वीडियो वास्तविक जीवन के 'ट्रांसफॉर्मर्स' रोबोट को दिखाता है, जिसे देखें, सोचें और ट्रांसफॉर्म करें

रोबोटिक की एक टीम ने अपरिहार्य भविष्य की दिशा में एक और कदम उठाया है, जहां वास्तविक जीवन है ट्रान्सफ़ॉर्मर हमारे बीच चलो।

मॉड्यूलर, ऑटोनॉमस रोबोट पर नया शोध बुधवार को प्रकाशित किया गया था जिसमें दिखाया गया है कि रोबोट अपने सामने आने वाली चुनौती के आधार पर अपने आकार को कैसे देख सकते हैं, सोच सकते हैं और बदल सकते हैं।

एक छह-व्यक्ति टीम ने इस शोध पत्र को प्रकाशित किया - "मॉड्यूलर रोबोट के साथ धारणा-प्रेरित स्वायत्तता के लिए एक एकीकृत प्रणाली" - पत्रिका में विज्ञान रोबोटिक्स । शोधकर्ताओं ने कॉर्नेल विश्वविद्यालय और पेंसिल्वेनिया विश्वविद्यालय से ओलावृष्टि की।

शोधकर्ताओं के शब्दों में, रोबोट यह कैसे करता है, इसके प्रमुख क्षेत्र हैं।

"अगर आपने देखा है तो बहुत सारे लोगों ने इसे फिल्मों में देखा है ट्रान्सफ़ॉर्मर या बिग हीरो 6, रोबोट जो अपना आकार बदल सकते हैं, ”इस सप्ताह के रोबोटों के बारे में यूनिवर्सिटी ऑफ पेनसिल्वेनिया के प्रोफेसर मार्क यिम ने कहा। "हमारे पास रोबोट के बहुत से उदाहरण हैं जो सीढ़ियों पर चलना या चढ़ना पसंद कर सकते हैं … लेकिन उन सभी चीजों को अलग-अलग किया गया था। यह पहली बार है जब हमारे पास वास्तव में एक ऐसी प्रणाली थी जो स्वायत्त रूप से इस सामान को कर सकती थी।"

पहला, यह रोबोट प्रणाली दुनिया भर में कैसे देखती है? यहां शोधकर्ता जोनाथन डुडेलिन हैं:

हम वास्तविक समय में रोबोट के वातावरण का 3-डी नक्शा बनाने और अनुभव करने के लिए हमारे सेंसर मॉड्यूल पर माउंट 3-डी कैमरा का उपयोग करते हैं, और फिर हमारे पास धारणा एल्गोरिदम का एक सूट है जो इस डेटा का उपयोग रोबोट जैसे चीजों को करने के लिए करता है। जहां अज्ञात क्षेत्रों का पता लगाना और रोबोट की क्षमताओं के संदर्भ में पर्यावरण को चिह्नित करना है।

और यह रोबोट प्रोटियो-ट्रांसफार्मर कैसे जानता है कि क्या आकार लेना है? फिर, यहाँ Daudelin:

यह सीढ़ियों या संकीर्ण दरारों, समतल क्षेत्रों, वगैरह को पहचान सकता है, और फिर उच्च स्तरीय योजनाकार इस जानकारी का उपयोग यह तय करने के लिए करता है कि लाइब्रेरी से कौन सी प्रविष्टियाँ, कौन सी क्रियाएँ, कौन से रोबोट आकार पर्यावरणीय परिस्थितियों को देखते हुए कार्यों को करने के लिए आवश्यक हैं।

तो, इस रोबोट के लिए आगे क्या है? शोधकर्ता तारिक तोसुन ने बताया श्लोक में ऐसी दो स्थितियाँ हो सकती हैं जहाँ इसका उपयोग किया गया हो: एक आपदा क्षेत्र - जो आमतौर पर रोबोटिक द्वारा इस्तेमाल किया जाने वाला परिदृश्य है - और एक विशिष्ट घर की हर रोज़ की स्थिति, कालीन और दृढ़ लकड़ी के फर्श और सीढ़ियों के साथ और शायद गंदे कपड़े धोने का ढेर भी।

