به گزارش ایسنا به نقل از اس‌اف، این دستگاه به فرمان‌های صوتی پاسخ می‌دهد، فضای داخلی خانه را نقشه‌برداری می‌کند و می‌تواند از اشیای بسیار ظریف با وزن تنها۱۰ گرم گرفته تا اشیای رایج خانگی با وزن بیش از ۴۰۰ گرم را جابه‌جا کند. در آزمایش‌های انجام شده، این ربات موفق شد بدون له کردن یا آسیب رساندن، پرتقال، بطری، خرس عروسکی و کیسه زباله را بردارد.
قابلیت‌های خودکار این ربات به آن امکان می‌دهد که به‌طور مستقل وظایف مختلفی از جمله جمع‌آوری اشیاء و تعامل‌های سرگرم‌کننده را انجام دهد.
این ربات روی سه چرخ حرکت می‌کند و از فناوری لیدار (LiDAR) دوبعدی استفاده می‌کند؛ همان فناوری لیزری که در خودروهای خودران وجود دارد، اما برای ناوبری داخلی تطبیق داده شده است. ویژگی برجسته آن سکوی بالابرنده‌ای است که تقریبا تا ۴۵ سانتی‌متر بالا و پایین می‌رود، و به بازوی مکانیکی اجازه می‌دهد تا به اشیایی روی زمین، میزهای قهوه‌خوری یا مبل‌ها دسترسی پیدا کند.
به‌جای استفاده از چنگک‌های فلزی سفت که ممکن است به کودکان یا حیوانات خانگی آسیب بزند، این ربات از آنچه پژوهشگران «چنگک بادی انعطاف‌پذیر» می‌نامند استفاده می‌کند. این سامانه از سه انگشت نرم و بادی تشکیل شده که با فشار هوا کنترل می‌شوند. وقتی ربات نیاز به برداشتن چیزی دارد، یک سوپاپ هوا باز می‌شود تا انگشت‌ها را باد کند، و باعث می‌شود به‌آرامی دور شی خم شوند.
سامانه بینایی ربات از یک دوربین عمق‌سنج تشکیل شده که حدود ۲۳ سانتی‌متر با سطح زمین فاصله دارد. این ارتفاع، دید وسیعی در اختیار آن قرار می‌دهد تا اشیاء را تشخیص دهد و در عین حال از برخورد با بازوی مکانیکی جلوگیری کند. هوش مصنوعی پیشرفته، تصاویر دریافتی را پردازش می‌کند تا اشیای مختلف خانگی را شناسایی و بهترین مسیر برای رسیدن به آن‌ها را محاسبه کند.
ربات می‌تواند بدون وقفه در اتاق‌ها حرکت کند، از موانع دوری کند و به‌تنهایی به مکان‌های مشخص‌شده برسد. این ویژگی برای کارهایی مثل جمع‌کردن اسباب‌بازی‌های پخش‌شده در خانه یا آوردن وسایل از اتاق‌های مختلف بسیار مهم است.
پژوهشگران ربات را با هشت وسیله رایج خانگی آزمایش کردند که شامل پرتقال، کاسه، بطری، خرس عروسکی، کتاب، چتر، کیف‌دستی و گلدان بود. این اشیاء وزنی از ۱۰ گرم برای کیسه زباله سبک تا ۱.۰۵ کیلوگرم برای گلدان داشتند. با این حال، آزمایش‌های برداشتن اجسام روی موارد سبک‌تر تمرکز داشتند و سنگین‌ترین شیئی که با موفقیت برداشته شد، بطری ۲۵۰ گرمی بود.
دقت شناسایی اشیاء به‌طور قابل‌توجهی بسته به نوع شی و فاصله متفاوت بود. خرس‌های عروسکی در تمام فاصله‌ها بالاترین نرخ شناسایی را داشتند، در حالی که کتاب‌ها چالش‌برانگیزترین بودند، چون وقتی صاف خوابیده‌اند یا به‌صورت ایستاده قرار گرفته‌اند، ظاهرشان متفاوت است. به‌طور کلی، ربات هرچه به اشیاء نزدیک‌تر می‌شد، عملکرد بهتری در هنگام برداشتن آن‌ها داشت.
در آزمایش‌های تشخیص گفتار، پنج نفر بین ۱۶ تا ۵۵ سال شرکت داشتند و هرکدام در شرایط مختلف ۳۰ بار فرمان‌ها را تکرار کردند. در محیط‌های آرام، دقت تشخیص ربات بین ۸۳.۸ درصد تا ۸۵ درصد بود، ولی با اضافه‌شدن نویز محیطی، این میزان به کمی بیش از ۷۵ درصد کاهش یافت.
اندازه‌گیری‌های فاصله معمولا در محدوده پنج میلی‌متر تا دو سانتی‌متر از مکان واقعی اشیاء بسیار دقیق بودند. این دقت به بازوی مکانیکی اجازه می‌داد تا چنگک را در موقعیت مناسب برای برداشتن قرار دهد.
تمام آزمایش‌ها در شرایط آزمایشگاهی استریل انجام شد، نه در هرج‌ومرج زندگی واقعی در خانه‌ها. خانه‌های واقعی پیچیدگی‌هایی دارند که محیط‌های کنترل‌شده نمی‌توانند بازسازی کنند برای مثال حیوانات خانگی که ناگهان وارد صحنه می‌شوند، اسباب‌بازی‌هایی که زیر مبلمان گیر می‌افتند، نور متغیر در طول روز، و غیرقابل‌پیش‌بینی بودن کلی زندگی خانوادگی.
این ربات در حال حاضر در مرحله نمونه اولیه قرار دارد. آزمایش‌ها عمدتا در محیط‌های کنترل‌شده مانند آزمایشگاه‌ها انجام شده‌اند تا ارزیابی دقیق عملکرد میسر شود.
ربات محدودیت‌های فیزیکی نیز دارد. تنها می‌تواند از درگاه‌هایی عبور کند که عرض آن‌ها بیش از ۵۰ سانتی‌متر باشد. عمر باتری، هزینه‌های نگهداری و دوام هنوز بررسی نشده‌اند، هرچند آرایه پیچیده‌ای از حسگرها و قطعات مکانیکی احتمالا نیاز به نگهداری مکرر دارند و هزینه‌ای بالا خواهند داشت.
عملکرد تشخیص گفتار در محیط‌های پر سر و صدا نیز مانعی دیگر است. خانه‌هایی با صدای تلویزیون، مکالمات یا بازی کودکان ممکن است توانایی ربات در درک فرمان‌ها را دقیقا زمانی که خانواده‌ها بیشترین نیاز را دارند، به‌طور جدی محدود کنند.
با وجود محدودیت‌های فعلی، این پژوهش گامی معنادار به‌سوی ربات‌های خانگی کاربردی به‌حساب می‌آید. بیشتر ربات‌های خانگی کنونی بر یک وظیفه خاص مانند جاروبرقی یا چمن‌زنی تمرکز دارند. ماشینی با توانایی جمع‌آوری و مرتب‌سازی اشیاء، پیشرفتی قابل‌توجه محسوب می‌شود.
پژوهشگران قصد دارند مدل‌های زبانی بزرگ مانند چت جی‌پی‌تی را با سامانه گفتاری ربات ترکیب کنند، که احتمالا امکان مکالمات طبیعی‌تر و اجرای دستورهای پیچیده‌تر از فرمان‌هایی ساده مثل «اسباب‌بازی را بردار» را فراهم خواهد کرد.
پژوهش‌های آینده بر بهبود دقت شناسایی اشیاء و یکپارچه‌سازی مدل‌های زبانی بزرگ برای ارتقای درک معنایی تمرکز خواهد داشت.
- 17
- 2
