انسانها همیشه ماهر و چیرهدست بودهاند و این مهارت تا حد زیادی به قدرت بینایی آنها نسبت داده میشود. اما روباتها هنوز در این زمینه از انسانها عقبتر هستند. مسلماً پیشرفتهایی وجود داشته است؛ زیرا چندین دهه است که روباتها در محیطهای کنترلشده مثل خطوط مونتاژ توانستهاند یک شیء را چندین بار بردارند.
اخیراً پیشرفتهایی در زمینه بینایی کامپیوتری میسر شده که روباتها را قادر میکند بین اشیا تمایز قائل شوند، اما با این وجود، روباتها هنوز شکل اشیا را درک نمیکنند و به این دلیل بعد از برداشتن چیزی، نمیتوانند با آن کار خاصی انجام دهند.
محققان میگویند که آنها در این زمینه چند پیشرفت کلیدی داشتهاند؛ سیستمی که به روباتها اجازه میدهد به صورت تصادفی، اشیا را بررسی کرده و آنها را درک کنند، به اندازهای که قادر باشند کارهای بهخصوصی با اشیایی که از قبل ندیدهاند، انجام دهند.
به عنوان مثال میتوانیم برای وادار کردن روبات برای گرفتن یک چیز از قسمت مشخص، مثلاً از زبان کفش، از DON استفاده کنیم. روبات از این پس میتواند به کفشی که تا به حال ندیده نگاه کند و با موفقیت زبان آن را لمس کند. رویکردهای بسیاری برای دستکاری قادر نیستند قسمتهای بهخصوص یک شیء را از زوایای مختلف شناسایی کنند. به عنوان مثال، الگوریتمهای موجود نمیتوانند فنجان را از دسته بگیرند، مخصوصاً اگر فنجان در جهتهای مختلف قرار گرفته باشد، مثلاً راست یا کنار.
این تیم تحقیقاتی کارکردهای مختلفی را برای این تکنولوژی در نظر دارد، نه تنها در محیطهای تولیدی، بلکه در خانهها. تصور کنید به این سیستم، تصویری از خانه مرتب و منظم بدهید تا هنگامی که سر کار هستید، خانه را تمیز کند یا از تصویر ظروف غذا استفاده کنید تا سیستم موقع مسافرت رفتن، ظروف غذای شما را جمع کند.
آنچه شایان ذکر است اینکه هیچ یک از دادههای انسان عنوان نشده بودند، بلکه سیستم «خودبازبین» است و نیاز به اطلاعرسانی به انسان را ندارد.
دو رویکرد معمول در برداشتن اشیا به دست روباتها شامل یادگیری بر اساس کار و ایجاد الگوریتم جامع برداشتن است. در مقابل هر دو تکنیک موانعی وجود دارد؛ روشهایی که بر اساس کار هستند به سختی بر وظایف دیگر تعمیم داده میشوند و الگوریتم جامع برداشتن قادر به انجام وظایفی که تفاوتهای جزئی مشخصی دارند، نیست؛ مثلاً قرار دادن اشیا در محل مشخص. این سیستم با سیستمها دیگر تفاوت دارد. نوزادی ۱۸ ماهه را تصور کنید که نمیفهمد میخواهید با کدام عروسک بازی کند، اما میتواند خیلی از چیزها را بردارد و کودکی چهار ساله که میتواند به درخواست «برو ماشین را از انتهای قرمز بردار» عمل کند. در آینده، این تیم امیدوار است سیستم را تا حدی بهبود ببخشد که قادر باشد وظایف بهخصوص را با درکی عمیق از شیء مربوط انجام دهد، مانند یادگیری گرفتن یک شیء و حرکت دادن آن به منظور دستیابی به یک هدف نهایی، مثل تمیز کردن میز کار.
منبع: ساینس دیلی