"यदि आप एक आपदा क्षेत्र में जा रहे हैं, तो यह भी स्पष्ट नहीं हो सकता है कि वास्तव में आपके पास जाने से पहले कार्य क्या है? यदि आप एक ढह गई इमारत में जा रहे हैं, तो आप नहीं जानते कि यह अंदर की तरह दिखता है या क्या वहां ऐसे लोग हैं जिन्हें आप बचाव करना चाहते हैं, "तोसुन कहते हैं।

"तो एक रोबोट है जो वास्तव में बहुत बहुमुखी है उस परिदृश्य में उपयोगी हो सकता है क्योंकि यह अंदर जा सकता है, अपने परिवेश का आकलन कर सकता है और फिर एक छोटे से क्रेवास से गुजरने के लिए सांप बनना चुन सकता है या यहां तक ​​कि लोगों को गिरने वाले मलबे से बचाने के लिए एक आश्रय भी बन सकता है।" ऐसा कुछ।"

इन रोबोटों में घरेलू मददगार भी आ सकते हैं, टोसुन का कहना है:

थोड़ा कम उत्साहित उदाहरण या डोमेन सिर्फ लोगों के घरों के आसपास हो सकता है। यदि आप एक छोटा रोबोट रखना चाहते हैं जो किसी के घर में चल रहा है, तो वास्तव में हमारे घरों और कार्यालयों और इनडोर वातावरण में बहुत जटिल वातावरण है। अक्सर अव्यवस्था होती है, बहुत सारी अलग-अलग सतहों पर जो रोबोट को पीछे करने की आवश्यकता हो सकती है, और उदाहरण के लिए, इसकी क्षमता होती है, एक रोबोट में बदल जाती है - एक ऐसी आकृति जो सीढ़ियों पर चढ़ने के लिए अच्छी होती है जब आपको सीढ़ियों पर चढ़ने या जूमिंग की तरह अच्छा होता है यदि आपके पास सपाट फर्श है तो मंजिल के पार। यह एक घर में भी बहुत उपयोगी हो सकता है।

क्या कुछ है जो ये रोबोट अभी तक नहीं कर सकते हैं कि वे जल्द ही कर सकते हैं? यह नीचे आता है कि रोबोट कैसे सोचता है और यह कैसे मजबूत हो सकता है, शोधकर्ताओं का कहना है।

तोसुन बताता है श्लोक में कि मॉड्यूलर roobts लचीला होने में बहुत अच्छे हैं लेकिन वे बहुत मजबूत नहीं हैं; वे बहुत भारी वस्तुओं को नहीं उठा सकते। शोधकर्ता अपने मॉड्यूलर प्रकृति को अधिक शक्तिशाली उठाने वाले रोबोट या रोबोट के साथ जोड़ सकते हैं। मॉड्यूलर रोबोट का उपयोग संरचनाओं के निर्माण के लिए भी किया जा सकता है जो उन्हें बड़ी संरचनाओं को स्केल करने जैसी नई क्षमताओं में उपयोग करने में सक्षम करेगा।

अन्य दिलचस्प क्षेत्र जो मॉड्यूलर प्रोटो-ट्रांसफार्मर में सुधार कर सकता है, वह कृत्रिम बुद्धिमत्ता, या मशीन लर्निंग से संबंधित होगा। अभी, मॉड्यूलर रोबोट के पास स्थानीय स्तर पर संग्रहित करने के लिए निर्णयों या कार्यों की एक लाइब्रेरी है। यहाँ हाडस क्रेस-गज़िट, टीम के एक अन्य शोधकर्ता और कॉर्नेल में एसोसिएट प्रोफेसर हैं:

"वास्तव में एक दिलचस्प सवाल यह होगा कि हम इसे किसी तरह से स्वचालित कर सकते हैं?" श्लोक में । “तो क्या हम मशीन लर्निंग का उपयोग कर सकते हैं? क्या हम इन्हें बनाने में सक्षम होने के लिए अलग (एटमाइजेशन) एल्गोरिदम का उपयोग कर सकते हैं, या कम से कम एक उम्मीदवार के आकार और व्यवहार का एक सेट जो फिर से बड़े कार्यों को पूरा कर सकता है। इस तरह का एक दिलचस्प शोध प्रश्न है जिसे हम खोज रहे हैं।"