رباتیک
رباتیک یک رشته بین رشته ای است که علوم کامپیوتر و مهندسی را ادغام می کند.روباتیک شامل طراحی ، ساخت ، بهره برداری و استفاده از روبات ها می شود. هدف رباتیک این است که ماشین هایی را طراحی کند که بتواند به انسان ها کمک کند. رباتیک زمینه های مهندسی مکانیک ، مهندسی برق ، مهندسی اطلاعات ، مکاترونیک ، الکترونیک ، مهندسی زیستی ، مهندسی کامپیوتر ، مهندسی کنترل ، مهندسی نرم افزار ، ریاضیات و غیره را ادغام می کند.
روباتیک ماشین هایی را توسعه می دهد که می توانند جایگزین انسان شوند و اعمال انسان را تکرار کنند. روبات ها می توانند در بسیاری از موارد برای اهداف مختلف مورد استفاده قرار گیرند ، اما امروزه بسیاری از آنها در محیط های خطرناک (از جمله بازرسی مواد رادیواکتیو ، تشخیص و غیرفعال سازی بمب) ، فرایندهای تولید یا جایی که انسان نمی تواند زنده بماند (به عنوان مثال در فضا ، زیر آب ، در گرمای زیاد) استفاده می شود. ، و پاکسازی و مهار مواد خطرناک و اشعه). روبات ها می توانند هر شکلی داشته باشند ، اما برخی از آنها از نظر ظاهری شبیه انسان ها هستند.
ادعا می شود که این امر در پذیرش روبات ها در برخی رفتارهای تکراری که معمولاً توسط افراد انجام می شود ، کمک می کند. چنین روباتهایی سعی می کنند راه رفتن ، بلند کردن ، گفتار ، شناخت یا هرگونه فعالیت انسانی دیگر را تکرار کنند. بسیاری از روبات های امروزی از طبیعت الهام گرفته اند و در زمینه رباتیک با الهام از زیست محیطی سهیم هستند.
برخی از روبات ها برای کارکردن به ورودی کاربر نیاز دارند در حالی که سایر روبات ها به صورت مستقل عمل می کنند. مفهوم ایجاد ربات هایی که می توانند به صورت خودکار کار کنند به زمان های کلاسیک برمی گردد ، اما تحقیقات در مورد عملکرد و کاربردهای بالقوه روبات ها تا قرن بیستم رشد قابل توجهی نداشت. در طول تاریخ ، اغلب توسط دانشمندان ، مخترعان ، مهندسین و تکنسین ها تصور می شده است که روباتها روزی قادر خواهند بود رفتارهای انسانی را تقلید کرده و وظایف خود را به شیوه ای شبیه به انسان مدیریت کنند. امروزه ، با پیشرفت تکنولوژی ، روباتیک یک حوزه به سرعت در حال رشد است.
تحقیق ، طراحی و ساخت ربات های جدید اهداف عملی مختلفی را اعم از داخلی ، تجاری یا نظامی انجام می دهد. بسیاری از روبات ها برای انجام کارهای خطرناک برای مردم ساخته شده اند ، مانند خنثی سازی بمب ها ، یافتن بازماندگان در ویرانه های ناپایدار و کاوش در معادن و کشتی های غرق شده. روباتیک همچنین در STEM (علم ، فناوری ، مهندسی و ریاضیات) به عنوان کمک آموزشی استفاده می شود.
علم اشتقاق لغات
کلمه روباتیک از کلمه robot گرفته شده است که توسط کارل شاپک ، نویسنده چک در نمایشنامه R.U.R. به مردم معرفی شد. (روبات های جهانی روسوم) ، که در سال ۱۹۲۰ منتشر شد.کلمه روبات از کلمه اسلاوی robota گرفته شده است که به معنی برده/خدمتکار است. نمایش در کارخانه ای آغاز می شود که افراد مصنوعی به نام روبات ، موجوداتی که می توانند با انسان اشتباه گرفته شوند – بسیار شبیه به ایده های مدرن اندروئیدها می سازد. خود کارل شاپک این کلمه را اختراع نکرده است. او نامه کوتاهی در رابطه با ریشه شناسی در فرهنگ لغت انگلیسی آکسفورد نوشت که در آن برادر خود یوسف شاپک را به عنوان آغازگر واقعی آن نامگذاری کرد.
طبق فرهنگ لغت انگلیسی آکسفورد ، واژه روباتیک برای اولین بار توسط اسحاق آسیموف ، در داستان کوتاه علمی تخیلی “دروغگو” ، که در ماه مه ۱۹۴۱ در علمی تخیلی حیرت انگیز منتشر شد ، به صورت چاپی استفاده شد. آسیموف از این که این اصطلاح را ابداع کرده بود بی خبر بود. از آنجا که علم و فناوری دستگاههای الکتریکی الکترونیک است ، او تصور کرد که رباتیک قبلاً به علم و فناوری روباتها اشاره کرده است.
در برخی دیگر از آثار آسیموف ، او اظهار می کند که اولین استفاده از کلمه روباتیک در داستان کوتاه او Runaround (علمی تخیلی حیرت انگیز ، مارس ۱۹۴۲)بود ، جایی که وی مفهوم خود را درباره سه قانون رباتیک معرفی کرد. با این حال ، انتشار اصلی “دروغگو!” ده ماه قبل از “دور برگشت” پیش می آید ، بنابراین اولی به طور کلی به عنوان ریشه کلمه ذکر می شود.
