ربات‌ها صدای محیط را می‌شنوند!
محققان دانشگاه استنفورد پلتفرم شبیه‌سازی جدیدی ساخته‌اند که به ربات‌ها کمک می‌کند تا بتوانند صدای محیط‌های واقعی را بشنوند.
دیجیاتو نوشت: محققان دانشگاه استنفورد پلتفرم شبیه‌سازی جدیدی ساخته‌اند که به ربات‌ها کمک می‌کند تا بتوانند صدای محیط‌های واقعی را بشنوند.
امروزه پلتفرم‌های زیادی برای آموزش ربات‌ها وجود دارند، ولی اکثر آن‌ها فاقد صداهای محیط واقعی هستند. اکنون پژوهشگران پلتفرم جدیدی ساخته‌اند که عناصر صوتی و تصویری جهان واقعی در آن شبیه‌سازی شده است و می‌تواند در تعلیم ربات‌ها بسیار مفید و موفق باشد.
محققان دانشگاه استنفورد پلتفرمی موسوم به Sonicverse ساخته‌اند که می‌تواند حالتی شبیه‌سازی‌شده از حس‌های تصویری و صوتی مختلف را برای تمرین ربات‌ها ارائه کند. این پلتفرم با ارائه اجزای بصری و صوتی در محیط، فضایی واقع‌گرایانه‌تر را فراهم می‌آورد و موجب می‌شود تا ربات‌ها برای دنیای واقعی آماده‌تر شوند.
«روهان گائو» که از محققان حاضر در این پژوهش بوده است، می‌گوید: «امیدواریم برخلاف تلاش‌های قبلی نشان دهیم که ربات‌ها با تعلیم‌یافتن در این شبیه‌سازی می‌توانند به‌طور موفق در محیط‌های چالش‌برانگیز جهان واقعی مسیریابی صوتی-تصویری داشته باشند.»
پلتفرم Sonicverse چیست و چه فایده‌ای برای ربات‌ها دارد؟
Sonicverse یک پلتفرم شبیه‌سازی چندحسی است که رندرینگ صوتی پیوسته در محیط‌های سه‌بعدی را به‌صورت آنی مدل‌سازی می‌کند. این پلتفرم می‌تواند محلی برای آزمایش ابزارهای هوش مصنوعی و ربات‌هایی باشد که نیازمند ادراک صوتی-تصویری هستند.
محققان پلتفرم خود را با ربات onTurtleBot آزمایش کردند که توسط Wilow Garage ساخته شده است. گائو می‌گوید: «ما واقع‌گرایی Sonicverse را از طریق انتقال شبیه‌سازی‌ها به جهان واقعی نشان دادیم. این مهم تاکنون توسط سایر شبیه‌سازهای صوتی-تصویری حاصل نشده بود.»
دانشمندان از این آزمایش نتیجه گرفته‌اند که پلتفرم شبیه‌سازی آن‌ها می‌تواند ربات‌ها را به نحوی آموزش دهد که بتوانند با استفاده از محرک‌های صوتی و تصویری به‌شکلی مؤثرتر وظایف خود را در جهان واقعی انجام دهند.
گائو درباره پلتفرم Sonicverse توضیح می‌دهد: «یادگیری توکار با شیوه‌های حسی متعدد پتانسیل این را دارد که کاربردهای جدید بسیاری را برای ربات‌های خانگی آینده فراهم کند. در مطالعات بعدی می‌خواهیم اشیا چندحسی را به این شبیه‌ساز بیاوریم تا بتوانیم سیگنال‌های چندحسی را در دو سطح فضا و شیء مدل‌سازی کنیم، و همچنین سایر شکل‌های حسی نظیر لامسه را هم در این سیستم پیاده‌سازی نماییم.»
نتیجه این تحقیق به‌صورت پیش‌چاپ در وب‌سایت arXiv منتشر شده است.
ارسال نظر