يمتلك فريق من العلماء من مختبر علوم الكمبيوتر والذكاء الاصطناعي (CSAIL) التابع لمعهد ماساتشوستس للتكنولوجيا نظامًا يمكنه يومًا ما أن يمنح الروبوتات نفس النوع من القدرة التي يمتلكها الأطفال الصغار لاستخدام أيديهم بطرق أكثر ذكاءً.
يمكن للنظام تمرير أكثر من 2000 كائن مختلف باستخدام يد آلية. تساعد هذه القدرة على التلاعب بأي شيء من الكوب إلى علبة التونة اليد على الإمساك بالأشياء بسرعة ووضعها بطرق وأماكن محددة ، بل وتعمم أيضًا على الأشياء غير المرئية.
وفقًا للفريق ، يمكن أن يكون هذا العمل اليدوي – الذي يقتصر عادةً على المهام الفردية – ميزة في تسريع الخدمات اللوجستية والتصنيع والمساعدة في تلبية المتطلبات الشائعة مثل تعبئة الأشياء في فتحات التروس أو العبث بمجموعة متنوعة من الأدوات.
استخدم الفريق معرفًا مجسمًا محاكاة مع 24 درجة من الحرية ، وأظهر دليلاً على إمكانية نقل النظام إلى نظام آلي حقيقي في المستقبل.
في الصناعة ، تُستخدم القوابض المتوازية بشكل شائع ، ويرجع ذلك جزئيًا إلى بساطتها في التحكم. لكنه غير قادر عمليا على التعامل مع معظم الأدوات التي نراها في الحياة اليومية. حتى استخدام الزردية يصعب على الروبوت.
يتيح نظام الفريق للأيدي متعددة الأصابع التعامل مع هذه الأدوات بمهارة ، مما يفتح مجالًا جديدًا بالكامل من تطبيقات الروبوتات.
يتعامل النظام مع أكثر من 2000 عنصر
باستخدام خوارزمية تعلم معززة خالية من النماذج (بمعنى أن النظام يجب أن يكتشف وظائف قيمة من التفاعلات مع البيئة) مع التعلم المتعمق ، طور الفريق محاكاة يدوية مجسمة يمكنها التعامل مع أكثر من 2000 عنصر.
بالإضافة إلى أن النظام لم يكن بحاجة إلى معرفة ما كان سيلتقطه للعثور على طريقة لتحريكه في يده. لكن النظام ليس جاهزًا بعد للاستخدام في العالم الحقيقي.
ويحتاج الفريق إلى تحويله إلى روبوت حقيقي. في بداية العام ، رأينا باحثين من جامعة Zhejiang وجامعة إدنبرة ينقلون بنجاح نهجًا معززًا للذكاء الاصطناعي إلى كلبهم الآلي Jueying. سمح النظام للروبوتات بتعلم كيفية المشي والتعافي من السقوط بمفردها.
يمكن للنظام الجديد التعامل مع العديد من الأشياء الصغيرة ، بما في ذلك أشياء مثل كرات التنس والتفاح ، بمعدل نجاح يقارب 100 بالمائة. لكن أدوات مثل المفكات والمقصات تمثل تحديًا.
وعندما يتعلق الأمر بهذه الأنواع من الكائنات الحية ، فإن معدل نجاحها يقترب من 30 بالمائة. ومع ذلك ، فإن إمكانات النظام كبيرة. وفي يوم من الأيام يمكن أن تجعل الروبوتات أفضل في التعامل مع الأدوات وأكثر كفاءة في مهام مثل صناديق التعبئة.
وتجدر الإشارة إلى أن التجارب في هذا المجال لا تتوقف ، حيث جربت شركة OpenAI استخدام Dactyl باستخدام يد آلية لحل مكعب روبيك ببرنامج يعد خطوة نحو الذكاء الاصطناعي العام بعيدًا عن العقلية المشتركة لمهمة واحدة. ابتكر DeepMind نظام RGB-Stacking ، وهو نظام قائم على الرؤية يتحدى الروبوت لتعلم كيفية التقاط الأشياء وتجميعها.