Το νέο ρομποτικό σύστημα του MIT ενισχύει την ανθρώπινη υποστήριξη

Στον σύγχρονο κόσμο της ρομποτικής, η ικανότητα ενός ρομπότ να αντιλαμβάνεται και να επεξεργάζεται τα δεδομένα του περιβάλλοντος του αποτελεί μια πρόκληση. Η ανάλυση κάθε σημείου δεδομένων σε μια σκηνή απαιτεί τεράστια υπολογιστική ισχύ και χρόνο. Η χρήση αυτής της πληροφορίας για να αποφασίσει πώς να βοηθήσει έναν άνθρωπο είναι ακόμα πιο περίπλοκη.

Η καινοτομία του “Relevance”

Οι ρομποτικοί μηχανικοί του MIT ανέπτυξαν μια νέα προσέγγιση που ονομάζουν “Relevance”, η οποία επιτρέπει στα ρομπότ να εστιάζουν στα χαρακτηριστικά μιας σκηνής που είναι πιο σημαντικά για την υποστήριξη των ανθρώπων. Χρησιμοποιώντας ενδείξεις από το περιβάλλον, όπως οπτικές και ακουστικές πληροφορίες, το ρομπότ μπορεί να καθορίσει το στόχο του ανθρώπου και να αναγνωρίσει γρήγορα τα αντικείμενα που είναι πιο πιθανό να σχετίζονται με την επίτευξη αυτού του στόχου.

Πειραματική εφαρμογή σε περιβάλλον πρωινού συνεδρίου

Η ομάδα του MIT δοκίμασε την προσέγγιση τους σε ένα πείραμα που προσομοίωνε ένα πρωινό συνεδρίου. Έστησαν ένα τραπέζι με διάφορα φρούτα, ποτά, σνακ και σκεύη, μαζί με έναν ρομποτικό βραχίονα εξοπλισμένο με μικρόφωνο και κάμερα. Εφαρμόζοντας την προσέγγιση “Relevance”, το ρομπότ κατάφερε να αναγνωρίσει σωστά τον στόχο του ανθρώπου και να τον υποστηρίξει κατάλληλα σε διάφορα σενάρια.

Αποτελεσματικότητα και ασφάλεια

Συνολικά, το ρομπότ μπόρεσε να προβλέψει τον στόχο ενός ανθρώπου με ακρίβεια 90% και να αναγνωρίσει τα σχετικά αντικείμενα με ακρίβεια 96%. Η μέθοδος επίσης βελτίωσε την ασφάλεια του ρομπότ, μειώνοντας τον αριθμό των συγκρούσεων κατά περισσότερο από 60% σε σύγκριση με την εκτέλεση των ίδιων εργασιών χωρίς την εφαρμογή της νέας μεθόδου.

Εφαρμογές στο έξυπνο εργοστάσιο

Η ομάδα του Kamal Youcef-Toumi εξετάζει πώς τα ρομπότ που είναι προγραμματισμένα με το “Relevance” μπορούν να βοηθήσουν σε έξυπνα εργοστάσια και αποθήκες, όπου οραματίζονται ρομπότ να εργάζονται μαζί και να υποστηρίζουν διαισθητικά τους ανθρώπους.

Η έμπνευση από το ανθρώπινο νευρικό σύστημα

Η προσέγγιση της ομάδας είναι εμπνευσμένη από την ικανότητά μας να προσδιορίζουμε τι είναι σημαντικό στην καθημερινή ζωή. Οι άνθρωποι μπορούν να φιλτράρουν τις αποσπάσεις και να εστιάζουν σε αυτό που είναι σημαντικό, χάρη σε μια περιοχή του εγκεφάλου γνωστή ως Reticular Activating System (RAS). Αυτή η νευρική δέσμη στον εγκεφαλικό στέλεχος λειτουργεί υποσυνείδητα για να απομακρύνει τα περιττά ερεθίσματα, επιτρέποντας στο άτομο να αντιλαμβάνεται συνειδητά τα σημαντικά ερεθίσματα.

Η τεχνολογία πίσω από την προσέγγιση

Η ομάδα ανέπτυξε ένα ρομποτικό σύστημα που μιμείται ευρέως την ικανότητα του RAS να επεξεργάζεται και να φιλτράρει επιλεκτικά πληροφορίες. Η προσέγγιση αποτελείται από τέσσερις κύριες φάσεις. Η πρώτη είναι η φάση “αντίληψης”, κατά την οποία το ρομπότ λαμβάνει ακουστικές και οπτικές ενδείξεις, για παράδειγμα από μικρόφωνο και κάμερα, που τροφοδοτούνται συνεχώς σε ένα AI toolkit.

Η διαδικασία αναγνώρισης και δράσης

Η δεύτερη φάση είναι ο “έλεγχος ερεθισμάτων”, μια περιοδική αξιολόγηση που πραγματοποιεί το σύστημα για να διαπιστώσει αν συμβαίνει κάτι σημαντικό. Εάν ένας άνθρωπος εισέλθει στο περιβάλλον, η τρίτη φάση του συστήματος ενεργοποιείται, η οποία καθορίζει τα χαρακτηριστικά στο περιβάλλον που είναι πιο πιθανό να σχετίζονται με την υποστήριξη του ανθρώπου.

Εφαρμογές στο μέλλον

Η ομάδα ελπίζει να εφαρμόσει το σύστημα σε σενάρια που μοιάζουν με εργασιακά και αποθηκευτικά περιβάλλοντα, καθώς και σε άλλες εργασίες και στόχους που συνήθως εκτελούνται σε οικιακά περιβάλλοντα. Η έρευνα αυτή κατέστη δυνατή χάρη στην υποστήριξη και συνεργασία της King Abdulaziz City for Science and Technology (KACST) μέσω του Κέντρου Σύνθετων Μηχανικών Συστημάτων στο MIT και το KACST.