در سال ۱۹۴۸ ، نوربرت وینر اصول سایبرنتیک ، اساس روباتیک عملی را تدوین کرد.
روباتهای کاملاً خودمختار فقط در نیمه دوم قرن بیستم ظاهر شدند. اولین ربات دیجیتالی و قابل برنامه ریزی ، Unimate ، در سال ۱۹۶۱ نصب شد تا قطعات داغ فلز را از دستگاه ریخته گری برداشته و روی هم قرار دهد. روبات های تجاری و صنعتی امروزه رواج یافته و برای انجام مشاغل ارزان تر ، دقیق تر و قابل اطمینان تر از انسان ها استفاده می شوند. آنها همچنین در برخی از مشاغل که بسیار کثیف ، خطرناک یا کسل کننده هستند ، مناسب افراد نیستند. روبات ها در تولید ، مونتاژ ، بسته بندی و بسته بندی ، معدن ، حمل و نقل ، اکتشافات زمین و فضا ، جراحی ،سلاح ، تحقیقات آزمایشگاهی ، ایمنی و تولید انبوه کالاهای مصرفی و صنعتی بسیار استفاده می شوند.
جنبه های روباتیک
انواع مختلفی از روبات ها وجود دارد. آنها در محیط های مختلف و برای مصارف مختلف استفاده می شوند. اگرچه از نظر کاربرد و فرم بسیار متنوع هستند ، اما در ساخت آنها سه شباهت اساسی وجود دارد:
همه روبات ها دارای نوعی ساختار مکانیکی ، یک قاب ، فرم یا شکل هستند که برای دستیابی به یک کار خاص طراحی شده اند. به عنوان مثال ، رباتی که برای عبور از خاک یا گل سنگین طراحی شده است ، ممکن است از خطوط کرم استفاده کند. جنبه مکانیکی بیشتر راه حل خالق برای تکمیل کار محوله و برخورد با فیزیک محیط اطراف است. فرم تابع عملکرد است.
ربات ها دارای اجزای الکتریکی هستند که ماشین ها را کنترل و کنترل می کنند.
به عنوان مثال ، رباتی که دارای خط کرم است ، به نوعی قدرت برای حرکت ردیاب های ردیاب نیاز دارد. این نیرو به شکل الکتریسیته است که باید از طریق سیم عبور کرده و از یک باتری ، یک مدار الکتریکی اولیه ، سرچشمه می گیرد. حتی ماشین های بنزینی که نیروی خود را عمدتا از بنزین می گیرند ، برای شروع فرآیند احتراق به جریان الکتریکی نیاز دارند ، به همین دلیل است که اکثر ماشین های بنزینی مانند اتومبیل دارای باتری هستند.
جنبه الکتریکی روبات ها برای حرکت (از طریق موتورها) ، سنجش (که از سیگنال های الکتریکی برای اندازه گیری مواردی مانند گرما ، صدا ، موقعیت و وضعیت انرژی استفاده می شود) و عملکرد (روبات ها به مقداری انرژی الکتریکی نیاز دارند که به موتورهای خود و سنسورها به منظور فعال سازی و انجام عملیات اساسی)
همه روبات ها دارای سطحی از کد برنامه نویسی کامپیوتر هستند. یک برنامه این است که چگونه یک روبات تصمیم می گیرد که چگونه یا چگونه کاری را انجام دهد. در مثال مسیر کاترپیلار ، رباتی که باید در جاده ای گل آلود حرکت کند ممکن است سازه مکانیکی درستی داشته باشد و از باتری خود مقدار صحیح نیرو دریافت کند ، اما بدون برنامه ای که به آن دستور حرکت بدهد جایی نمی رود. برنامه ها ماهیت اصلی یک ربات هستند ، می تواند از نظر مکانیکی و الکتریکی عالی باشد ، اما اگر برنامه آن ضعیف ساخته شود ، عملکرد آن بسیار ضعیف خواهد بود (یا ممکن است اصلاً اجرا نشود).
سه نوع مختلف برنامه روباتیک وجود دارد: کنترل از راه دور ، هوش مصنوعی و ترکیبی. یک ربات با برنامه نویسی کنترل از راه دور دارای مجموعه ای از دستورات از قبل است که تنها در صورت دریافت سیگنال از منبع کنترل ، معمولاً انسانی با کنترل از راه دور ، انجام می شود. شاید بهتر باشد دستگاههایی را که عمدتاً توسط فرمانهای انسانی کنترل می شوند ، به عنوان رباتیک در زمینه اتوماسیون در نظر بگیریم.
روبات هایی که از هوش مصنوعی استفاده می کنند ، بدون منبع کنترل به تنهایی با محیط خود در تعامل هستند و می توانند با استفاده از برنامه نویسی قبلی خود واکنش ها را نسبت به اشیا و مشکلاتی که با آنها مواجه می شوند ، تعیین کنند. ترکیبی نوعی برنامه نویسی است که هر دو توابع AI و RC را در آنها گنجانده است.
