Videoposnetki prikazujejo robotske transformatorje, ki vidijo, razmišljajo in preoblikujejo

Ekipa robotistov je naredila še en korak k neizogibni prihodnosti, kjer je resnično življenje Transformatorji premikamo se med nami.

V sredo so objavili nove raziskave o modularnih, avtonomnih robotih, ki kažejo, kako roboti lahko vidijo, razmišljajo in se odločijo, da bodo svojo obliko spremenili na podlagi izziva, s katerim se soočajo.

Šestčlanska ekipa je objavila ta raziskovalni članek - »Integrirani sistem za avtonomijo z modularnimi roboti« - v reviji Znanstvena robotika. Raziskovalci prihajajo iz Cornell University in University of Pennsylvania.

Tukaj so ključna področja, kako robot dela, kar počne, po besedah ​​raziskovalcev.

»Veliko ljudi je to videlo v filmih, če si jih videl Transformatorji ali Veliki junak 6, roboti, ki lahko spremenijo svojo obliko, «pravi Mark Yim, profesor na Univerzi v Pennsylvaniji, modularnih robotov, ki so bili razkriti ta teden. »Imeli smo veliko primerov robotov, ki lahko delajo stvari, kot so hoja ali plezanje po stopnicah… toda vse te stvari so bile narejene ločeno. To je prvič, da smo dejansko imeli sistem, ki bi lahko vse te stvari izvajal samostojno."

Prvič, kako ta robotski sistem vidi svet okoli sebe? Tukaj je raziskovalec Jonathan Daudelin:

Za zaznavanje in ustvarjanje 3-D zemljevida robotovega okolja v realnem času uporabljamo 3-D kamero, montirano na našem senzorskem modulu, nato pa imamo nabor algoritmov zaznavanja, ki te podatke uporabljajo za ravnanje z robotom kje raziskati neznana območja in označiti okolje z vidika sposobnosti robotov.

In kako ta robotski proto-transformator ve, kakšne oblike vzeti? Tudi tukaj je Daudelin:

Lahko prepozna stopnice ali ozke razpoke, ravne površine itd. In nato visoki načrtovalec uporabi te informacije, da se odloči, katere vnose iz knjižnice, katere akcije, katere oblike robotov so potrebne za opravljanje nalog glede na pogoje okolja.

Torej, kaj je naslednje za tega robota? Povedal je raziskovalec Tarik Tosun Inverse obstajata lahko dve situaciji, v katerih se uporablja: Območje katastrofe - scenarij, ki ga običajno uporabljajo robotiki - in bolj vsakdanji položaj tipičnega doma, s preprogami in lesenimi tlemi ter stopnicami in morda celo s kupom umazanega perila.

»Če greste v cono nesreče, morda ne bo jasno, kakšna je naloga, preden boste dejansko vstopili, kajne? Če greste v zrušeno stavbo, ne veste, kako izgleda v notranjosti ali v njej obstajajo ljudje, ki bi jih morda želeli rešiti, «pravi Tosun.

»Torej bi bil robot, ki je res zelo vsestranski, lahko uporaben v tem scenariju, ker lahko vstopi, oceni svojo okolico in se potem odloči, da postane kača, da gre skozi majhno razpoko ali celo zavetje, da bi zaščitila ljudi pred padajočimi ruševinami, nekaj takega."

Tudi ti roboti so lahko domači pomočniki, pravi Tosun:

Nekoliko manj navdušen primer ali domena je lahko samo okoli hiš ljudi. Če želite imeti majhnega robota, ki deluje v nekem domu, imajo naši domovi, pisarne in notranja okolja precej zapletena okolja. Pogosto se pojavijo neredi, veliko različnih površin, ki jih robot morda potrebuje za prehod, in imajo možnost, da se na primer spremeni v robota - oblika, ki je dobra za plezanje po stopnicah, ko se morate vzpenjati po stopnicah ali dobro pri povečevanju po tleh, če imate ravno tla. Lahko je zelo koristno tudi v domu.

Kaj pa ti roboti še ne morejo storiti, da bi lahko kmalu? Razumemo, kako robot misli in kako bi lahko postal močnejši, pravijo raziskovalci.

Tosun pove Inverse da so modularni roobti zelo dobri, da so prožni, vendar niso zelo močni; ne morejo dvigniti zelo težkih predmetov. Raziskovalci lahko združijo svojo modularno naravo z močnejšimi dvižnimi roboti ali roboti. Modularni roboti bi se lahko uporabili tudi za gradnjo objektov, ki bi jim omogočili uporabo v novih zmogljivostih, kot so luščenje velikih struktur.

Drugo zanimivo področje, ki bi ga modularni proto-transformator lahko izboljšal, bi bilo povezano z umetno inteligenco ali strojnim učenjem. Trenutno ima modularni robot knjižnico odločitev ali dejanj, ki jih je treba shraniti lokalno. Tukaj je Hadas Kress-Gazit, še en raziskovalec v timu in izredni profesor na Cornellu:

"Resnično zanimivo vprašanje bi bilo, ali lahko to na nek način avtomatiziramo?", Pravi Kress Gazit Inverse. »Ali lahko uporabimo strojno učenje? Ali lahko uporabimo različne (atomizacijske) algoritme, da jih lahko ustvarimo, ali vsaj vrsto oblik in vedenja kandidatov, ki spet spet večji nabor nalog, ki jih lahko sedaj izvajamo. Torej je to zanimivo raziskovalno vprašanje, ki ga preučujemo. «