مشکل اصلی ربات‌های انسان‌نما چیست و محققان برای رفع آن چه باید بکنند؟
بخش رباتیک شرکت سونی در فراخوان اخیر خود برای همکاری‌های پژوهشی، به یک مسئله اساسی جلوی پیشرفت ربات‌های انسان‌نما اشاره کرده است.
شهرآرانیوز؛ تماشای ربات اطلس شرکت بوستون داینامیکس در حال انجام تمرین‌های ورزشی، یا دیدن تازه‌ترین ربات‌های انسان‌نمای شرکت فیگر هنگام بارگذاری ماشین لباسشویی، این احساس را ایجاد می‌کند که انقلاب ربات‌ها همین حالا آغاز شده است.
از بیرون که نگاه کنیم، به نظر می‌رسد تنها مانع باقی‌مانده، کامل‌کردن نرم‌افزار هوش مصنوعی است تا این ماشین‌ها بتوانند در محیط‌های واقعی فعالیت کنند.
اما بزرگ‌ترین بازیگران این صنعت می‌دانند که مشکل عمیق‌تری وجود دارد. بخش رباتیک شرکت سونی در فراخوان اخیر خود برای همکاری‌های پژوهشی، به یک مسئله اساسی که جلوی پیشرفت ماشین‌هایش را گرفته، اشاره کرده است.
سونی توضیح داده که ربات‌های انسان‌نما و حیوان‌مانند امروزی تعداد محدودی مفصل دارند، و این موضوع باعث می‌شود حرکت‌هایشان با سوژه‌هایی که تقلید می‌کنند تفاوت زیادی داشته باشد و ارزش واقعی آن‌ها به‌طور چشمگیری کاهش یابد.
به همین دلیل، سونی به دنبال «سازوکار‌های ساختاری انعطاف‌پذیر» است — در واقع، بدنه‌های هوشمندتر — تا حرکت‌های پویایی ایجاد شود که اکنون در ربات‌ها غایب است.
مشکل اصلی ربات‌های انسان‌نما: بدن‌های غیرطبیعی
در حال حاضر، ربات‌های انسان‌نما بیشتر براساس نرم‌افزاری طراحی می‌شوند که همه چیز را به صورت مرکزی کنترل می‌کند. این رویکرد «مغزمحور» نتیجه‌اش ماشین‌هایی است که از نظر فیزیکی حرکاتی غیرطبیعی دارند.
یک ورزشکار با ظرافت و کارایی حرکت می‌کند، زیرا بدنش سمفونی‌ای از مفاصل انعطاف‌پذیر، ستون فقرات قابل انحنا و تاندون‌های فنرمانند است. در مقابل، بدن یک ربات انسان‌نما سازه‌ای صلب از فلز و موتور است که با مفاصل محدودی به هم وصل شده است.
برای مقابله با وزن و اینرسی بدن، ربات باید در هر ثانیه میلیون‌ها اصلاح کوچک و پرمصرف انجام دهد تا فقط از افتادن جلوگیری کند. در نتیجه، حتی پیشرفته‌ترین انساننماها تنها چند ساعت می‌توانند کار کنند و بعد باتری‌شان تمام می‌شود.
برای نمونه، ربات اپتیموس تسلا برای یک راه‌رفتن ساده حدود ۵۰۰ وات در ثانیه انرژی مصرف می‌کند، در حالی که یک انسان در حال پیاده‌روی تند تنها ۳۱۰ وات در ثانیه نیاز دارد. یعنی ربات برای کاری ساده‌تر، حدود ۴۵ درصد بیشتر انرژی می‌سوزاند.
بازدهی کاهشی ربات‌های انسان‌نما
آیا این به آن معناست که کل صنعت در مسیر اشتباه است؟ از نظر رویکرد اصلی، بله. بدن‌های غیرطبیعی به یک مغز ابررایانه‌ای و مجموعه‌ای از عملگر‌های قدرتمند نیاز دارند که خود باعث سنگین‌تر و پرمصرف‌تر شدن ربات می‌شود و مشکل را تشدید می‌کند. پیشرفت در هوش مصنوعی هرچند خیره‌کننده است، اما بازدهی کاهشی به همراه دارد.
مثلاً اپتیموس تسلا آن‌قدر هوشمند است که می‌تواند یک تی‌شرت را تا کند. اما همین نمایش، ضعف فیزیکی‌اش را آشکار می‌کند. انسان بدون نگاه کردن و فقط با حس لامسه می‌تواند پارچه را هدایت و تا کند. ولی اپتیموس با دستان سخت و کم‌سنسور خود، مجبور است با کمک بینایی و مغزش، تک‌تک حرکات را با دقت برنامه‌ریزی کند. احتمالاً اگر با یک پیراهن مچاله‌شده روی تخت نامرتب روبه‌رو شود، شکست خواهد خورد، چون بدنش فاقد «هوش فیزیکی» برای سازگاری با شرایط واقعی است.
ربات اطلسِ تمام‌برقی بوستون داینامیکس نیز چشمگیر است و دامنه حرکتی‌اش تقریباً بیگانه به نظر می‌رسد. اما آنچه در ویدئو‌های آکروباتیک‌بازی آن دیده نمی‌شود، چیز‌هایی است که این ربات قادر به انجامشان نیست:
نمی‌تواند با اطمینان روی سنگ‌های خزه‌دار قدم بگذارد، چون پایش نمی‌تواند سطح را حس کند و با آن سازگار شود.
