رباتی که خط بریل را سریع تر از انسان می خواند

رباتی که خط بریل را سریع تر از انسان می خواند

به گزارش گروه هوش مصنوعی، یک سنسور رباتیک که در «دانشگاه کمبریج» ساخته شده و مبتنی بر هوش مصنوعی است، بعد از آموزش دیدن توانست خط بریل را دو برابر سریع تر از انسان بخواند.


به گزارش گروه هوش مصنوعی به نقل از ایسنا، گروهی از پژوهشگران انگلیسی یک سنسور رباتیک ساخته اند که از روش های مبتنی بر هوش مصنوعی استفاده می نماید تا خط بریل را حدودا دو برابر سریع تر از بیشتر انسان ها بخواند.
به نقل از ساینمگ، گروه پژوهشی «دانشگاه کمبریج»(University of Cambridge) از الگوریتم های یادگیری ماشینی برای آموزش دادن حرکت سریع روی خطوط متن بریل به سنسور رباتیک استفاده کردند. این ربات توانست خط بریل را با سرعت ۳۱۵ کلمه در دقیقه و با دقت نزدیک به ۹۰ درصد بخواند.
باآنکه ربات بریل خوان بعنوان یک فناوری کمکی توسعه نیافته است اما پژوهشگران می گویند حساسیت بالای مورد نیاز برای خواندن خط بریل، آنرا به یک آزمایش ایده آل در ساخت دست های رباتیک یا پروتزهایی با حساسیت نوک انگشتان انسان تبدیل می کند.
نوک انگشتان انسان به صورت قابل توجهی حساس هستند و به ما کمک می کنند تا اطلاعاتی را در مورد دنیای اطراف خود جمع آوری نماییم. نوک انگشتان ما می توانند تغییرات کوچک را در بافت یک ماده تشخیص دهند یا به ما کمک کنند تا بدانیم هنگام برداشتن یک جسم باید چقدر نیرو استفاده نماییم. برای مثال، برداشتن تخم مرغ بدون شکستن آن یا برداشتن توپ بولینگ بدون انداختن آن.
بازتولید این سطح از حساسیت در یک دست رباتیک با صرفه جویی کردن در انرژی، یک چالش بزرگ در حوزه مهندسی است. پژوهشگران لابراتوار پروفسور «فومیا آیدا»(Fumiya Iida) در دپارتمان مهندسی دانشگاه کمبریج کوشش می کنند چاره هایی را برای این مهارت ها و مهارت های دیگری عرضه کنند که برای انسان آسان اما برای ربات ها دشوار هستند.
«پارث پوتدار»(Parth Potdar) پژوهشگر ارشد این پروژه اظهار داشت: نرمی نوک انگشتان، یکی از دلایلی است که ما می توانیم اشیا را با فشار مناسب در دست بگیریم. برای ربات ها، نرمی یک خصوصیت مفید است اما اطلاعات زیادی هم باید از سنسور دریافت شوند و داشتن هر دو خصوصیت به صورت هم زمان، بخصوص هنگام برخورد داشتن با سطوح انعطاف پذیر یا تغییرشکل پذیر دشوار خواهد بود.
خط بریل یک آزمون ایده آل برای نوک انگشت ربات است چونکه از آن جهت که نقطه ها در هر الگوی حروف بسیار نزدیک به هم هستند، خواندن آن به حساسیت بالایی نیاز دارد. پژوهشگران از یک سنسور برای ساخت یک ربات بریل خوان استفاده کردند که خواندن انسان را با دقت بیشتری تقلید می کند.
«دیوید هاردمن»(David Hardman) از پژوهشگران این پروژه اظهار داشت: خوانندگان رباتیک خط بریل وجود دارند اما آنها فقط یک حرف را در هر مرتبه می خوانند و خواندن آنها مانند انسان ها نیست. بریل خوان های رباتیک موجود به یک روش ثابت کار می کنند. آنها الگوی یک حرف را لمس می کنند، آنرا می خوانند، از سطح فاصله می گیرند، باردیگر حرکت می کنند و روی الگوی حرف بعدی پایین می آیند. ما چیزی می خواهیم که واقع بینانه تر و بسیار کارآمدتر باشد.
سنسور رباتیکی که پژوهشگران در این پروژه استفاده کردند، دارای یک دوربین در نوک انگشت است و با استفاده از تلفیقی از اطلاعات دوربین و حسگرها می خواند. پوتدار اظهار داشت: این یک مشکل دشوار برای متخصصان رباتیک است چونکه پردازش تصویر زیادی باید صورت گیرد تا تاری حرکت را از بین ببرد و این به زمان و انرژی نیاز دارد.
این گروه پژوهشی، الگوریتم های یادگیری ماشینی را توسعه دادند تا خواننده رباتیک بتواند قبل از تشخیص دادن حروف با سنسور، تصاویر را محو کند. آنها الگوریتم را روی مجموعه ای از تصاویر واضح از خط بریل با تاری جعلی اعمال شده آموزش دادند. بعد از اینکه الگوریتم یاد گرفت حروف را محو کند، پژوهشگران از یک مدل بینایی کامپیوتری برای شناسایی و طبقه بندی کردن هر حرف استفاده کردند.
هنگامی که الگوریتم ها گنجانده شدند، پژوهشگران ربات خواننده خویش را با اعمال آن روی ردیف هایی از خطوط بریل آزمایش کردند. بریل خوان رباتیک در هر دقیقه توانست ۳۱۵ کلمه را با دقت ۸۷ درصد بخواند که دو برابر سریع تر و دقیق تر از یک بریل خوان انسان است.
هاردمن اظهار داشت: با عنایت به اینکه ما از الگوریتم تاری جعلی استفاده کردیم، حیرت انگیز بود که ربات چقدر در خواندن خط بریل دقیق عمل می کند. ما یک مبادله خوب را بین سرعت و دقت پیدا کردیم که در مورد خوانندگان انسانی هم صدق می کند.
پوتدار اظهار داشت: سرعت خواندن خط بریل، یک روش عالی جهت بررسی کردن پویایی عملکرد سیستم های سنسور لمسی است. بنابراین، یافته های ما می توانند کاربردهایی را فراتر از خط بریل داشته باشند و برای کارهایی مانند تشخیص دادن بافت های سطح یا لغزش ربات روی آنها اجرا شوند.
پژوهشگران امیدوارند که در آینده بتوانند این فناوری را در مقیاس یک دست یا پوست انسان بسازند. این پژوهش با پشتیبانی «برنامه توسعه پژوهش جهانی سامسونگ»(Samsung Global Research Outreach Program) انجام شد.
این پژوهش در مجله «IEEE Robotics and Automation Letters» به چاپ رسید.



1402/11/10
14:07:25
5.0 / 5
440
مطلب را می پسندید؟
(1)
(0)

تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب
لطفا شما هم نظر دهید
= ۳ بعلاوه ۱
گروه هوش مصنوعی
iagrp.ir - مالکیت معنوی سایت گروه هوش مصنوعی متعلق به مالکین آن می باشد