תכנון תנועה מונחה בינה מלאכותית: שיפור האינטראקציה בין רובוטים לסביבות יומיומיות

This post is also available in: English (אנגלית)

לקחת ספר ממדף עמוס היא פעולה טבעית עבור בני אדם, אבל עבור רובוטים, משימה פשוטה לכאורה זו מציבה אתגרים משמעותיים. תכנון תנועות מסורתי דורש חישוב נרחב, שכן רובוטים חייבים להימנע בקפדנות ממכשולים בזמן אמת, משימה שיכולה להיות גם איטית וגם עתירת משאבים. כדי להתמודד עם בעיה זו, חוקרים במכון הרובוטיקה (RI) של אוניברסיטת קרנגי מלון הציגו גישה חדשנית הנקראת Neural Motion Planning, שנועדה לשפר את האופן שבו רובוטים פועלים בסביבות לא מוכרות.

הצוות ב-RI הסביר את המגבלות של השיטות הקונבנציונליות, ואמר כי במסגרות לא מובנות, אלגוריתמים קלאסיים לתכנון תנועה נהרסים לעתים קרובות בשל מהירותם האיטית וההסתמכות על אלפי בדיקות התנגשות. תכנון Neural Motion Planning, לעומת זאת, שואב השראה מתהליכי למידה אנושיים, ומאפשר לרובוטים לשפר את תכנון התנועה שלהם באמצעות חוויות מדומה. טכניקה מונחית נתונים זו מאפשרת לרובוטים להסתגל באופן דינמי כאשר הם מתמודדים עם אתגרים חדשים.

על פיTechXplore , החוקרים הכשירו את Neural Motion Planning על ידי הדמיה של מיליוני סביבות ביתיות, כולל מטבחים וחדרי מגורים, המלאות במכשולים מגוונים, מרהיטים ועד חיות מחמד. הכשרה נרחבת זו סייעה לפתח מודל בינה מלאכותית רב-תכליתי המסוגל לנוע בהתאמה לסביבה במהירות, אפילו במסגרות בלתי צפויות. החוקרים הסבירו כי למרות ההצלחה המדהימה בלמידת מכונה בקנה מידה גדול בעולמות והשפה והראייה, תחום הרובוטיקה מפגר מאחור – עד עכשיו.

כאשר האלגוריתם נבדק על זרוע רובוטית, Neural Motion Planning הוכיח את יעילותו בניווט מכשולים לא מוכרים. הזרוע הרובוטית, שצוידה במיפוי תלת-ממדי של סביבתה שנוצר באמצעות מצלמות עומק, עברה בהצלחה מנקודת מוצא למטרה המיועדת, תוך הימנעות במיומנות ממנורות, צמחים וארונות לאורך הדרך.

מחקר פורץ דרך זה מסמל צעד גדול קדימה באוטונומיה רובוטית, ובעל פוטנציאל לחולל מהפכה באופן שבו רובוטים מתקשרים עם סביבתם. על ידי מינוף ייצור נתונים סקלבילי וטכניקות בינה מלאכותית מתוחכמות, Neural Motion Planning של קרנגי מלון יכול להכין את הקרקע לרובוטים אינטליגנטיים יותר, המסוגלים להסתגל למסגרות יומיומיות, ובכך לגשר על הפער בין מיומנות אנושית לבין דיוק רובוטי.