یک حسگر رباتیک که در «دانشگاه کمبریج» ساخته شده و مبتنی بر هوش مصنوعی است، پس از آموزش دیدن توانست خط بریل را دو برابر سریعتر از انسان بخواند.
به گزارش ایسنا به نقل از ساینمگ، گروهی از پژوهشگران انگلیسی یک حسگر رباتیک ساخته اند که از روش های مبتنی بر هوش مصنوعی استفاده می کند تا خط بریل را تقریباً دو برابر سریع تر از بیشتر انسان ها بخواند.
گروه پژوهشی «دانشگاه کمبریج» (University of Cambridge) از الگوریتم های یادگیری ماشینی برای آموزش دادن حرکت سریع روی خطوط متن بریل به حسگر رباتیک استفاده کردند. این ربات توانست خط بریل را با سرعت ۳۱۵ کلمه در دقیقه و با دقت نزدیک به ۹۰ درصد بخواند.
اگرچه ربات بریل خوان به عنوان یک فناوری کمکی توسعه نیافته است ولی پژوهشگران می گویند حساسیت بالای موردنیاز برای خواندن خط بریل، آنرا به یک آزمایش ایده آل در ساخت دست های رباتیک یا پروتزهایی با حساسیت نوک انگشتان انسان تبدیل می کند.
نوک انگشتان انسان به طور قابل توجهی حساس هستند و به ما کمک می کنند تا اطلاعاتی را در مورد دنیای اطراف خود جمع آوری کنیم. نوک انگشتان ما می توانند تغییرات کوچک را در بافت یک ماده تشخیص دهند یا به ما کمک کنند تا بدانیم هنگام برداشتن یک جسم باید چقدر نیرو استفاده کنیم. برای مثال ، برداشتن تخم مرغ بدون شکستن آن یا برداشتن توپ بولینگ بدون انداختن آن.
بازتولید این سطح از حساسیت در یک دست رباتیک با صرفه جویی کردن در انرژی، یک چالش بزرگ در حوزه مهندسی است. پژوهشگران آزمایشگاه پروفسور «فومیا آیدا» (Fumiya Iida) در دپارتمان مهندسی دانشگاه کمبریج سعی دارند راه حل هایی را برای این مهارت ها و مهارت های دیگری ارائه دهند که برای انسان آسان اما برای ربات ها دشوار هستند.
«پارث پوتدار» (Parth Potdar) پژوهشگر ارشد این پروژه گفت:نرمی نوک انگشتان، یکی از دلایلی است که ما می توانیم اشیا را با فشار مناسب در دست بگیریم. برای ربات ها، نرمی یک ویژگی سودمند است ولی اطلاعات زیادی نیز باید از حسگر دریافت شوند و داشتن هر دو ویژگی به صورت هم زمان ، به ویژه هنگام برخورد داشتن با سطوح انعطاف پذیر یا تغییرشکل پذیر دشوار خواهد بود.
خط بریل یک آزمون ایده آل برای نوک انگشت ربات است زیرا از آن جهت که نقطه ها در هر الگوی حروف بسیار نزدیک به هم هستند، خواندن آن به حساسیت بالایی نیاز دارد. پژوهشگران از یک حسگر برای ساخت یک ربات بریل خوان استفاده کردند که خواندن انسان را با دقت بیشتری تقلید می کند.
«دیوید هاردمن» (David Hardman) از پژوهشگران این پروژه گفت: خوانندگان رباتیک خط بریل وجود دارند اما آنها فقط یک حرف را در هر مرتبه می خوانند و خواندن آن ها مانند انسانها نیست. بریل خوان های رباتیک موجود به یک روش ثابت کار می کنند. آنها الگوی یک حرف را لمس می کنند، آن را می خوانند، از سطح فاصله می گیرند، دوباره حرکت می کنند و روی الگوی حرف بعدی پایین می آیند. ما چیزی می خواهیم که واقع بینانه تر و بسیار کارآمدتر باشد.
حسگر رباتیکی که پژوهشگران در این پروژه استفاده کردند، دارای یک دوربین در نوک انگشت است و با استفاده از ترکیبی از اطلاعات دوربین و حسگرها می خواند. پوتدار گفت:این یک مشکل دشوار برای متخصصان رباتیک است زیرا پردازش تصویر زیادی باید انجام شود تا تاری حرکت را از بین ببرد و این به زمان و انرژی نیاز دارد.
این گروه پژوهشی، الگوریتم های یادگیری ماشینی را توسعه دادند تا خواننده رباتیک بتواند پیش از تشخیص دادن حروف با حسگر، تصاویر را محو کند. آنها الگوریتم را روی مجموعه ای از تصاویر واضح از خط بریل با تاری جعلی اعمال شده آموزش دادند. پس از این که الگوریتم یاد گرفت حروف را محو کند، پژوهشگران از یک مدل بینایی رایانه ای برای شناسایی و طبقه بندی کردن هر حرف استفاده کردند.
هنگامی که الگوریتم ها گنجانده شدند، پژوهشگران ربات خواننده خود را با اعمال آن روی ردیف هایی از خطوط بریل آزمایش کردند. بریل خوان رباتیک در هر دقیقه توانست ۳۱۵ کلمه را با دقت ۸۷ درصد بخواند که دو برابر سریع تر و دقیق تر از یک بریل خوان انسان است.
هاردمن گفت: باتوجه به این که ما از الگوریتم تاری جعلی استفاده کردیم، تعجب آور بود که ربات چقدر در خواندن خط بریل دقیق عمل می کند. ما یک مبادله خوب را بین سرعت و دقت پیدا کردیم که در مورد خوانندگان انسانی نیز صدق می کند.
پوتدار گفت: سرعت خواندن خط بریل، یک روش عالی برای بررسی کردن پویایی عملکرد سیستم های حسگر لمسی است. بنابراین، یافته های ما میتوانند کاربردهایی را فراتر از خط بریل داشته باشند و برای کارهایی مانند تشخیص دادن بافت های سطح یا لغزش ربات روی آنها اجرا شوند.
پژوهشگران امیدوارند که در آینده بتوانند این فناوری را در مقیاس یک دست یا پوست انسان بسازند. این پژوهش با پشتیبانی «برنامه توسعه پژوهش جهانی سامسونگ» (Samsung Global Research Outreach Program) انجام شد.
این پژوهش در مجله «IEEE Robotics and Automation Letters» به چاپ رسید.
- 19
- 6
