ربات‌های انسان‌نما در سال گذشته در کانون توجه قرار گرفته‌اند و شرکت‌هایی برای عرضه محصولات انسان‌نمای خود صف کشیده‌اند. بیشتر آنها ظاهری انسان‌نما دارند و از دست‌ها و پنجه‌ها برای دست زدن به اجسام و پاهای سخت به عنوان راه راه رفتن استفاده می‌کنند.
اما اخیراً مؤسسه تحقیقاتی تویوتا ژاپن (TRI) ربات جدیدی به نام Punyo را راه اندازی کرد و ابراز امیدواری کرد که Punyo ربات های انسان نما را به جلو سوق دهد.
Punyo در مفهوم طراحی و روش های عملیاتی روبات ها نوآورانه است. این ربات پا ندارد و تا کنون، تیم TRI روی تنه ربات کار کرده و مهارت های دستکاری را توسعه داده است.
مفهوم طراحی: خدمت به زندگی روزمره انسان
ربات های صنعتی سنتی بیشتر در عملیات کارگاهی، مونتاژ و سایر وظایف برای بهبود راندمان تولید و کاهش شدت کار استفاده می شوند. در آینده، ربات‌های خدماتی ممکن است وارد خانه‌های بیشتری شوند و مستقیماً با نیازهای روزانه مردم عادی روبرو شوند و به آنها خدمت کنند.
محققان TRI گفتند هدف Punyo تبدیل شدن به رباتی است که "به افراد کمک می کند کارهای روزانه را در خانه و جاهای دیگر انجام دهند."
این مفهوم طراحی مشخص می کند که Punyo باید انعطاف پذیر، نرم و ایمن باشد. زیرا برای ورود به محیط پیچیده و متغیر خانه نمی توان مانند یک ربات صنعتی سنتی بازوی مکانیکی سخت و سفت و سختی وجود داشت. در غیر این صورت، احساس خطر را در افراد ایجاد می کند و انجام وظایف عملیاتی اقلام مختلف روزانه را غیرممکن می کند. این تا حدودی شبیه به ایده طراحی ربات Pepper SoftBank است که بر نحوه ادغام بیشتر روبات ها در زندگی انسان تمرکز دارد.
برنامه های کاربردی سرویس گرا همچنین به Punyo نیاز دارند که انواع مهارت های روزانه را بیاموزد، نه اینکه فقط یک عملیات را در خط مونتاژ کارخانه انجام دهد. این امر مستلزم دادن قابلیت‌های یادگیری قوی به روبات‌ها و تسلط بر روش‌های عملیاتی وظایف مختلف روزانه با مشاهده و تقلید از نمایش‌های انسانی است.
برای روبات‌های انسان‌نما، دستکاری با استفاده از کل بدن دشوار است، زیرا تعادل یک چالش است. با این حال، محققان TRI ربات خود را برای انجام این کار طراحی کردند.
Andrew Beaulieu، یکی از سرنخ های فنی TRI برای دستکاری تمام بدن، اضافه کرد: "Punyo کارها را متفاوت انجام می دهد. با استفاده از کل بدن خود، می تواند بسیار بیشتر از فشار دادن ساده با دست دراز شده را حمل کند." نرمی، حساسیت لمسی و توانایی برقراری تماس زیاد، دستکاری بهتر اجسام را تسهیل می کند.
بدنه نرم و سخت
برای دستیابی به یک طراحی ربات انعطاف پذیر و نرم، TRI از یک طراحی بازوی مکانیکی استفاده کرد که سخت و نرم را ترکیب می کند. دست‌ها، بازوها و سینه پونیو با مواد سازگار و حسگرهای لمسی پوشانده شده‌اند که هر دو تماس بیرونی را حس می‌کنند و مواد نرم به بدن ربات اجازه می‌دهند تا با اشیایی که دستکاری می‌کند مطابقت داشته باشد.
این یک ایده طراحی معمولی برای بسیاری از ربات های نرم فعلی است.
