Video prikazuje stvarne 'transformatore' robote koji vide, misle i transformiraju

Tim robotičara napravio je još jedan korak prema neizbježnoj budućnosti u stvarnom životu transformatori kretati se među nama.

U srijedu je objavljeno novo istraživanje o modularnim, autonomnim robotima koje pokazuje kako roboti mogu vidjeti, misliti i odlučiti transformirati svoj oblik na temelju izazova s ​​kojima se suočavaju.

Tim od šest osoba objavio je ovaj znanstveni rad - "Integrirani sustav za autonomiju s modularnim robotima" - u časopisu Znanstvena robotika, Znanstvenici dolaze s Sveučilišta Cornell i Sveučilišta u Pennsylvaniji.

Ovdje su ključna područja kako robot radi ono što radi, prema riječima istraživača.

"Mnogi ljudi su to vidjeli u filmovima, ako ste ih vidjeli transformatori ili Veliki junak 6, roboti koji mogu promijeniti svoj oblik, ”kaže Mark Yim, profesor, Sveučilište u Pennsylvaniji, modularnih robota otkrivenih ovog tjedna. "Imali smo mnogo primjera robota koji mogu raditi kao što su hodanje ili penjanje stubama … ali sve te stvari su učinjene odvojeno. Ovo je prvi put da smo zapravo imali sustav koji bi sve te stvari mogao samostalno obavljati."

Prvo, kako ovaj robotski sustav vidi svijet oko sebe? Evo istraživača Jonathana Daudelina:

Koristimo trodimenzionalnu kameru postavljenu na našem senzorskom modulu da bismo vidjeli i kreirali 3-D mapu robotske okoline u stvarnom vremenu, a onda imamo skup algoritama percepcija koji koriste ove podatke za radnje poput usmjeravanja robota gdje istraživati ​​nepoznata područja i karakterizirati okoliš u smislu sposobnosti robota.

I kako ovaj robotski proto-transformator zna koje oblike treba uzeti? Opet, ovdje je Daudelin:

Može prepoznati stepenice ili uske pukotine, ravna područja i tako dalje, a onda planer visoke razine koristi te informacije kako bi odlučio koji unosi iz knjižnice, koje radnje, koji su oblici robota potrebni za izvršavanje zadataka s obzirom na uvjete okoline.

Dakle, što je sljedeće za ovog robota? Kazao je istraživač Tarik Tosun Inverzan mogu postojati dvije situacije u kojima se koristi: Zona katastrofe - scenarij koji obično koriste robotičari - i svakodnevna situacija u tipičnom domu, s podovima od tepiha i tvrdog drveta i stepenicama, a možda i s hrpom prljavog rublja.

"Ako idete u zonu katastrofe, možda čak ne bude jasno što je zadatak prije nego što zapravo uđete, zar ne? Ako idete u urušenu zgradu, ne znate kako izgleda iznutra ili ima li ljudi tamo koje biste željeli spasiti ", kaže Tosun.

„Dakle, robot koji je doista vrlo raznovrstan može biti koristan u tom scenariju jer može ući, procijeniti svoje okruženje i onda možda izabrati da postane zmija da prođe kroz malu pukotinu ili čak sklonište kako bi zaštitio ljude od ruševina, nešto kao to."

I ovi roboti mogu biti domaći pomoćnici, kaže Tosun:

Nešto manje uzbuđen primjer ili domena mogu biti samo u kućama ljudi. Ako želite imati malog robota koji djeluje u nečijem domu, zapravo naši domovi, uredi i zatvoreni prostori imaju prilično komplicirana okruženja. Često postoji nered, mnogo različitih površina koje bi robot trebao proći, i imati sposobnost da se, na primjer, pretvori u robota - oblik koji je dobar za penjanje stepenicama kada se morate popeti na stepenice ili dobro zumirati preko poda ako imate ravan pod. Moglo bi biti vrlo korisno iu domu.

Što je to što ti roboti još ne mogu učiniti da bi uskoro mogli? Sve se svodi na to kako robot misli i kako bi mogao postati jači, kažu istraživači.

Tosun kaže Inverzan da su modularni roobts vrlo dobri u fleksibilnosti, ali nisu jako jaki; ne mogu podići vrlo teške predmete. Istraživači mogu kombinirati svoju modularnu prirodu s snažnijim robotima za dizanje ili robotima. Modularni roboti se također mogu koristiti za izgradnju struktura koje će im omogućiti da se koriste u novim kapacitetima, kao što su skaliranje velikih struktura.

Drugo zanimljivo područje koje bi modularni proto-transformator mogao poboljšati bilo bi povezano s umjetnom inteligencijom ili strojnim učenjem. Upravo sada, modularni robot ima biblioteku odluka ili akcija koje treba pohraniti lokalno. Ovdje je Hadas Kress-Gazit, još jedan istraživač u timu i izvanredni profesor na Cornellu:

"Stvarno zanimljivo pitanje bi bilo da li to možemo automatizirati na neki način?", Kaže za Kress Gazit Inverzan, “Dakle, možemo li koristiti strojno učenje? Možemo li koristiti različite (atomizacijske) algoritme kako bismo ih mogli stvoriti, ili barem skup oblika i ponašanja kandidata koji ponovno obuhvaćaju veći skup zadataka nego što to trenutno možemo učiniti. To je zanimljivo istraživačko pitanje koje istražujemo.