Αν και ένα τέτοιο «όραμα» φαντάζει ενδεχομένως «τραβηγμένο» και πιθανότητα δυσοίωνο, είναι ίσως ο καλύτερος παραλληλισμός που μπορεί να χρησιμοποιήσει κανείς για να περιγράψει τη δουλειά ερευνητών που ανέπτυξαν μία τεχνική
η οποία επιτρέπει σε ένα ρομπότ που έχει υποστεί ζημιές σε ένα πόδι να «μάθει» να περπατάει ξανά μέσα σε μικρό χρονικό διάστημα, βάσει των νέων δεδομένων, χάρη σε «έξυπνη» μέθοδο «trial and error».
Όπως αναφέρεται σε σχετική δημοσίευση στο Arxiv, οι ερευνητές (Αντουάν Κάλι και Ζαν Μπατίστ Μουρέ του Sorbonne University στο Παρίσι και Τζεφ Κλουν του University of Wyoming) υποστηρίζουν ότι η δουλειά τους έχει ιδιαίτερη σημασία για την αξιοπιστία και την ανθεκτικότητα των μελλοντικών ρομπότ, ενώ παράλληλα παρέχει μια επιπλέον «ματιά» πάνω στον τρόπο με τον οποίο τα ζώα προσαρμόζονται σε έναν τραυματισμό.
Το ζήτημα του να «μαθαίνει» ένα πλάσμα να περπατάει όταν ένα πόδι του αχρηστεύεται είναι ιδιαίτερα σύνθετο, καθώς περιλαμβάνει πολλές παραμέτρους, όπως η γωνία του κάθε ποδιού στο σημείο όπου κάμπτεται, η θέση της κάθε άρθρωσης ανά πάσα στιγμή, η ταχύτητα και επιτάχυνσή τους, η ώρα που περνά το πόδι σε επαφή με το έδαφος κ.α. Οπότε η εύρεση ενός νέου και αποτελεσματικού τρόπου βαδίσματος προϋποθέτει μια αναζήτηση σε πολλές «διαστάσεις».
Αυτό που έκαναν ο Κάλι και οι συνεργάτες του ήταν να μειώσουν τις παραμέτρους που πρέπει να ληφθούν υπόψιν, υπολογίζοντας πολλές από αυτές πριν το ρομπότ υποστεί τη ζημιά και χρησιμοποιώντας αυτούς τους υπολογισμούς για να μειώσουν τις «διαστάσεις» του «χώρου των παραμέτρων». Αυτό σημαίνει ότι όταν το ρομπότ «τραυματίζεται» μπορεί να ψάξει εκεί και να βρει έναν καινούριο τρόπο βαδίσματος γρήγορα, μαθαίνοντας γρήγορα να ξαναπερπατά.
Ο Κάλι και οι συνεργάτες του δοκίμασαν την τεχνική σε ένα εξάποδο ρομπότ, το οποίο διαθέτει 18 μοτέρ για τα έξι του πόδια. Το βάδισμά του εξαρτάται από 36 διαφορετικές παραμέτρους, ενώ διαθέτει έναν ενσωματωμένο υπολογιστή και μία κάμερα βάθους για να υπολογίζει την ταχύτητα βαδίσματός του, με στόχο το να περπατά όσο το δυνατόν πιο γρήγορα. Πριν προβούν στη δοκιμή, υπολόγισαν ένα «ρεπερτόριο» περίπου 13.000 διαφορετικών «βαδισμάτων», χωρίς ωστόσο να τα αξιολογήσουν: το ρομπότ δεν ξέρει πόσο αποτελεσματικό είναι το καθένα από αυτά όταν πάθει συγκεκριμένες ζημιές- σε αυτή τη διαδικασία προβαίνει αφού υποστεί τις ζημιές.
Έχοντας υπολογίσει όλα αυτά τα δεδομένα, ο Κάλι και η ομάδα του μείωσαν τον όγκο των δεδομένων διατηρώντας ως βασικό ένα: το πόσο χρόνο κάθε πόδι περνά σε επαφή με το έδαφος- και αυτό απλοποίησε ακόμα περισσότερο τη διαδικασία επιλογής «βαδίσματος» όταν ένα πόδι έχει «τραυματιστεί». Οπότε όταν το ρομπότ υποστεί τελικά τη ζημιά, έχει να επιλέξει από ένα υποσύνολο το οποίο ελαχιστοποιεί τον συγκεκριμένο χρόνο, διαλέγοντας τελικά μέσα σε μικρό χρονικό διάστημα το καλύτερο δυνατό «βάδισμα», μέσα σε χρόνο που κυμαίνεται από δευτερόλεπτα μέχρι δύο λεπτά. Κάποια από αυτά που επελέγησαν ήταν απρόσμενα- για παράδειγμα σε μία περίπτωση το ρομπότ απέφυγε να χρησιμοποιήσει τα πόδια του γενικότερα, «προτιμώντας» να γυρίσει στην «πλάτη» του και να κινείται προς τα εμπρός με τους «ώμους» του.
Σύμφωνα με τους ερευνητές, η τεχνική αυτή θα ανοίξει τον δρόμο για πιο ανθεκτικά, αποτελεσματικά και αυτόνομα ρομπότ, ενώ παράλληλα επιτρέπει και την περαιτέρω εξέταση του τρόπου με τον οποίο τα ζώα προσαρμόζονται στους τραυματισμούς τους. Προφανώς τα ζώα δεν χρησιμοποιούν κάποιον αλγόριθμο αντίστοιχο αυτού που ανέπτυξε η ομάδα, ωστόσο, ακριβώς όπως αυτά, το ρομπότ δεν έχει κάποια προκαθορισμένη στρατηγική για το πώς να αντιμετωπίσει έναν τραυματισμό- ωστόσο χρησιμοποιεί «ένστικτα» σχετικά με το πώς το σώμα του λειτουργεί για να βρει έναν νέο τρόπο βαδίσματος, μέσω «έξυπνου» trail and error.
naftemporiki.gr
0 Σχόλια