برنامه های کاربردی
از آنجا که روبات های بیشتری برای کارهای خاص طراحی می شوند ، این روش طبقه بندی اهمیت بیشتری پیدا می کند. به عنوان مثال ، بسیاری از روبات ها برای مونتاژ طراحی شده اند ، که ممکن است به راحتی برای سایر برنامه ها سازگار نباشند. آنها به عنوان “روبات مونتاژ” نامیده می شوند. برای جوشکاری درز ، برخی از تأمین کنندگان سیستم های جوشکاری کامل را با روبات ارائه می دهند ، یعنی تجهیزات جوش به همراه سایر امکانات جابجایی مواد مانند صفحه های گردان و غیره به عنوان یک واحد یکپارچه. چنین سیستم رباتیک یکپارچه ای “روبات جوشکاری” نامیده می شود ، هرچند واحد دستکاری کننده گسسته آن می تواند برای کارهای مختلف سازگار باشد. برخی از روبات ها به طور خاص برای دستکاری بارهای سنگین طراحی شده اند و به عنوان “روبات های سنگین” برچسب گذاری شده اند.
برنامه های فعلی و بالقوه عبارتند از:
روبات های نظامی
روبات های صنعتی روبات ها به طور فزاینده ای در تولید استفاده می شوند (از دهه ۱۹۶۰). طبق داده های انجمن صنایع روباتیک ایالات متحده ، در سال ۲۰۱۶ صنعت خودرو با ۵۲ درصد از کل فروش ، مشتری اصلی روبات های صنعتی بود. در صنعت خودرو ، آنها می توانند بیش از نیمی از “نیروی کار” را پرداخت کنند. حتی کارخانه های “چراغ خاموش” مانند کارخانه تولید صفحه کلید IBM در تگزاس وجود دارد که در سال ۲۰۰۳ به طور کامل اتوماتیک شد.
Cobots (روبات های مشارکتی).
روبات های ساختمانی روبات های ساختمانی را می توان به سه نوع روبات های سنتی ، بازوی رباتیک و اسکلت بیرونی رباتیک تقسیم کرد.
روبات های کشاورزی (AgRobots).استفاده از روبات ها در کشاورزی ارتباط تنگاتنگی با مفهوم کشاورزی دقیق با استفاده از هوش مصنوعی و استفاده از هواپیماهای بدون سرنشین دارد.تحقیقات ۱۹۹۶-۱۹۹۸ همچنین ثابت کرد که روبات ها می توانند یک کار گله داری را انجام دهند.
روبات های پزشکی از انواع مختلف (مانند سیستم جراحی داوینچی و Hospi).
اتوماسیون آشپزخانه نمونه های تجاری اتوماسیون آشپزخانه عبارتند از Flippy (همبرگر) ، Zume Pizza (پیتزا) ، Cafe X (قهوه) ، Makr Shakr (کوکتل) ، Frobot (ماست یخ زده) و Sally (سالاد).
نمونه های خانه عبارتند از Rotimatic (پخت نان مسطح)و بوریس (بارگیری ماشین ظرفشویی).
مبارزه با ربات ها برای ورزش – سرگرمی یا رویداد ورزشی که در آن دو یا چند روبات در عرصه ای می جنگند تا یکدیگر را از کار بیندازند. این از سرگرمی در دهه ۱۹۹۰ به چندین مجموعه تلویزیونی در سراسر جهان تبدیل شده است.
پاکسازی مناطق آلوده مانند زباله های سمی یا تاسیسات هسته ای.
ربات های داخلی
نانوروبوت ها
روباتیک Swarm.
هواپیماهای بدون سرنشین خودمختار
علامت گذاری خطوط زمین ورزشی.
اجزاء
منبع نیرو
در حال حاضر بیشتر باتری های سرب -اسید به عنوان منبع تغذیه استفاده می شوند. انواع مختلفی از باتری ها می توانند به عنوان منبع تغذیه روبات ها استفاده شوند. این باتری ها از باتری های سربی – اسیدی ، ایمن و ماندگاری نسبتاً طولانی برخوردارند اما نسبت به باتری های نقره ای – کادمیومی که حجم بسیار کمتری دارند و در حال حاضر بسیار گران تر هستند ، بسیار سنگین هستند. طراحی یک ربات باتری نیاز به در نظر گرفتن عواملی مانند ایمنی ، طول عمر چرخه و وزن دارد. از ژنراتورها ، اغلب نوعی موتور احتراق داخلی نیز می توان استفاده کرد.
با این حال ، چنین طرح هایی اغلب از نظر مکانیکی پیچیده هستند و نیاز به سوخت دارند ، نیاز به اتلاف گرما دارند و نسبتاً سنگین هستند. اتصال ربات به منبع تغذیه ، منبع تغذیه ربات را به طور کامل حذف می کند. این مزیت صرفه جویی در وزن و فضا را با انتقال همه اجزای تولید برق و ذخیره سازی به جای دیگر دارد. با این حال ، این طرح با نقص دائمی اتصال کابل به ربات همراه است ، که مدیریت آن دشوار است.
منابع احتمالی نیرو می تواند موارد زیر باشد:
- پنوماتیک (گازهای فشرده)
- انرژی خورشیدی (استفاده از انرژی خورشید و تبدیل آن به نیروی الکتریکی)
- هیدرولیک (مایعات)
- ذخیره انرژی فلایویل
- زباله های آلی (از طریق هضم بی هوازی)
- هسته ای
تحریک
محرک ها “عضلات” یک روبات هستند ، قطعاتی که انرژی ذخیره شده را به حرکت تبدیل می کنند.موتورهای برقی که چرخ یا چرخ دنده را می چرخانند ، و محرک های خطی که ربات های صنعتی را در کارخانه ها کنترل می کنند ، بسیار محبوب ترین هستند. پیشرفت های اخیر در انواع محرک های جایگزین ، که از برق ، مواد شیمیایی یا هوای فشرده استفاده می کنند ، وجود دارد.