در همان زمان، در زیر پوسته نرم، Punyo همچنین دو بازوی مکانیکی "سخت" را به عنوان تکیه گاه های اسکلتی، و همچنین یک قاب بالاتنه و محرک کمر را برای پشتیبانی مکانیکی و کنترل دقیق حفظ می کند. این ترکیب از طراحی سخت و نرم، مزایای مکانیکی ربات های سنتی را با ویژگی های نرم ربات های نرم ترکیب می کند.
به طور خاص، کیسه‌های هوا در بازوهای Punyo می‌توانند فشار داخلی را تنظیم کنند تا در صورت نیاز سخت‌تر یا نرم‌تر شوند. ضمن اطمینان از استحکام مکانیکی خاصی، حدود 5 سانتی متر انطباق را نیز فراهم می کند. "پنجه" همچنین از طراحی کیسه هوای لاتکس با اصطکاک بالا استفاده می کند. دوربین در کف دست با مشاهده تغییر شکل سطح کیسه هوا می تواند اندازه نیروی خارجی را حس کند. کل بازو را می توان خم کرد و چرخاند و کیسه های هوا به یکدیگر متصل می شوند که باعث می شود نیرو به آرامی منتقل شود و از «شکستن بازو» ربات جلوگیری می کند.
توانایی یادگیری قوی
برای انطباق با وظایف در حال تغییر در محیط خانه، Punyo باید توانایی های یادگیری قوی داشته باشد.
طبق گفته تیم TRI، Punyo با استفاده از دو روش، یک خط مشی غنی از تماس را یاد گرفت: استراتژی انتشار و یادگیری تقویتی با هدایت مثال. TRI سال گذشته رویکرد خود را برای سیاست اشاعه اعلام کرد. با این رویکرد، ربات‌ها از نمایش‌های انسانی برای یادگیری استراتژی‌های حسی-حرکتی قوی برای کارهای دشوار مدلسازی استفاده می‌کنند.
یادگیری تقویتی هدایت شده با مثال رویکردی است که نیازمند مدلسازی یک کار در یک شبیه سازی و هدایت اکتشاف ربات از طریق مجموعه کوچکی از نمایش ها است. TRI می گوید از این یادگیری برای پیاده سازی استراتژی های عملیاتی قوی برای وظایفی که می توانند در شبیه سازی ها مدل شوند، استفاده می کند.
هنگامی که یک ربات بتواند این وظایف را نشان داده شده ببیند، می تواند آنها را با کارایی بیشتری یاد بگیرد. همچنین به تیم TRI فضای بیشتری می دهد تا بر سبک حرکتی که ربات برای تکمیل وظایف خود استفاده می کند تأثیر بگذارد.
این تیم از پیشین‌های حرکتی متخاصم (AMPs) استفاده کرد که به طور سنتی برای سبک‌سازی شخصیت‌های متحرک رایانه‌ای استفاده می‌شد تا تقلید حرکت انسان را در خط لوله تقویتی خود بگنجانند.
یادگیری تقویتی به تیم ها نیاز دارد تا وظایف را در شبیه سازی برای آموزش مدل کنند. برای انجام این کار، TRI از یک برنامه ریز مبتنی بر مدل برای نمایش به جای عملیات از راه دور استفاده می کند. این فرآیند را "یادگیری تقویتی هدایت شده توسط برنامه" می نامد.
TRI ادعا می کند که استفاده از برنامه ریز می تواند مأموریت های مسافت طولانی را که انجام آنها از راه دور دشوار است امکان پذیر کند. این تیم همچنین می‌تواند به‌طور خودکار هر تعداد دمو را تولید کند و اتکای خط لوله‌اش به ورودی‌های انسانی را کاهش دهد، که TRI را به افزایش تعداد وظایفی که Punyo می‌تواند انجام دهد، نزدیک‌تر می‌کند.
اگرچه ربات خدمات نرم افزاری Punyo هنوز در مراحل ابتدایی خود است و عملکرد آن در همه جنبه ها نیاز به بهبود دارد، چشم انداز کاربردی آن گسترده است و مفهوم طراحی و مسیر فنی Punyo نیز ایده های جدیدی را برای صنعت ارائه می دهد.