باحثون يطورون نموذج ذكاء اصطناعي يحسن محاكاة الأجسام المرنة للروبوتات بنسبة 22.8 بالمئة

يعد التعامل مع الأجسام اللينة مثل الملابس أو الأطعمة مهمة صعبة بشكل مفاجئ للروبوتات. وقدمت ورقة بحثية جديدة إطار عمل يسمى AIM، وهو مصمم لمساعدة الروبوتات على فهم كيفية تغير شكل هذه الأجسام أثناء التفاعل المادي.

غالباً ما تواجه المحاكاة التقليدية صعوبات لأنها تركز على نقاط محلية، مما يؤدي إلى تراكم الأخطاء مع استمرار حركة الروبوت. يعالج AIM هذه المشكلة من خلال الموازنة بين سجل الحركة المحلي ورؤية شاملة لهندسة الجسم بالكامل.

اختبر الباحثون نموذجهم مقابل أنظمة حالية مثل PhysTwin و PGND باستخدام ستة أنواع مختلفة من الأجسام. وأظهرت النتائج أن AIM قلل من أخطاء التتبع بنسبة 20.0% مقارنة بـ PhysTwin، وخفض أخطاء الجسيمات على المدى الطويل بنسبة 22.8% مقارنة بـ PGND.

تخيل أنك تطلب من روبوت طي قميص؛ فهو يحتاج إلى فهم كيفية انكماش القماش وتمدده أثناء تحركه. يتيح هذا النموذج للروبوت تعديل استراتيجيته لحظياً بناءً على كيفية تفاعل المادة. هل سبق لك أن تساءلت عن عدد الحسابات الدقيقة التي يجريها الروبوت لمجرد التقاط شطيرة طرية دون سحقها؟

على الرغم من أن النتائج واعدة، إلا أن الدراسة اقتصرت على بيئات محاكاة محددة مثل PhysTwin و PGND. ولم يختبر الباحثون النموذج على كل المواد المادية الممكنة أو تحت كل ظروف الإجهاد البيئي في العالم الحقيقي، لذا فإن أداءه خارج هذه البيئات الخاضعة للرقابة لا يزال يحتاج إلى مزيد من التقييم.