موتورهای الکتریکی
اکثریت قریب به اتفاق روبات ها از موتورهای الکتریکی استفاده می کنند ، اغلب از موتورهای DC براش و بدون برس در روبات های قابل حمل یا موتورهای AC در روبات های صنعتی و ماشین های CNC استفاده می کنند. این موتورها غالباً در سیستم هایی با بارهای سبک تر ، و جایی که شکل غالب حرکت ، چرخشی است ، ترجیح داده می شوند.
محرک های خطی
انواع مختلفی از محرک های خطی به جای چرخش به داخل و خارج حرکت می کنند و اغلب تغییرات سریع تری دارند ، به ویژه هنگامی که به نیروهای بسیار زیادی مانند روباتیک صنعتی نیاز است. آنها عموماً از هوای فشرده و اکسید شده (محرک پنوماتیک) یا روغن (محرک هیدرولیک) تغذیه می کنند همچنین محرک های خطی نیز می توانند از برق استفاده کنند که معمولاً از یک موتور و یک پیچ هد تشکیل شده است. نوع متداول دیگر ، یک محرک خطی مکانیکی است که با دست چرخانده می شود ، مانند قفسه و پینیون روی ماشین.
محرک های الاستیک سری
تحریک الاستیک سری (SEA) بر ایده ایجاد کشش عمدی بین محرک موتور و بار برای کنترل نیروی قوی متکی است. با توجه به اینرسی پایین منعکس شده ، تحریک الاستیک سری ایمنی را در هنگام تعامل یک روبات با محیط (مانند انسان یا قطعه کار) یا هنگام برخورد افزایش می دهد.علاوه بر این ، این دستگاه همچنین بازده انرژی و جذب شوک (فیلتر مکانیکی) را فراهم می کند در حالی که ساییدگی بیش از حد گیربکس و سایر اجزای مکانیکی را کاهش می دهد. این رویکرد با موفقیت در ربات های مختلف ، به ویژه روبات های تولیدی پیشرفته و روبات های انسان نما راهپیمایی شده است.
طراحی کنترل کننده یک محرک الاستیک سری اغلب در چارچوب انفعال انجام می شود زیرا ایمنی تعامل با محیط های بدون ساختار را تضمین می کند. [۴۲] علیرغم استحکام قابل توجه پایداری ، این چارچوب از محدودیت های شدید اعمال شده بر روی کنترلر رنج می برد که ممکن است عملکرد را تغییر دهد. خواننده به نظرسنجی زیر مراجعه می کند که معماری های کنترل کننده مشترک برای SEA و شرایط انفعال کافی را خلاصه می کند. یکی از مطالعات اخیر شرایط انفعال لازم و کافی را برای یکی از معمول ترین معماری های کنترل امپدانس ، یعنی SEA با سرعت ایجاد کرده است. [۴۴] این کار از اهمیت ویژه ای برخوردار است زیرا برای اولین بار محدودیت های غیرفعالیت غیر محافظه کارانه را در طرح SEA پیش می برد که امکان انتخاب بیشتری از دستاوردهای کنترل را فراهم می کند.
ماهیچه های هوا
ماهیچه های مصنوعی پنوماتیک ، که به نام ماهیچه های هوا نیز شناخته می شوند ، لوله های خاصی هستند که با وارد شدن هوا به داخل آنها (معمولاً تا ۴۰ درصد) منبسط می شوند. آنها در برخی از برنامه های ربات استفاده می شوند.
سیم عضلانی
سیم عضلانی ، همچنین به عنوان آلیاژ حافظه شکل ، Nitinol یا Flexinol wire شناخته می شود ، موادی است که هنگام استفاده از برق منقبض می شود (کمتر از ۵). آنها برای برخی از برنامه های کوچک ربات استفاده شده اند.
پلیمرهای الکترواکتیو
EAP ها یا EPAM ها یک ماده پلاستیکی هستند که می توانند به طور قابل توجهی (تا ۳۸۰ st فشار فعال سازی) از برق منقبض شوند و در ماهیچه های صورت و بازوهای روبات های انسان نما مورد استفاده قرار گرفته اند و برای شناور کردن روبات های جدید ، شنا یا پیاده روی کنید.
موتورهای پیزو
جایگزین های اخیر موتورهای DC موتورهای پیزو یا موتورهای اولتراسونیک هستند. اینها بر اساس یک اصل اساسی متفاوت عمل می کنند ، به این ترتیب که عناصر ریز پیزو سرامیک ، هزاران بار در ثانیه ارتعاش می کنند ، باعث حرکت خطی یا چرخشی می شوند. مکانیسم های مختلف عملکرد وجود دارد. یک نوع از ارتعاش عناصر پیزو برای حرکت موتور در یک دایره یا یک خط مستقیم استفاده می کند.
نوع دیگر از عناصر پیزو برای ارتعاش مهره یا حرکت پیچ استفاده می کند. از مزایای این موتورها می توان به وضوح نانومتری ، سرعت و نیروی در دسترس نسبت به اندازه آنها اشاره کرد. این موتورها در حال حاضر به صورت تجاری در دسترس هستند و در برخی از روبات ها مورد استفاده قرار می گیرند.
نانولوله های الاستیک
نانولوله های الاستیک یک فناوری ماهیچه های مصنوعی امیدوار کننده در مراحل اولیه توسعه آزمایشی هستند. عدم وجود نقص در نانولوله های کربنی این رشته ها را قادر می سازد تا چند درصد دچار تغییر شکل الاستیک شوند و میزان ذخیره انرژی آنها شاید ۱۰ J/cm3 برای نانولوله های فلزی باشد. دو سر انسان را می توان با یک سیم به قطر ۸ میلی متر از این ماده جایگزین کرد. چنین “ماهیچه ای” جمع و جوری ممکن است به ربات های آینده اجازه دهد تا از انسان ها سبقت گرفته و از آنها خارج شوند.
حس کردن
حسگرها به ربات ها اجازه می دهند اطلاعات مربوط به اندازه گیری خاصی از محیط یا اجزای داخلی را دریافت کنند. این برای روبات ها ضروری است تا وظایف خود را انجام دهند و بر اساس هرگونه تغییر در محیط برای محاسبه پاسخ مناسب عمل کنند. آنها برای اشکال مختلف اندازه گیری ، برای هشدار دادن به روبات ها در مورد ایمنی یا نقص عملکرد و ارائه اطلاعات به موقع از کاری که انجام می دهد ، استفاده می شوند.
دست زدن به
دستهای روباتیک و مصنوعی کنونی اطلاعات لمسی بسیار کمتری نسبت به دست انسان دریافت می کنند. تحقیقات اخیر یک آرایه حسگر لامسه ایجاد کرده است که از ویژگی های مکانیکی و گیرنده های لمسی نوک انگشتان انسان تقلید می کند. آرایه حسگر به عنوان یک هسته سفت و سخت احاطه شده توسط مایع رسانا که توسط یک پوست الاستومری احاطه شده است ، ساخته شده است. الکترودها بر روی سطح هسته سفت نصب شده و به یک دستگاه اندازه گیری امپدانس درون هسته متصل می شوند.
وقتی پوست مصنوعی به جسمی دست می زند ، مسیر سیال در اطراف الکترودها تغییر شکل می دهد و تغییرات امپدانس ایجاد می کند که نیروهای دریافت شده از جسم را ترسیم می کند. محققان انتظار دارند که عملکرد مهم چنین نوک انگشتان مصنوعی ، تنظیم گرفتن روباتیک روی اجسام نگه داشته شده باشد.
دانشمندان چندین کشور اروپایی و اسرائیل در سال ۲۰۰۹ یک دست مصنوعی به نام SmartHand ساختند که مانند یک دست واقعی عمل می کند – به بیماران این امکان را می دهد که با آن بنویسند ، روی صفحه کلید بنویسند ، پیانو بنویسند و سایر حرکات خوب را انجام دهند. این پروتز دارای سنسورهایی است که بیمار را قادر می سازد احساس واقعی را در نوک انگشتان خود احساس کند.
چشم انداز
بینایی کامپیوتری علم و فناوری ماشین هایی است که می بینند. به عنوان یک رشته علمی ، بینایی رایانه ای به نظریه سیستم های مصنوعی که اطلاعات را از تصاویر استخراج می کنند ، توجه دارد. داده های تصویر می توانند اشکال مختلفی داشته باشند ، مانند توالی های ویدئویی و نماهایی از دوربین ها.
در اکثر برنامه های کاربردی بینایی رایانه ، رایانه ها برای حل یک کار خاص از قبل برنامه ریزی شده اند ، اما روشهای مبتنی بر یادگیری در حال حاضر به طور فزاینده ای رایج شده است.
سیستم های بینایی رایانه ای بر حسگرهای تصویری تکیه می کنند که تشعشعات الکترومغناطیسی را تشخیص می دهند که معمولاً به شکل نور مرئی یا مادون قرمز است. سنسورها با استفاده از فیزیک حالت جامد طراحی شده اند. فرآیند انتشار و بازتاب نور توسط سطوح با استفاده از اپتیک توضیح داده می شود. حسگرهای پیچیده تصویر حتی به مکانیک کوانتومی نیاز دارند تا درک کاملی از فرایند تشکیل تصویر ارائه دهند.
روبات ها همچنین می توانند به سنسورهای دید چندگانه مجهز شوند تا بتوانند حس عمق محیط را بهتر محاسبه کنند. مانند چشم انسان ، “چشم” روبات ها نیز باید بتوانند بر روی ناحیه مورد علاقه خود تمرکز کنند و همچنین با تغییرات شدت نور تنظیم شوند.
زیر زمینه ای در بینایی رایانه وجود دارد که در آن سیستم های مصنوعی برای تقلید از پردازش و رفتار سیستم بیولوژیکی در سطوح مختلف پیچیدگی طراحی شده اند. همچنین ، برخی از روشهای مبتنی بر یادگیری که در بینایی رایانه توسعه یافته اند ، سابقه زیست شناسی دارند.
دیگر
سایر اشکال رایج سنجش در رباتیک از لیدار ، رادار و سونار استفاده می کند. لیدار با روشن کردن هدف با نور لیزر و اندازه گیری نور منعکس شده با حسگر ، فاصله تا یک هدف را اندازه گیری می کند. رادار از امواج رادیویی برای تعیین برد ، زاویه یا سرعت اجسام استفاده می کند. سونار از انتشار صدا برای حرکت ، برقراری ارتباط یا تشخیص اجسام داخل یا زیر سطح آب استفاده می کند.
دستکاری – اعمال نفوذ
تعریفی از دستکاری روباتیک توسط مت میسون ارائه شده است: “دستکاری به کنترل عامل توسط محیط تماس از طریق تماس انتخابی اشاره می کند.” [۶۲]
روبات ها باید اشیا را دستکاری کنند. انتخاب کنید ، اصلاح کنید ، نابود کنید یا در هر صورت تأثیری داشته باشید. بنابراین انتهای عملکردی یک بازوی روبات که قصد ایجاد اثر (اعم از یک دست یا یک ابزار) را دارد اغلب به عنوان افکتورهای نهایی شناخته می شوند ،در حالی که از “بازو” به عنوان یک دستکاری کننده یاد می شود. اکثر بازوهای ربات دارای جلوه های قابل تعویض نهایی هستند که هر کدام به آنها اجازه می دهد تا محدوده کوچکی از وظایف را انجام دهند. برخی دارای دستکاری ثابت هستند که نمی توان آنها را جایگزین کرد ، در حالی که تعداد کمی از آنها یک دستکاری کننده بسیار عمومی دارند ، به عنوان مثال ، یک دست انسان نما.
چنگک های مکانیکی
یکی از رایج ترین انواع اثرات نهایی “گریپر” هستند. در ساده ترین حالت ، فقط از دو انگشت تشکیل شده است که می توانند باز و بسته شوند و طیف وسیعی از اجسام کوچک را برداشته و رها کنند. به عنوان مثال ، انگشتان می توانند از زنجیری ساخته شوند که سیم فلزی از آن عبور می کند.
دست هایی که بیشتر شبیه دست انسان هستند و شبیه آنها عمل می کنند شامل دست سایه ای و دست روبونات می شوند.دستهایی که دارای پیچیدگی سطح متوسط هستند شامل دست دلفت می شود. گیره های مکانیکی می توانند انواع مختلفی داشته باشند ، از جمله اصطکاک و شامل فک. فک های اصطکاکی با استفاده از اصطکاک از تمام نیروی چنگک برای نگه داشتن جسم در محل خود استفاده می کنند. شامل فک ها ، جسم را در محل خود قرار می دهد و از اصطکاک کمتری استفاده می کند.
عوامل انتهایی مکش
عوامل انتهایی مکش ، که توسط ژنراتورهای خلاء تغذیه می شوند ، دستگاههای بسیار ساده ای هستند .که می توانند بارهای زیادی را تحمل کنند به شرطی که سطح پیش بینی به اندازه کافی صاف باشد تا از مکش اطمینان حاصل شود.
روبات هایی را برای قطعات الکترونیکی و اشیاء بزرگ مانند شیشه جلو اتومبیل انتخاب و قرار دهید ، اغلب از خنک کننده های خلاء بسیار ساده استفاده می کنند.
مکش یک نوع پرفروش نهایی در صنعت است که بیشتر مورد استفاده قرار می گیرد ، تا حدی به این دلیل که انطباق طبیعی اثرات نهایی مکش نرم می تواند یک روبات را در برابر درک روباتیک ناقص قوی تر کند. به عنوان مثال: در نظر بگیرید که یک سیستم بینایی روبات موقعیت بطری آب را تخمین می زند ، اما دارای یک سانتی متر خطا است. در حالی که این ممکن است باعث شود یک گیربکس مکانیکی سفت و محکم بطری آب را سوراخ کند ، اما ممکن است قسمت انتهایی مکش نرم کمی خم شود و با شکل سطح بطری آب مطابقت داشته باشد.
تأثیرگذارهای عمومی
برخی از روبات های پیشرفته شروع به استفاده از دستهای کاملاً انسان نما کرده اند ، مانند Shadow Hand ، MANUS ، و دست Schunk. اینها دستکاری کننده های بسیار ماهر هستند ، تا ۲۰ درجه آزادی و صدها حسگر لمسی دارند.
حرکت
روبات های نورد
برای سادگی ، اکثر ربات های متحرک دارای چهار چرخ یا تعدادی مسیر پیوسته هستند. برخی از محققان سعی کرده اند ربات های چرخ دار پیچیده تری با تنها یک یا دو چرخ ایجاد کنند. اینها می توانند مزایای خاصی مانند بازده بیشتر و کاهش قطعات را داشته باشند و همچنین به ربات اجازه می دهد در مکانهای محدودی حرکت کند که ربات های چهار چرخ قادر به انجام آنها نیستند.
روبات های متعادل کننده دو چرخ
روبات های متعادل کننده عموماً از ژیروسکوپ برای تشخیص میزان سقوط یک ربات استفاده می کنند و سپس چرخ ها را به طور مساوی در یک جهت حرکت می دهند ، تا بر اساس پویایی یک پاندول معکوس ، صدها بار در ثانیه تعادل را متعادل کنند. بسیاری از روبات های متعادل کننده مختلف طراحی شده اند.در حالی که Segway معمولاً به عنوان یک ربات در نظر گرفته نمی شود ، می توان آن را جزء یک ربات در نظر گرفت ، هنگامی که از Segway استفاده می شود ، آنها را RMP (پلت فرم تحرک روباتیک) می نامند. نمونه ای از این استفاده به عنوان Robonaut ناسا بوده است که در Segway نصب شده است.
