Paul Arnold tərəfindən , Phys.org

Lisa Lock tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Gündəlik əşyaların böyük forma variasiyasını həll edərək, formalar arasında tapşırıqların ötürülməsi. Müəllif: Cem Bilaloğlu

Bəzi robotları çaşdırmaq üçün çox şey lazım deyil. Maşın qutu kimi sadə bir əşyanı idarə etməkdə əla ola bilər, lakin banan kimi daha nizamsız bir forma ilə işləməyə çalışanda çox vaxt uğursuz olur.

Amma kömək əlinizdədir. İsveçrənin Lozanna Federal Texnologiya İnstitutunun (EPFL) və İdiap Tədqiqat İnstitutunun tədqiqatçıları robotlara qarşılaşdıqları hər hansı bir obyektin unikal həndəsəsini izləməyi öyrətməklə müxtəlif formaları daha etibarlı şəkildə idarə etməyə imkan verən yeni bir yanaşma hazırlayıblar.

Onların işi Science Robotics jurnalında dərc olunmuş məqalədə ətraflı şəkildə təsvir olunub .

Kartof soymaq, xiyar dilimləmək və ya qab yumaq kimi gündəlik işlər insanların əksəriyyəti üçün sadə və asandır və çox az düşünülmüşdür. Lakin robotlar üçün bu, bir sıra çətinliklər yaradır.

Adi formalarla işləyərkən robotlar əvvəlcədən müəyyən edilmiş yolları və sabit istiqamətləri izləyə bilərlər. Lakin fincanlar, meyvələr və alətlər kimi əşyalar həndəsələri, nisbətləri və səth əyriləri ilə fərqlənən bütün formalarda və ölçülərdə olur. Robotlar müxtəlif formalar və ya forma dəstləri üçün proqramlaşdırıla bilsə də, bir çox qeyri-müntəzəm obyektlər arasında ümumiləşdirmə aparmaq çətin olaraq qalır.Oyna

00:0002:06SəssizParametrlərPIPTam ekrana daxil olun

Gündəlik əşyaların həndəsəsinin xəritələşdirilməsi

Tədqiqat qrupu, robotların bizə təbii olaraq gələn bəzi tapşırıqları yerinə yetirməsinə imkan verən həndəsi cəhətdən şüurlu bir sistem hazırlayıb . Onlar robotların nizamsız obyektlər üzərində istiqamət xəritəsi qurması üçün bir yol hazırlayıblar ki, maşın daim səthin hər nöqtəsində necə hərəkət edəcəyini müəyyən edə bilsin.

Sistem, obyektin 3D görünüşünü çəkmək üçün stereo kameradan istifadə edir. Daha sonra bu görüntüləri robot qolu üçün bələdçi rolunu oynayan koordinatlar buludu yaratmaq üçün emal edir. Daha sonra, transfer adlanan bir proses vasitəsilə robot bir obyekt üzərində öyrəndiyi eyni bacarığı təkrar öyrədilmədən tamamilə fərqli bir formaya tətbiq edə bilər. Tədqiqat müəllifləri öz məqalələrində yazırdılar ki, “Təsviriminiz gündəlik obyektlərin böyük forma dəyişikliyini həll edərək formalar arasında tapşırıqların ötürülməsinə imkan verir”.

Nəticələr və gələcək inkişaf

Testlərdə tədqiqat qrupunun robotu, kamera məlumatları natamam olduqda belə, əvvəllər heç görmədiyi geniş çeşidli obyektlərin soyulması, dilimlənməsi və təmizlənməsi kimi tapşırıqları uğurla yerinə yetirdi. Sistem aldığı məlumatları hamarlamaq üçün riyazi prosesdən istifadə etdiyindən, robot kiçik səhvlərdən və ya 3D məlumatların itkin hissələrindən daha az təsirlənir.

“Hədəf obyektin nöqtə buludu və əsas nöqtələrində diffuziya proseslərini şərtləndirməklə, qismən və səs-küylü sensor məlumatlarının mövcudluğunda belə, bu lokal çərçivələri onlayn hesablamaq üçün hesablama baxımından səmərəli və möhkəm bir metod hazırladıq.”

Nəticələr yaxşı olsa da, komanda təkmilləşdirmə üçün yer olduğunu etiraf edir. Məsələn, sistem hazırda robot öz işinə başlamazdan əvvəl əl ilə etiketlənə bilən bir obyektdə bir neçə əsas məqamdan istifadə edir. Tədqiqatçılar gələcəkdə bu addımı avtomatlaşdırmağa ümid edirlər. Bundan əlavə, onlar texnologiyalarını toxunduqda formasını dəyişən daha mürəkkəb, yumşaq obyektlər, məsələn, süngərlər üzərində sınaqdan keçirmək istəyirlər.

Müəllifimiz Paul Arnold tərəfindən sizin üçün yazılmış, Lisa Lock tərəfindən redaktə edilmiş və Robert Egan tərəfindən faktlar yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Bu reportaj sizin üçün vacibdirsə, xahiş edirik ianə etməyi düşünün (xüsusilə aylıq). Təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .