مدلی که به روبات ها در جستجوی اشیا یاری می نماید - تور تایلند

پژوهش جدیدی که در دانشگاه میشیگان(UMich) صورت گرفته است، نشان می دهد که ربات ها می توانند با درک ارتباط میان اشیای متفاوت خانه، یاد بگیرند که چگونه آنها را زودتر پیدا نمایند. پژوهشگران در این پروژه، مدلی را ابداع نموده اند که یک راهبرد جستجوی بصری را به ربات ها ارائه می دهد تا یاد بگیرند که چگونه اشیای گوناگون را جستجو نمایند.

یکی از اهداف معمول متخصصان حوزه رباتیک این است که توانایی مسیریابی را در فضاهای واقعی برای ربات ها فراهم نمایند. این فضاها می توانند با بی نظمی همراه باشند و ربات ها باید به جستجوی اشیای خاصی بپردازند که پیشتر هرگز آنها را ندیده اند.

ژن زنگ(Zhen Zeng)، از پژوهشگران این پروژه گفت: داشتن توانایی جستجوی کارآمد در محیط اطراف، قابلیت مهمی برای ربات ها به شمار می رود و به آنها در انجام دادن وظایف روزمره به صورت اتوماتیک یاری می نماید. ما یک روش عملی ابداع نموده ایم که به ربات ها یاری می نماید تا اشیای مورد نظر را در یک محیط پیچیده پیدا نمایند. خانه ها معمولا با بی نظمی کامل همراه نیستند زیرا ما چیدمان خانه ها را براساس نظم خاصی انجام می دهیم و هر یک از وسایل خانه، جای مخصوصی دارند.

زنگ و پروفسور چاد جنکینز(Chad Jenkins)، مدلی موسوم به اسلیم(SLiM) را ارائه داده اند که اشیای خاصی را در ذهن ربات با اشیای دیگر مرتبط می سازد و داده هایی را در خصوص نحوه قرار دریافت آنها ارائه می دهد.

ربات با یاری اسلیم می تواند به درک پیچیده تری در خصوص اشیای مورد نظر و نحوه قرار دریافت آنها در محیط برسد. در مقاله این پژوهش آمده است: هنگامی که از انسان ها پرسیده می گردد که اشیای مورد نظر را کجا می توان پیدا کرد، می توانند فرضیاتی را براساس روابط مکانی اشیا فراهم نمایند. ربات ها نیز باید بتوانند استدلال مشابهی را در خصوص اشیا داشته باشند. پژوهش های پیشین، اشیا را ایستا فرض نموده اند و نشان می دهند که اشیا در جای خود باقی می مانند. ما برای غلبه بر این محدودیت، نوعی نمودار خاص را برای نشان دادن احتمالات و مدل سازی روابط میان اشیای گوناگون ارائه داده اند. اسلیم با مدل سازی احتمالات، ربات ها را برای جستجوی دقیق اشیای مورد نظر هدایت می نماید.،ایسنا