روبات های متعادل کننده یک چرخ
ربات متعادل کننده یک چرخ ، یک روبات متعادل کننده دو چرخ است که می تواند در هر جهت دو بعدی با استفاده از یک توپ گرد به عنوان تنها چرخ خود حرکت کند. اخیراً چندین ربات متعادل کننده یک چرخ طراحی شده اند ، مانند “Ballbot” دانشگاه کارنگی ملون که قد و عرض تقریبی یک فرد است و “BallIP” دانشگاه توهوکو گاکوین.به دلیل شکل باریک و بلند و قابلیت مانور در فضاهای تنگ ، این پتانسیل را دارد که بهتر از سایر روبات ها در محیط هایی با مردم عمل کند.
روباتهای کروی گوی
چندین تلاش در روبات هایی که کاملاً در داخل یک توپ کروی قرار دارند انجام شده است ، یا با چرخاندن وزنه در داخل توپ ، [۷۹] [۸۰] یا با چرخاندن پوسته های بیرونی کره. [۸۱] [۸۲] اینها همچنین به عنوان یک ربات گوی یا یک ربات توپ نامیده می شوند.
ربات های شش چرخ
استفاده از شش چرخ به جای چهار چرخ می تواند کشش یا چسبندگی بهتری را در زمین های بیرونی مانند خاکهای سنگی یا چمن ایجاد کند.
ربات های ردیابی شده
پیست های تانک حتی بیشتر از یک ربات شش چرخ کشش را فراهم می کند. چرخ های ردیابی شده طوری رفتار می کنند که گویی از صدها چرخ ساخته شده اند ، بنابراین برای روبات های خارجی و نظامی بسیار رایج است ، جایی که ربات باید در زمین های بسیار ناهموار حرکت کند. با این حال ، استفاده از آنها در داخل خانه مانند فرش و کف صاف دشوار است. به عنوان مثال می توان به ربات شهری ناسا “Urbie” اشاره کرد.
پیاده روی روی روبات ها اعمال شد
راه رفتن یک مشکل دشوار و پویا برای حل است. چندین ربات ساخته شده است که می توانند با اطمینان روی دو پا راه بروند ، اما هنوز هیچ کدام به اندازه یک انسان قوی ساخته نشده اند. مطالعات زیادی در مورد راه رفتن با الهام از انسان انجام شده است ، مانند آزمایشگاه AMBER که در سال ۲۰۰۸ توسط گروه مهندسی مکانیک در دانشگاه A&M تگزاس تأسیس شد.
بسیاری از ربات های دیگر ساخته شده اند که روی بیش از دو پا راه می روند ، زیرا ساخت این روبات ها بسیار ساده تر است.از روبات های پیاده روی می توان برای زمین های ناهموار استفاده کرد که نسبت به سایر روش های حرکت ، تحرک و بازده انرژی بهتری را فراهم می کند. به طور معمول ، روبات های دو پا می توانند به خوبی در طبقه های مسطح راه بروند و گهگاه می توانند از پله ها بالا بروند. هیچ کس نمی تواند از روی زمین سنگلاخی و ناهموار عبور کند. برخی از روشهای آزمایش شده عبارتند از:
تکنیک ZMP
نقطه لحظه صفر (ZMP) الگوریتمی است که توسط روبات هایی مانند ASIMO هوندا استفاده می شود. کامپیوتر روی ربات سعی می کند کل نیروهای اینرسی (ترکیبی از گرانش زمین و شتاب و کاهش سرعت راه رفتن) را حفظ کند ، دقیقاً با نیروی واکنش کف (نیروی فشار زمین به پای ربات) مخالف است. به این ترتیب ، دو نیرو لغو می شوند ، هیچ لحظه ای باقی نمی ماند (نیرویی که باعث چرخش و سقوط روبات می شود).
با این حال ، این دقیقاً نحوه راه رفتن یک انسان نیست ، و تفاوت برای ناظران انسانی آشکار است ، برخی از آنها اشاره کرده اند که ASIMO طوری راه می رود که انگار به دستشویی نیاز دارد. الگوریتم راه رفتن ASIMO ثابت نیست و از برخی از تعادل پویا استفاده می شود (به پایین مراجعه کنید). با این حال ، هنوز نیاز به یک سطح صاف برای راه رفتن دارد.
پریدن
چندین روبات ، که در دهه ۱۹۸۰ توسط مارک رایبرت در آزمایشگاه پای MIT ساخته شد ، با موفقیت راه رفتن بسیار پویا را نشان دادند. در ابتدا ، یک ربات تنها با یک پا ، و پای بسیار کوچک می تواند به سادگی با پرش به حالت ایستاده در آید. این حرکت مانند حرکت یک فرد روی چوب پوگو است. هنگامی که ربات به یک طرف می افتد ، کمی به آن سمت پرش می کند تا خودش را بگیرد. به زودی ، الگوریتم به دو و چهار پا تعمیم داده شد. [ترجمه ترگمان] یک ربات دوپا در حال دویدن و حتی انجام حمله‌های سوسو بود یک چهارپا نیز نشان داده شد که می تواند حرکت کند ، بدود ، سرعت ببندد. برای مشاهده لیست کامل این روبات ها ، به صفحه روبات های MIT Leg Lab مراجعه کنید.
تعادل پویا (سقوط کنترل شده)
راه پیشرفته تری برای راه رفتن ربات استفاده از الگوریتم تعادل پویا است که به طور بالقوه قوی تر از تکنیک نقطه صفر است ، زیرا دائماً حرکت ربات را زیر نظر دارد و پاها را برای حفظ ثبات قرار می دهد. این تکنیک به تازگی توسط روبات دکستر Anybots نشان داده شده است ،که بسیار پایدار است ، حتی می تواند پرش کند. مثال دیگر TU Delft Flame است.