نمی‌تواند از میان بوته‌های انبوه عبور کند، چون بدنش انعطاف و بازگشت‌پذیری لازم را ندارد.
به همین دلیل است که با وجود سال‌ها توسعه، این ربات‌ها هنوز بیشتر پلتفرم‌های پژوهشی‌اند تا محصولات تجاری.
چرا این فلسفه متفاوت دنبال نمی‌شود؟
یکی از دلایل احتمالی این است که شرکت‌های برتر رباتیک اساساً شرکت‌های نرم‌افزاری و هوش مصنوعی هستند. تخصص آن‌ها در حل مسائل محاسباتی است و زنجیره تأمین جهانی‌شان برای پشتیبانی از این کار — با موتور‌های دقیق، حسگر‌ها و پردازنده‌ها — بهینه‌سازی شده است.
ساختن بدن‌های رباتیکِ واقعاً هوشمند به یک اکوسیستم تولیدی متفاوت نیاز دارد، مبتنی بر مواد پیشرفته و بیومکانیک، که هنوز به بلوغ صنعتی کافی برای تولید انبوه نرسیده است.
وقتی ظاهر یک ربات همین حالا هم بسیار چشمگیر است، طبیعی است که تصور شود یک به‌روزرسانی نرم‌افزاری باقی مشکلات را حل می‌کند، نه اینکه زحمت پرهزینه و دشوار بازطراحی بدنه و کل زنجیره تولید لازم باشد.
نبود بدن‌های خودمختار
این همان چالشی است که در حوزه «هوش مکانیکی» (Mechanical Intelligence یا MI) دنبال می‌شود؛ موضوعی که گروه‌های دانشگاهی زیادی در جهان در حال پژوهش روی آن هستند.
ایده از اینجا می‌آید که طبیعت میلیون‌ها سال پیش بدن‌های هوشمند را کامل کرده است. اصل آن «محاسبه مورفولوژیک» است؛ یعنی خود بدن می‌تواند به طور خودکار محاسبات پیچیده‌ای انجام دهد.
فلس کاج در هوای خشک باز می‌شود تا دانه‌ها آزاد شوند و در هوای مرطوب بسته می‌شود تا از آن‌ها محافظت کند — بدون مغز یا موتور.
تاندون‌های پای یک خرگوش در حال دویدن مانند فنر‌های هوشمند عمل می‌کنند: هنگام برخورد پا با زمین ضربه را جذب کرده و بعد انرژی را آزاد می‌کنند تا حرکت پایدار و کارآمد شود — بدون صرف نیروی زیاد از ماهیچه‌ها.
دست انسان را در نظر بگیرید: بافت نرم آن به طور خودکار با هر جسمی که نگه می‌دارد منطبق می‌شود. نوک انگشتانمان هم مثل روان‌کننده هوشمند عمل می‌کنند، رطوبت را تنظیم می‌کنند تا اصطکاک لازم برای هر سطحی فراهم شود.
اگر این دو ویژگی در دست اپتیموس تعبیه می‌شد، می‌توانست اجسام را با کسری از نیرو و انرژی فعلی نگه دارد. در واقع، خود پوست به کامپیوتر تبدیل می‌شد.
هوش مکانیکی یعنی طراحی ساختار فیزیکی ماشین به‌گونه‌ای که سازگاری خودکار و غیرفعال داشته باشد — توانایی واکنش به محیط بدون نیاز به حسگر یا پردازنده اضافی و بدون مصرف انرژی بیشتر.
راه‌حل برای رهایی از «دام انساننماها» این نیست که از اشکال بلندپروازانه امروزی دست بکشیم، بلکه باید آن‌ها را با این فلسفه متفاوت بسازیم. وقتی بدن یک ربات هوش فیزیکی داشته باشد، مغز هوش مصنوعی آن می‌تواند روی کار‌هایی تمرکز کند که واقعاً در آن‌ها قوی است: استراتژی سطح بالا، یادگیری و تعامل معنادار با جهان.
پژوهشگران قبلاً ارزش این رویکرد را نشان داده‌اند. مثلاً ربات‌هایی که با پا‌های فنرمانند — شبیه به تاندون‌های ذخیره‌کننده انرژی یوزپلنگ — طراحی شده‌اند، می‌توانند با کارایی شگفت‌انگیزی بدوند.
گروه مکانیک (MI) دانشگاه بانک جنوبی لندن در حال توسعه «لولا‌های هیبریدی» است. این لولا‌ها دقت و قدرت مفصل‌های صلب را با ویژگی‌های جذب شوک و سازگاری مفصل‌های انعطاف‌پذیر ترکیب می‌کنند. برای یک ربات انسان‌نما، این می‌تواند به معنای داشتن شانه یا زانویی باشد که مانند انسان حرکت کند و درجات آزادی بیشتری برای دستیابی به حرکات پیچیده و طبیعی ایجاد نماید.
آینده رباتیک نه در رقابت میان سخت‌افزار و نرم‌افزار، بلکه در هم‌افزایی آن‌هاست. با در آغوش گرفتن هوش مکانیکی، می‌توانیم نسلی تازه از ماشین‌ها بسازیم که سرانجام با اطمینان از آزمایشگاه بیرون بیایند و وارد زندگی واقعی ما شوند.
دیدگاه های ارسال شده توسط شما، پس از تائید توسط شهرآرانیوز در سایت منتشر خواهد شد.
نظراتی که حاوی توهین و افترا باشد منتشر نخواهد شد.
