طور مجموعة من باحثي الذكاء الاصطناعي في جامعة ستانفورد “stanford university” ومعهد شنغهاي تشي تشي خوارزمية جديدة قائمة على الرؤية تساعد الكلاب الآلية على تسلق الأجسام العالية، والقفز عبر الفجوات، والزحف تحت العتبات، والضغط عبر الشقوق – ثم الانطلاق إلى التحدي التالي. تمثل الخوارزمية أدمغة الكلب الآلي.
وقالت تشيلسي فين، الأستاذة المساعدة في علوم الكمبيوتر والمؤلفة الرئيسية لورقة بحثية جديدة عن الكلاب الآلية: “إن الاستقلالية ومجموعة المهارات المعقدة التي تعلمها روبوتنا رباعي الأرجل أمر مثير للإعجاب للغاية”. “ولقد قمنا بإنشائه باستخدام روبوتات جاهزة للاستخدام ومنخفضة التكلفة – في الواقع، روبوتان مختلفان جاهزان للاستخدام.”
الروبوت الكلب الذي طوره المؤلفون مستقل، مما يعني أنه يمكنه تقييم التحديات الجسدية وأداء مجموعة متنوعة من مهارات خفة الحركة بناءً على العقبات التي يواجهها.
قال زيبينج: “ما نقوم به هو الجمع بين الإدراك والتحكم، باستخدام الصور من كاميرا عميقة مثبتة على الروبوت والتعلم الآلي لمعالجة كل تلك المدخلات وتحريك الأرجل من أجل تجاوز العوائق وتحتها وحولها”. فو، المؤلف الأول للدراسة.
وقال فو: “تتمتع الروبوتات لدينا بالرؤية والاستقلالية – الذكاء الرياضي اللازم لمواجهة التحدي والاختيار الذاتي وتنفيذ مهارات الباركور بناءً على متطلبات اللحظة”.
أجرى الفريق سلسلة من التجارب باستخدام الروبوتات في العالم الحقيقي لإثبات نهجهم الجديد في خفة الحركة في بيئات صعبة للغاية. لقد اعتمدوا فقط على أجهزة الكمبيوتر الجاهزة للاستخدام، وأجهزة الاستشعار البصرية، وأنظمة الطاقة الخاصة بالكلاب الآلية. وكشفت نتائج التجارب أن الكلاب الآلية المحدثة كانت قادرة على تسلق العوائق التي يزيد ارتفاعها عن مرة ونصف، والقفز فوق فجوات أكبر من طولها مرة ونصف، والزحف تحت الحواجز بمقدار ثلاثة أرباعها. من ارتفاعهم، ويميلون أنفسهم للمرور من خلال شق أضيق من عرضهم.
قام الباحثون أولاً بتجميع الخوارزمية وتحسينها باستخدام نموذج حاسوبي ثم نقلها إلى الروبوتين الواقعيين. بعد ذلك، خضعت الروبوتات للتعلم المعزز، حيث حاولوا المضي قدمًا بأي طريقة ممكنة وتمت مكافأتهم بناءً على أدائهم. هذه هي الطريقة التي تعلمت بها الخوارزمية أفضل نهج لمواجهة التحديات الجديدة.
ومع ذلك، فإن معظم أنظمة مكافأة التعلم المعزز الحالية تتضمن عددًا كبيرًا جدًا من المتغيرات، مما قد يؤدي إلى إبطاء الأداء الحسابي. ولذلك، فإن عملية المكافأة المبسطة المستخدمة في لعبة الباركور الروبوتية تعتبر استثنائية ومباشرة بشكل مدهش.
يخطط الباحثون الآن للاستفادة من التطورات في الرؤية والرسومات ثلاثية الأبعاد لتقديم بيانات العالم الحقيقي إلى بيئاتهم المحاكاة سيؤدي هذا إلى جلب مستوى جديد من الاستقلالية في العالم الحقيقي إلى الخوارزمية الخاصة بهم.
via: Stanford University
