پژوهشگران دانشگاه هاروارد موفق به توسعه یک سامانه کنترل مبتنی بر هوش مصنوعی شدهاند که به رباتهای چهارپا امکان میدهد بدون نیاز به آموزش مجدد، خود را با مسیرها، شرایط محیطی و مأموریتهای جدید سازگار کنند.
به گزارش سیناپرس به نقل از Tech Xplore، رباتهای متحرک چهارپا برای حرکت ایمن در محیطهای ناهموار و متغیر به سامانههای کنترلی پیشرفته نیاز دارند. روشهای رایج کنونی یا بر مدلهای دقیق ریاضی تکیه دارند که پیادهسازی آنها در محیط واقعی دشوار است، یا از یادگیری تقویتی استفاده میکنند که پس از پایان آموزش، انعطافپذیری محدودی در برابر شرایط جدید دارد.
تیمی به سرپرستی «ییلون دو»، استادیار علوم رایانه در دانشکده مهندسی و علوم کاربردی جان ای. پالسون دانشگاه هاروارد، سامانهای جدید با نام Diffusion-MPC طراحی کرده است که قابلیتهای هوش مصنوعی مولد را با روشهای کنترل پیشبین ترکیب میکند. این سامانه به ربات اجازه میدهد در زمان واقعی، شرایط محیط را تحلیل کرده و بهترین شیوه حرکت را انتخاب کند.
در این روش، به جای استفاده از یک مدل ثابت، از یک مدل تقریبی برای پیشبینی وضعیت آینده ربات و محیط استفاده میشود. سپس سامانه با در نظر گرفتن محدودیتهای فیزیکی، الزامات ایمنی و اهداف حرکتی، بهترین تصمیم را برای ادامه مسیر اتخاذ میکند.
پژوهشگران این فناوری را روی رباتهای واقعی آزمایش کردند. نتایج نشان داد که رباتها توانستند بدون آموزش مجدد، سرعت، جهت حرکت، نوع گامبرداری و حتی تعادل خود را هنگام عبور از سطوح ناهموار یا شیبدار بهطور مؤثر تنظیم کنند.
ییلون دو در این باره گفت: «هیجانانگیزترین بخش این پژوهش، توانایی رباتها در سازگاری سریع با شرایط واقعی، از جمله تغییر زمین، شیبها، بازیابی تعادل و اهداف کنترلی متفاوت است. این فناوری گامی مهم در مسیر توسعه کنترلکنندههای عمومی حرکت برای نسل آینده رباتها به شمار میرود.»
این دستاورد در کنفرانس بینالمللی رباتیک و اتوماسیون IEEE (ICRA 2026) ارائه شده و نسخه پیشانتشار مقاله نیز در پایگاه arXiv منتشر شده است. به باور پژوهشگران، این فناوری میتواند زمینهساز توسعه نسل جدید رباتهای امدادگر، صنعتی و خدماتی باشد که در محیطهای پیچیده و متغیر، عملکردی مستقلتر و هوشمندانهتر خواهند داشت.
مترجم:بیتااکبری
