معلومات

علمت الروبوتات التفكير قبل التصرف

علمت الروبوتات التفكير قبل التصرف


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

ركز العمل النظري على استخدام الحوسبة الكمية لتسريع التعلم الآلي / SINC المصدر: Eurekalert

تتزايد أعداد الروبوتات في حياتنا اليومية ، من خلال تولي مهام بسيطة حول المنزل وفي الأعمال التجارية. خلال مهامهم ، تواجه هذه الروبوتات مجموعة واسعة من الأشياء المفصلية ، مثل الأدوات والخزائن والأدراج والأشياء الأخرى المفصلية. تقدم هذه الكائنات عددًا لا حصر له من الترتيبات والوضعيات الممكنة ، ويتعين على الروبوتات أن تميز بسرعة جميع الاختلافات الممكنة في الأوضاع لتحريك أو استرداد الأشياء في هذه المساحات.

ذات صلة: تفتح NVIDIA معملًا بحثيًا جديدًا لتعليم الروبوتات للعمل بأمان مع البشر

تظل المشكلة تتعلق بكيفية تعليم الروبوت كل هذه الاختلافات المحتملة في الوضعيات ، وكيف يمكنه أن يتنقل في طريقه من خلال البيئات المزدحمة وغير المخطط لها.

من أجل تحسين الإدراك الآلي ، أنشأ علماء من جامعة ميشيغان في آن أربر ، بقيادة كارثيك ديسينغ ، خوارزمية منهجية تحسب وتقدير الأوضاع المحتملة المختلفة للأجسام المشتركة. بتكثيف ، تعلم الخوارزمية الروبوت تنسيق أفعاله. المقال عن البحث "نشر المعتقدات اللامعلمية الفعالة لتقدير الأوضاع والتلاعب بالأشياء المفصلية"تم نشره في هذا الأسبوععلوم الروبوتات مجلة.

تفكر الروبوتات قبل التصرف

في النهاية ، سيكون هذا مفيدًا للغاية وسيحسن خدمة روبوتات المستودعات أو الروبوتات المنزلية ، حيث ستزداد قدرتها على التفاعل والتحرك حول الأشياء والأدوات المشتركة بشكل كبير.

من أجل التحرك بسرعة حول المطبخ وخزاناته ، يجب على الروبوت أن يفهم ويعرف نطاق وضعيات الخزانة (إغلاق وفتح الأدراج ، على سبيل المثال) ، من خلال ممارسة مجموعة محددة من الحركات.

التحدي؟ الاختلاف في القاعدة.

على سبيل المثال: إذا كانت منشفة المطبخ متناثرة على الأدراج أو الخزانة ، فإن الروبوت لم يعد يتعرف على الشيء ولا يعرف أي حركة يجب القيام بها بعد ذلك.

بفضل الخوارزمية الجديدة ، سيتمكن الروبوت الآن من أخذ ذلك في الاعتبار ، والتعامل مع جميع الاختلافات الممكنة في الوضع وسيظل قادرًا على الالتفاف حوله ومعرفة كيفية العمل في البيئة المزدحمة وحولها. لم يكن هذا هو الحال سابقا.

فهم الخوارزمية

أنشأ Desingh وزملاؤه الخوارزمية ، المسماة PMPNBP ، والتي تصوغ متغيرات عشوائية تشكل خيارات مختلفة لسلسلة من تقييمات الوضع. يستخدم الفهم المسبق للروبوت للقيام بذلك.

في الوقت الحاضر ، يتم استخدام 100 تكرار مميز من خلال PMPNBP ، مما يترك مساحة للعديد من مناديل الصحون التي يتم رميها بطريقة الخزانة.

مفتاح نجاح PMPNBP؟ ذكر باحثوها أنه يرجع إلى ملاحظاته الجزئية لتدوير الكائن الكامل للممتلكات المفترضة. إنه أكثر دقة ومنهجية عندما يتم تقدير أوضاع الأجسام المفصلية ، والقفز قليلاً قبل PAMPAS ، وهي طريقة موجودة مسبقًا.


شاهد الفيديو: 7 سيارات التحول الحقيقي كنت لا تعرف (قد 2022).


تعليقات:

  1. German

    آمل أن يكون الغد ...

  2. Brar

    أنا لا أفهم تماما ما تعنيه؟

  3. Arturo

    شكراً جزيلاً.

  4. Faing

    مرحبًا ، ذهبت إلى مشروعك من Yandex وبدأت Kaspersky في التقسيم في الفيروسات = ((



اكتب رسالة