يد الروبوت تتعامل مع الكائنات المعقدة عن طريق اللمس وحدها

فيما يتعلق بالسمات البشرية التي ربما تكون الروبوتات هي الأكثر غيرة منها ، يجب أن تكون الأصابع في الأعلى مع مقل العيون والأدمغة. تحتوي أرقامنا الصغيرة اللحمية على قدر هائل من البراعة بالنسبة لحجمها ، والعديد من المستشعرات المعبأة فيها تسمح لك بمعالجة الأشياء المعقدة بشكل غير مرئي. من الواضح أن هذه هي القدرات التي سيكون من الرائع حقًا امتلاكها في الروبوت ، خاصة إذا أردنا أن تكون مفيدة خارج المصانع والمستودعات.

هناك جزأان لهذه المشكلة: الأول هو وجود أصابع يمكن أن تؤدي أداء مثل أصابع الإنسان (أو قريبة من أصابع الإنسان كما يمكن توقعه) ؛ والثاني هو امتلاك الذكاء اللازم لفعل شيء مفيد بهذه الأصابع.

“بمجرد أن نضيف أيضًا التعليقات المرئية إلى المزيج جنبًا إلى جنب مع اللمس ، نأمل أن نتمكن من تحقيق المزيد من البراعة ، ويومًا ما نبدأ في الاقتراب من تكرار اليد البشرية.”
—ماتي سيوكارلي ، كولومبيا:

في ورقة تم قبولها للتو في مؤتمر Robotics: Science and Systems 2023 ، أظهر باحثون من جامعة كولومبيا كيفية تدريب الأصابع الآلية على القيام بمعالجة يدوية بارعة للأشياء المعقدة دون إسقاطها. علاوة على ذلك ، يتم التلاعب كليًا عن طريق اللمس – ولا تتطلب الرؤية.

https://www.youtube.com/watch؟v=pqufcQ1AB4cتتلاعب الأصابع الآلية بأشياء عشوائية – مستوى من البراعة يتقنها البشر عندما يصبحون صغارًا.جامعة كولومبيا

هذه الأصابع المتعرجة قليلاً تحدث بداخلها كثيرًا للمساعدة في جعل هذا النوع من التلاعب ممكنًا. يوجد تحت جلد كل إصبع غشاء عاكس مرن ، وتحت هذا الغشاء توجد مجموعة من مصابيح LED جنبًا إلى جنب مع مجموعة من الصمامات الثنائية الضوئية. يتم تدوير كل LED وإيقاف تشغيله لجزء صغير من ميلي ثانية ، وتسجل الثنائيات الضوئية كيف ينعكس الضوء من كل LED عن الغشاء الداخلي للإصبع. يتغير نمط هذا الانعكاس عندما ينثني الغشاء ، وهو ما يحدث إذا كان الإصبع ملامسًا لشيء ما. يمكن للنموذج المدرَّب أن يربط نمط الضوء هذا بموقع واتساع ملامسات الأصابع.

والآن بعد أن أصبح لديك أصابع تعرف ما الذي تلمسه ، فإنها تحتاج أيضًا إلى معرفة كيفية لمس شيء ما من أجل التلاعب به بالطريقة التي تريدها دون إسقاطها. هناك بعض الكائنات التي تكون صديقة للروبوت عندما يتعلق الأمر بالتلاعب ، وبعضها معاد للروبوت ، مثل الأشياء ذات الأشكال المعقدة والتقعرات (على سبيل المثال “L” أو “U”). ومع وجود عدد محدود من الأصابع ، غالبًا ما يتعارض إجراء التلاعب باليد مع التأكد من بقاء الجسم في قبضة ثابتة. هذه مهارة تسمى “المشي بالأصابع” وتتطلب تدريبًا. أو ، في هذه الحالة ، يتطلب الأمر التعلم المعزز (والذي أعتقد أنه يمكن القول أنه نفس الشيء). الحيلة التي يستخدمها الباحثون هي الجمع بين الأساليب القائمة على أخذ العينات (التي تجد المسارات بين حالات البداية والنهاية المعروفة) مع التعلم المعزز لتطوير سياسة تحكم مدربة على مساحة الولاية بأكملها.

في حين أن هذه الطريقة تعمل بشكل جيد ، فإن الشيء الكامل غير المرئي يمثل نوعًا ما قيدًا مصطنعًا. هذا لا يعني أن القدرة على التلاعب بالأشياء في الظلام أو الفوضى ليست مهمة للغاية ، إنها فقط أن هناك المزيد من الإمكانات مع الرؤية ، كما يقول ماتي سيوكارلي من كولومبيا: “بمجرد أن نضيف أيضًا ملاحظات مرئية إلى المزيج مع اللمس ، نأمل أن نكون قادرين على تحقيق المزيد من البراعة ، وأن نبدأ يومًا ما في الاقتراب من تكرار اليد البشرية “.

الاستكشاف القائم على أخذ العينات من أجل التعلم المعزز للتلاعب الحاذقبواسطة Gagan Khandate و Siqi Shang و Eric T. Chang و Tristan Luca Saidi و Johnson Adams و Matei Ciocarlie من جامعة كولومبيا ، تم قبولهم في RSS 2023.