ربات مجهز به طناب نخاعی مجازی یک ساعته راه رفت!
پژوهشگران آلمانی در مطالعه اخیر خود از توسعه یک ربات مجهز به طناب نخاعی مجازی آگاهی داده اند که این ربات یک ساعت بعد از قرار گرفتن طناب نخاعی در بدنش، یاد گرفته که چگونه راه برود.
به گزارش اسمارت کاور به نقل از ایسنا و به نقل از اس اف، محققان آلمانی بتازگی از ساخت یک سگ رباتیک دارای واکنش های غیرارادی(reflexes) که راه رفتن را در عرض یک ساعت فراگرفته، آگاهی داده اند. پژوهشگران آلمانی می گویند، این سگ رباتیک که مورتی(Morti) نام دارد، راه رفتن سریع را یاد می گیرد برای اینکه از طناب نخاعی مجازی خود به خوبی استفاده می نماید.
پژوهشگران آلمانی این سگ چهار پا را که به سرعت یاد می گیرد، ساختند تا اطلاعات بیشتری در مورد چگونگی یادگیری راه رفتن ذاتی حیوانات پیدا کنند. حیوانات از بدو تولد از شبکه های ماهیچه ای هماهنگی در نخاع برخوردار می باشند، اما یادگیری دقیق روش استفاده از ماهیچه ها و تاندون های پا ممکنست زمان بر باشد.
حیوانات در زمان کودکی دارای واکنش های نخاعی غیر ارادی هستند که این واکنش های غیر ارادی کنترل حرکتی اولیه، از حرکاتی مانند جلوگیری از افتادن در نخستین کوشش های خود برای راه رفتن پیشگیری کند. با بزرگتر شدن حیوانات و زمانی که سیستم عصبی با ماهیچه ها و تاندون های پای حیوان سازگار شود، حیوانات بر ماهیچه های خود کنترل بیشتری خواهند داشت.
این سگ رباتیک با بهره گیری از الگوریتم پیچیده ای کار می کند که این الگوریتم به وی در یادگیری کارهایی مانند راه رفتن و واکنش نشان دادن کمک می نماید. اطلاعات سنسورهای پا با داده های حاصل از مدل نخاعی که به عنوان یک برنامه در کامپیوتر ربات اجرا می شود، مطابقت دارد. این سگ رباتیک با مقایسه مداوم اطلاعات سنسور تنظیم شده، اجرای حلقه های بازتابی و تطبیق روش تنظیم حرکات خود، راه رفتن را یاد می گیرد. الگوریتم مذکور، پارامترهای کنترلی یک مولد الگوی مرکزی(CPG) را با دیگر اجزا تطبیق می دهد.
در انسان و حیوان، شبکه هایی از نورون ها در نخاع وجود دارند که انقباضات دوره ای عضلانی را بدون اطلاعات ورودی مغز ایجاد می کنند. شبکه های مولد این الگو به ما کمک می کنند راه برویم، پلک بزنیم و غذا را هضم نماییم.
رفلکس ها/ واکنش غیرارادی(Reflexes) اعمال غیرارادی هستند که توسط مسیرهای رمزگذاری شده ای ایجاد می شوند و سنسورهای موجود در پا را به نخاع متصل می کنند. تا آن زمان که یک حیوان روی یک سطح کاملا صاف راه می رود، این مولدهای الگو می توانند برای کنترل سیگنال های حرکتی از نخاع کافی باشند. یک برآمدگی کوچک راه رفتن را تغییر می دهد، رفلکس ها وارد می شوند و ممکنست موجود مجبور شود الگوهای حرکتی خودرا تغییر دهد تا از افتادن پیشگیری کند. این تغییرات برگشت پذیر و الاستیک هستند و الگوهای حرکتی بعد از اختلال به ساختار اولیه خود باز می گردند.
اگر حیوان به رغم رفلکس های فعال، دست از لغزش نکشد، الگوهای حرکتی باید باردیگر یاد بگیرند و غیرقابل برگشت شوند. در یک حیوان تازه متولد شده، این مولدهای الگو هنوز به اندازه کافی تنظیم نشده اند و حیوان در زمینهای هموار و ناهموار تلو تلو می خورد. اما بعد از مدتی موجود به سرعت یاد می گیرد که چگونه ژنراتورها و شبکه های الگوی عضلات، پا و تاندون ها را کنترل کنند. همین مورد در مورد ربات نیز صادق است، اما ربات حرکات خودرا حتی سریع تر از یک حیوان یاد می گیرد.
ژنراتورهای الگوی مورتی بر روی یک کامپیوتر کوچک و سبک شبیه سازی شده اند که این امر حرکت پاهای ربات را کنترل می کند. این نخاع مجازی در پشت ربات چهارپا در جایی که سر قرار می گیرد تعبیه شده است. در طول زمانی که ربات به آرامی راه می رود، داده های سنسور از پای ربات توسط مولد الگوی ربات مقایسه می شود. اگر ربات زمین بخورد، الگوریتم میزان چرخش پاها به جلو و عقب، سرعت چرخش پاها و مدت زمان قرار گرفتن یک پا روی زمین را تغییر می دهد. همانطور که ربات یاد می گیرد، مولد الگو، سیگنال های موتوری را ارسال می کند تا کمتر تلو تلو بخورد و راه رفتن را بیاموزد.
"فلیکس روپرت"(Felix Ruppert) نویسنده اول این مطالعه از موسسه سیستم های هوشمند ماکس پلانک در اشتوتگارت در این زمینه اظهار داشت: مولد الگوی مرکزی، شبیه هوش راه رفتن خودکار درونی است که در حیوانات وجود دارد که ما آنرا در ربات به وجود آورده ایم. این کامپیوتر سیگنال هایی تولید می کند که موتورهای پا را کنترل می کند و ربات در ابتدا راه می رود و تلو تلو می خورد. داده ها از حسگرها به نخاع مجازی و جایی که داده های سنسور و مولد الگوی مرکزی با هم مقایسه می شوند، برمی گردند. اگر داده های سنسور با داده های مورد انتظار مطابقت نداشته باشد، الگوریتم یادگیری تا آن زمان که ربات به خوبی و بدون زمین خوردن راه برود، رفتار راه رفتن را تغییر می دهد. تغییر خروجی مولد الگوی مرکزی با فعال نگه داشتن رفلکس ها و نظارت بر تلو تلو خوردن ربات، بخش اصلی پروسه یادگیری است. این یک تحقیق بنیادی درمورد رابطه بین رباتیک و زیست شناسی است و مدل رباتیک ما به سوالاتی پاسخ می دهد که زیست شناسی به تنهایی نمی تواند به آنها پاسخ دهد.
نویسندگان در اختتام اعلام کردند ربات آنها برای سیاره ما نیز خوب است برای اینکه تنها به پنج وات نیرو برای راه رفتن نیاز دارد.
یافته های این مطالعه مجله Nature Machine Intelligence انتشار یافته است.
مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب