تماشای گربه رباتیک با چیپ الهام گرفته از مغز که یک موش رباتیک را تعقیب می کند

بازی رباتیک گربه و موش نشان می دهد که چگونه تراشه های عصبی الهام گرفته از مغز می توانند به ربات های کوچک اجازه دهند تا بدون استفاده از نیروی زیاد تصمیم بگیرند.

توسط جرمی هسو

این بازی ربات موش و گربه آزمایشگاهی، نگاهی به احتمالات آینده ربات‌هایی که مأموریت‌های جستجو و نجات یا بررسی حیات وحش را بدون راهنمایی‌های انسانی زیادی انجام می‌دهند، ارائه می‌دهد.

ربات Tianjicat که توسط محققان دانشگاه Tsinghua در چین ساخته شده است، از یک تراشه محاسباتی الهام گرفته از مغز به نام TianjicX استفاده می کند. به اصطلاح تراشه عصبی می تواند به طور همزمان چندین فناوری هوش مصنوعی را به شیوه ای کارآمد اجرا کند. این نمونه ای از آزمایشات با سیستم های عصبی است که می تواند به ربات های کوچک اجازه دهد تا با استفاده از قدرت محاسباتی و منابع محدود تصمیم گیری کنند.

محققان ربات Tianjikat را به چالش کشیدند تا ربات دیگری را تعقیب کند که قرار بود به طور تصادفی در اتاقی پر از موانع حرکت کند. این امر مستلزم این بود که Tianjicat ربات موش را با استفاده از تشخیص بصری و تشخیص صدا ردیابی کند و بهترین مسیر را برای شکار طعمه ادعایی بدون برخورد با چیزی پیدا کند. این تیم می‌گوید تراشه TianjicX در مقایسه با یک تراشه NVIDIA که برای محاسبات هوش مصنوعی طراحی شده است، میزان توان مورد نیاز برای یک ربات گیره‌دار را برای تصمیم‌گیری در طول تعقیب و گریز به نصف کاهش می‌دهد.

انجام تعقیب گربه و موش برای اکثر ربات‌های تجاری که معمولاً از رویه‌های قابل پیش‌بینی در انبارها یا کارخانه‌ها پیروی می‌کنند، یک مرحله دشوارتر خواهد بود. بسیاری از روبات‌هایی که با محیط‌های پیچیده‌تر و غیرقابل پیش‌بینی‌تر تعامل دارند، به کنترل از راه دور توسط اپراتورهای انسانی متکی هستند، یا باید ارتباطات بی‌سیم را با مراکز داده از راه دور که قدرت محاسباتی برای تصمیم‌گیری فشرده‌تر دارند، حفظ کنند.

تشخیص اینکه تراشه TianjicX چقدر در برابر سایر سیستم‌های عصبی از این نمایش آزمایشگاهی خوب است، سخت است. چندین محقق رباتیک و دانشمندان علوم اعصاب در سراسر جهان با رویکرد سیستم عصبی برای طراحی تراشه های رایانه ای آزمایش کرده اند تا از نزدیک نحوه عملکرد مغز بیولوژیکی را تقلید کنند.

با این حال، سیستم های عصبی هنوز به طور گسترده تجاری نشده اند. اما اندازه، وزن و قدرت نسبتاً کم مورد نیاز می تواند مزایای عملی را برای استقرار روبات ها فراهم کند.

جفری کرچمار از دانشگاه کالیفرنیا در ایروین می‌گوید: «برای رباتیک، این بسیار مهم است، زیرا به سیستم اجازه می‌دهد تا برای مدت طولانی‌تری در محیط‌های صعب العبور با استقلال بیشتر کار کند.

مرجع مجله: علم رباتیک، DOI: 10.1126 / scirobotics.abk2948