مؤسسه علوم و فناوری پیشرفته کره جنوبی (KAIST) از ساخت یک سگ رباتیک به نام «RaiBo» خبر داده است، که می تواند حتی در زمین های ناهموار مانند سواحل شنی راه برود.
به گزارش تکناک، بر اساس بیانیه مطبوعاتی منتشر شده توسط این موسسه در روز پنجشنبه، تیم تحقیقاتی به رهبری پروفسور ژی مین هوانگ هو از دپارتمان مهندسی مکانیک این ربات چهارپا را ساخته اند.
سو یونگ چوی، نویسنده اول این مطالعه گفت: کنترل کننده پیشنهادی را می توان بدون اطلاعات قبلی در مورد زمین مورد استفاده قرار داد، بنابراین می توان آن را در مطالعات مختلف در زمینه راه رفتن ربات اعمال کرد.
طبق مطالعات انجام شده ارائه یک کنترل کننده مبتنی بر یادگیری بر اساس تجربه تماس نزدیک با سطح ناهموار زمین را برای کاربردهای واقعی در این زمینه می توان استفاده کرد.
این تیم سیستمی ایجاد کردند که از ربات چهارپا تقلید می کند و نیرویی که توسط مواد دانه ای مانند شن به یک ربات راه رونده در هنگام حرکت بر سطح زمین اعمال می شود را شبیه سازی کردند.
آنها همچنین ساختاری برای یک شبکه عصبی مصنوعی ایجاد کردند که می تواند راه برود و در لحظه تصمیم بگیرد در حالی که با انواع مختلف زمین بدون دانش قبلی سازگار است.
هدف از به کارگیری یادگیری تقویتی در این فناوری، گسترش دامنه کاربرد های ربات های چهارپا است.
یادگیری تقویتی یک تکنیک یادگیری هوش مصنوعی است که برای ساخت کامپیوتری استفاده می شود که اطلاعات را برای نتایج کارهای مختلف در حالت های تصادفی جمع آوری می کند و از آن اطلاعات برای انجام کار یا وظیفه استفاده می کند.
شبکه عصبی آموزش دیده ظرفیت خود را برای کار در محیط های مختلف از جمله توانایی حرکت سریع و راه رفتن و چرخش روی سطوح نرم مانند تشک بادی یا شن بدون از دست دادن تعادل نشان داد.
با توجه به حجم عظیمی از دادههای مورد نیاز برای یادگیری تقویتی، جمعآوری دادهها از طریق شبیهسازیهایی که شباهت زیادی به فرآیندهای فیزیکی در دنیای واقعی دارند، معمول است.
مطالعه همچنین یک ساختار شبکه عصبی مصنوعی ایجاد کرد که برای ارزیابی داده های سری از حسگرهای ربات برای پیش بینی عوارض زمین استفاده می کند.
این کنترلر رویسگ رباتیک RaiBo نصب شد تا راه رفتن سریع را با سرعت 3.03 متر در ثانیه را در یک ساحل شنی با پاهای کاملاً مدفون در ماسه را بدون مشکل نشان دهد.
بدون برنامه نویسی یا اصلاح الگوریتم کنترل، سگ رباتیک RaiBo قادر بود به طور پیوسته حتی زمانی که روی سطوح ناهموارتر مانند زمین های چمنزار و زمین دویدن استفاده می شد، کار کند.
روش شبیهسازی و یادگیری که در این مطالعه استفاده شده انتظار می رود به توسعه رباتهایی کمک کند که توانایی انجام فعالیت های مختلف را در زمین های ناهموار دارند.