بزرگنمايي:

سیاست و بازاریابی - ایسنا / شاید اینکه چرا یک ربات می‌تواند به راحتی پشتک بزند، اما برای تا کردن یک پیراهن مشکل دارد، پرسش شما هم باشد. پاسخ به این پرسش به طرز شگفت‌آوری پیچیده است.
یک ربات انسان‌نما می‌تواند بدود، بپرد، برقصد و حتی پشتک بزند، اما اگر از آن بخواهیم که یک پیراهن را تا کند، یک اسفنج خیس را بردارد یا یک کلید را در قفل بچرخاند، ناگهان این کارها برایش بسیار سخت می‌شود و این به نظر غیرمنطقی می‌آید.
پشتک زدن بسیار پیچیده‌تر از برداشتن یک پیراهن به نظر می‌رسد، اما برای یک ربات، پشتک زدن یک توالی تا حد زیادی قابل پیش‌بینی از حرکات دقیقاً کنترل شده است، اما کارهای خانه پر از عدم قطعیت است. اشیاء خم می‌شوند، می‌لغزند و لیز می‌خورند، تغییر شکل می‌دهند، می‌شکنند و هر بار در مکان‌های کمی متفاوت ظاهر می‌شوند. به همین دلیل است که توسعه دست رباتیک یکی از سخت‌ترین بخش‌های ساخت یک ربات انسان‌نمای واقعاً مفید است.
یک دست رباتیک چیزی بیش از مجموعه‌ای از انگشتان است
یک دست مکانیکی، حس کردن و کنترل را در یک بسته فوق‌العاده فشرده ترکیب می‌کند. ما دائماً بدون اینکه آگاهانه به آن فکر کنیم، نحوه گرفتن اشیاء را تنظیم می‌کنیم. وقتی جسمی شروع به لیز خوردن می‌کند، انگشتانمان را شل می‌کنیم، وقتی چیزی سنگین است، آنها را محکم‌تر می‌فشاریم یا وقتی جسمی به طور غیرمنتظره‌ای نرم است، نحوه‌ گرفتن آن را تغییر می‌دهیم.
ربات‌ها باید همه این‌ها را با حسگرها و نرم‌افزارها انجام دهند. یک دست رباتیک مدرن ممکن است چندین موتور و چند درجه آزادی حرکت داشته باشد، اما این به طور خودکار آن را ماهر نمی‌کند. ربات همچنین باید بداند که انگشتانش کجا هستند، جسم کجاست، چقدر سخت آن را لمس می‌کند، آیا در حال لیز خوردن است و چه مقدار نیرو ایمن است.
این امر به شکل ویژه‌ای دشوار است، زیرا بینایی نمی‌تواند تمام این اطلاعات را ارائه دهد. یک دوربین می‌تواند به یک ربات بگوید که یک تخم مرغ را در دست دارد؛ اما نمی‌تواند مستقیماً به ربات بگوید که چقدر به خرد کردن آن نزدیک است.
بنابراین تحقیقات اخیر تأکید فزاینده‌ای بر حس لامسه دارند. یک مطالعه رباتیک علمی در سال ۲۰۲۶ از دانشگاه ژجیانگ، اطلاعات بصری و لمسی را با یادگیری تقویتی و یادگیری تقلیدی آنلاین ترکیب کرد و به میزان موفقیت ۸۵ درصدی در پنج کار پیچیده شامل کار با ۲۵ جسم دست یافت.
دنیای واقعی به طرز آزاردهنده‌ای غیرقابل پیش‌بینی است
ربات‌های کارخانه‌ای مزیت بزرگی دارند، زیرا مهندسان می‌توانند محیط خود را کنترل کنند. یک بازوی رباتیک که هزاران بار یک قطعه را مونتاژ می‌کند، می‌تواند یک مسیر ثابت، نورپردازی قابل پیش‌بینی، ابعاد شناخته شده جسم و ابزارهای تخصصی داشته باشد، اما در خانه برعکس است.
یک پیراهن ممکن است هر بار به طور متفاوتی مچاله شود. یک لیوان می‌تواند تا حدی پر شود. ممکن است کشویی کمی باز باشد. اسفنج هنگام فشرده شدن تغییر شکل می‌دهد یا کیسه پلاستیکی اصلاً شکل هندسی ثابتی ندارد.
پژوهشگران دانشگاه ایالتی اوهایو این مسئله را یکی از چالش‌های اساسی ربات‌های خانگی می‌دانند. به گفته آنان، مدل‌سازی و کنترل تماس فیزیکی دشوار است، به‌ویژه زمانی که اشیاء نرم، شکننده یا دارای شکل نامنظم باشند.
علاوه بر این، ربات اغلب در حین انجام کار در حال حرکت است. تحقیقات در حوزه رباتیک خانگی، هماهنگی دو دست، ناوبری پایدار و دامنه دسترسی کافی را به عنوان سه پیش‌نیاز اصلی برای «دست‌کاری با کل بدن» (whole-body manipulation) در دنیای واقعی شناسایی کرده‌اند. به عبارت دیگر، نمی‌توان دست را جدا از بازو، بدن و محیط در نظر گرفت.
