształtem, jak i twardością lub miękkością. Nie chcesz, aby Twój przyszły współpracownik-robot zmiażdżył Twoją dłoń na krwawą papkę, gdy uściśnie Ci dłoń pierwszego dnia w biurze.
Polecane filmy
Na szczęście właśnie nad tym pracowali naukowcy z Niemiec nowa, w większym stopniu inspirowana mózgiem sieć neuronowa które umożliwiają zbudowanie automatycznej ręki (w tym przypadku istniejącego modelu zwanego a Ręka Schunk SVH z pięcioma palcami), aby dowiedzieć się, jak podnosić przedmioty o różnych kształtach i poziomach twardości, wybierając odpowiedni ruch chwytania. Podczas demonstracji sprawdzającej koncepcję ręka robota była w stanie podnieść niezwykły zakres obiektów, w tym — ale nie ograniczając się do — plastikowej butelki, piłki tenisowej, gąbki, gumowej kaczki, długopisu i asortymentu balonów.
„Nasze podejście składa się z dwóch głównych elementów: modelowania ruchu ręki i zgodnej kontroli” Juana Camilo Vasqueza Tiecka– powiedział Digital Trends pracownik naukowy w FZI Forschungszentrum Informatik w Karlsruhe w Niemczech. „Dłoń jest modelowana w hierarchii różnych warstw, a ruch jest reprezentowany za pomocą prymitywów ruchu. Wszystkie stawy jednego palca są koordynowane przez prymitywny palec. W przypadku jednego konkretnego ruchu chwytającego wszystkie palce są koordynowane przez prymitywną dłoń.
Innymi słowy, wyjaśnił, może zamknąć rękę na różne sposoby.
System reprezentuje inny sposób opracowywania systemów robotycznych do przeprowadzania tego rodzaju działań. Zastosowana sieć neuronowa pozwala dłoni na inteligentniejsze chwytanie, dokonując w razie potrzeby adaptacji w czasie rzeczywistym.
“Gwałtowne sieci neuronowe (SNN) to szczególny rodzaj sztucznych sieci neuronowych, które modelują bliżej sposób działania prawdziwych neuronów” – kontynuował Tieck. „Istnieje wiele modeli neuronów impulsowych opartych na badaniach neuronaukowych. Do tej pracy wykorzystaliśmy neurony nieszczelnej integracji i ognia (LIF). Komunikacja między neuronami opiera się na zdarzeniach i wykorzystuje impulsy. Skoki są dyskretnymi impulsami, a nie sygnałem ciągłym. To… zmniejsza ilość informacji przesyłanych pomiędzy neuronami i zapewnia dużą efektywność energetyczną.”
Artykuł opisujący tę pracę był niedawno opublikowane w czasopiśmie IEEE Robotics and Automation Letters.
Zalecenia redaktorów
- Roboty zabezpieczające mogą pojawić się w pobliskiej szkole
- Sztuczna inteligencja BigSleep jest jak wyszukiwarka grafiki Google, szukająca zdjęć, które jeszcze nie istnieją
- Fan Star Trek głęboko sfałszował dane z ery nowej generacji do nowej serii Picard
- Najbardziej zaawansowana robotyczna ręka na świecie zbliża się do zręczności człowieka
- sztuczna inteligencja niepowodzenie, ponieważ automatyczna kamera telewizyjna podąża za łysą głową zamiast za piłką nożną
Ulepsz swój styl życiaDigital Trends pomaga czytelnikom śledzić szybko rozwijający się świat technologii dzięki najnowszym wiadomościom, zabawnym recenzjom produktów, wnikliwym artykułom redakcyjnym i jedynym w swoim rodzaju zajawkom.