چرا اجرای حرکت پشتک آسان‌تر از تا کردن لباس است؟
این موضوع، پیشرفت‌های عجیب و قابل‌توجه در رباتیک انسان‌نما را توضیح می‌دهد. ربات H1 ساخت شرکت Unitree به دلیل اجرای حرکت پشتک در حالت ایستاده مشهور شد، در حالی که مدل G1 آن نیز حرکات ورزشی و آکروباتیک فزاینده‌ای را به نمایش گذاشته است، اما حرکت پشتک، حرکتی با تعریف دقیق و مشخص است. ربات می‌داند چه کاری انجام می‌دهد، محیط قابل کنترل است و می‌توان توالی حرکات را بارها تمرین کرد.
این در حالی است که کار با لباس‌ها متفاوت است. رباتی که می‌خواهد پیراهنی را تا کند، باید محل پارچه را پیدا کند، تغییر شکل آن را درک کند، نقطه مناسبی را برای گرفتن انتخاب کند، بدون رها کردن لباس آن را بکشد، موقعیت دستانش را تغییر دهد، چروک‌ها را در نظر بگیرد و در نهایت نتیجه کار را با دقت در جای خود قرار دهد. اگر این کار را با صد پیراهن مختلف انجام دهید، مسئله ناگهان دیگر شبیه به یک حرکت ساده نیست، بلکه بیشتر به یک آزمایش عظیم فیزیک شباهت پیدا می‌کند.
شرکت‌های رباتیک چینی دقیقاً با همین چالش روبه‌رو هستند. خبرگزاری رویترز اخیراً گزارش خود را با عنوانی هوشمندانه منتشر کرد: «پس از دویدن و رقصیدن، شرکت‌های رباتیک چینی کارهای خانه را هدف قرار داده‌اند.»
شرکت «X Square Robot» که در این گزارش به آن اشاره شده، در کنار بسیاری از شرکت‌های رباتیک دیگر، در حال آزمایش ربات‌های انسان‌نما برای انجام کارهای خانگی نظیر جمع‌آوری زباله و گل‌آرایی است.
عنصر مفقوده؛ داده‌ها
ربات‌های امروزی به‌جای برنامه‌نویسی صرف، به‌طور فزاینده‌ای در حال آموزش دیدن هستند، اما گردآوری داده‌های مفید در زمینه دست‌کاری اشیاء، بسیار دشوارتر از جمع‌آوری تصاویر برای مدل‌های هوش مصنوعی است. یک نمونه عملیاتی مفید ممکن است نیازمند اطلاعات همگام‌سازی‌شده‌ای درباره موقعیت مفاصل ربات، داده‌های دوربین، نیرو، گشتاور و حسگرهای لمسی باشد.
واقعیت این است که هیچ مجموعه داده‌ای در مقیاس اینترنت وجود ندارد که شامل افرادی باشد که هزاران شیء را دست‌کاری می‌کنند و همزمان تمام آنچه را دستانشان حس می‌کند، ثبت می‌کنند.
پایگاه IEEE اخیراً داده‌های لمسی را به عنوان یک گلوگاه اصلی برجسته کرده و خاطرنشان کرده است که مدل‌های بینایی-زبان-عمل در حال حاضر به ربات‌ها در انجام وظایفی مانند شستن لباس و مرتب کردن کمک می‌کنند، در حالی که دستکاری دقیق، تا حدودی به این دلیل که مجموعه داده‌های لمسی در مقایسه با مجموعه داده‌های بصری هنوز کوچک هستند، همچنان دشوار است.
به همین دلیل است که شرکت‌ها و محققان در حال آزمایش با عملیات از راه دور، حسگرهای پوشیدنی، یادگیری تقلیدی، یادگیری تقویتی و شبیه‌سازی هستند. هدف این است که نمایش‌های انسانی را به تجربه آموزشی کافی برای یک ربات تبدیل کنیم تا در نهایت بتواند موقعیت‌های ناآشنا را به تنهایی مدیریت کند.
همه به دنبال یک مهارت گمشده هستند
بزرگترین نام‌های این صنعت از جهات مختلف به این مشکل می‌پردازند. به عنوان مثال، ربات G1 شرکت Unitree را می‌توان به یک دست ماهر سه انگشتی با کنترل نیرو و حسگر لمسی اختیاری مجهز کرد.
ربات آپولو ساخته شرکت Apptronik در حال توسعه بر اساس دستکاری و همچنین حرکت است و این شرکت بیش از 35 تکرار از محرک‌های اصلی خود را شرح می‌دهد.
ربات اُپتیموس شرکت تسلا نیز همان هدف یک ربات انسان‌نمای همه‌کاره را دنبال می‌کند، در حالی که ربات نئو از شرکت 1X صراحتاً برای کارهای خانگی طراحی شده است.
هیچ‌کدام از این مثال‌ها به این معنی نیست که مشکل ربات‌های خانگی حل شده است. نشان دادن اینکه یک ربات می‌تواند یک کار را به طور قابل اعتماد انجام دهد، با درخواست از آن برای ورود به یک خانه ناآشنا و کار کردن به مدت هشت ساعت بدون نظارت بسیار متفاوت است.
در نهایت، این همان چیزی است که دست‌های رباتیک را بسیار دشوار می‌کند. انسان‌ها فقط انگشتان خود را حرکت نمی‌دهند. ما دائماً حس می‌کنیم، پیش‌بینی می‌کنیم و اصلاح می‌کنیم که آن انگشتان چه کاری انجام می‌دهند. تا زمانی که ربات‌ها نتوانند کاری نزدیک‌تر به آن حلقه انجام دهند، ماشینی که می‌تواند یک پشتک واروی دیدنی انجام دهد، ممکن است همچنان با وظیفه ساده برداشتن یک حوله مشکل داشته باشد.