پویایی منفعل
شاید امیدوارکننده ترین روش از پویایی منفعل استفاده می کند که در آن از حرکت اندام های در حال چرخش برای کارایی بیشتر استفاده می شود. نشان داده شده است که مکانیسم های انسان نما کاملاً بدون قدرت می توانند از یک شیب ملایم استفاده کنند و فقط از جاذبه برای پیشبرد خود استفاده می کنند. با استفاده از این تکنیک ، یک ربات فقط باید مقدار کمی نیروی موتور برای راه رفتن در یک سطح صاف یا کمی بیشتر برای پیاده روی از یک تپه تامین کند. این تکنیک وعده می دهد که روبات های پیاده روی را حداقل ده برابر کارآمدتر از واشرهای ZMP ، مانند ASIMO ، انجام دهد.
روشهای دیگر حرکت
پرواز کردن
یک هواپیمای مسافربری مدرن در اصل یک روبات پرنده است که دو انسان آن را مدیریت می کنند. خلبان خودکار می تواند هواپیما را برای هر مرحله از سفر ، از جمله برخاستن ، پرواز معمولی و حتی فرود ، کنترل کند. سایر روبات های پرنده خالی از سکنه هستند و به عنوان هواپیماهای بدون سرنشین (پهپادها) شناخته می شوند. آنها می توانند بدون خلبان انسانی کوچکتر و سبک تر باشند و برای انجام ماموریت های نظارتی نظامی به مناطق خطرناک پرواز کنند. برخی حتی می توانند به اهداف تحت فرمان شلیک کنند. پهپادهایی نیز در حال توسعه هستند.
که می توانند بدون نیاز به فرمان انسان به طور خودکار به اهداف شلیک کنند. از دیگر ربات های پرنده می توان به موشک های کروز ، Entomopter و ربات هلیکوپتر میکرو اپسون اشاره کرد. روبات هایی مانند Air Penguin ، Air Ray و Air Jelly دارای بدنه هایی سبک تر از هوا هستند که توسط پاروها حرکت می کنند و توسط سونار هدایت می شوند.
مارپیچ
چندین روبات مار با موفقیت ساخته شده است. این روبات ها با تقلید از نحوه حرکت مارهای واقعی می توانند در فضاهای بسیار محدود حرکت کنند ، به این معنی که ممکن است روزی از آنها برای جستجوی افرادی که در ساختمانهای فروریخته به دام افتاده اند استفاده شود. روبات مار ژاپنی ACM-R5 حتی می تواند هم در خشکی و هم در آب حرکت کند.
اسکیت سواری
تعداد کمی روبات اسکیت ساخته شده است که یکی از آنها یک دستگاه پیاده روی و اسکیت چند حالته است. دارای چهار پا با چرخ های بدون قدرت است که می تواند به صورت پله ای حرکت کند یا بپیچد.ربات دیگر ، پلن ، می تواند از یک اسکیت بورد مینیاتوری یا رول اسکیت استفاده کند و روی میز کار اسکیت کند.
سنگ نوردی
چندین روش مختلف برای توسعه روبات هایی استفاده شده است که توانایی صعود به سطوح عمودی را دارند. یک رویکرد حرکات یک کوهنورد انسانی روی دیوار را با برجستگی ها تقلید می کند. تنظیم مرکز جرم و حرکت دادن هر اندام به نوبه خود برای به دست آوردن اهرم. نمونه آن Capuchin است ، که توسط دکتر Ruixiang Zhang در دانشگاه استنفورد ، کالیفرنیا ساخته شده است. رویکرد دیگری از روش تخصصی پد انگشتان پا برای صعود دیوارها استفاده می کند که می تواند روی سطوح صاف مانند شیشه عمودی اجرا شود. نمونه هایی از این رویکرد شامل Wallbot و Stickybot است.
China Daily Technology در ۱۵ نوامبر ۲۰۰۸ گزارش داد که دکتر لی هیو یونگ و گروه تحقیقاتی او از شرکت هواپیمایی کانسپت جدید (Zhuhai) Ltd. با موفقیت یک روبات گیکو بیونیک به نام “Speedy Freelander” توسعه داده اند. به گفته دکتر یونگ ، ربات گکو می تواند به سرعت از انواع دیوارهای ساختمان بالا و پایین برود ، در شکاف های زمین و دیوار حرکت کند و برعکس روی سقف راه برود. همچنین قادر به سازگاری با سطوح شیشه صاف ، دیوارهای خشن ، چسبناک یا گرد و غبار و انواع مختلف مواد فلزی بود. همچنین می تواند موانع را بطور خودکار شناسایی و دور بزند. انعطاف پذیری و سرعت آن با یک گکو طبیعی قابل مقایسه بود. رویکرد سوم تقلید حرکت مار در حال صعود به قطب است.
شنا (پیسین)
محاسبه شده است که هنگام شنا برخی از ماهی ها می توانند به راندمان پیشرانه ای بیشتر از ۹۰ achieve دست یابند.علاوه بر این ، آنها می توانند بسیار بهتر از هر قایق یا زیردریایی ساخت بشر شتاب گرفته و مانور دهند و سر و صدای کمتری ایجاد کنند و مزاحمت آب ایجاد کنند. بنابراین ، بسیاری از محققان که روی ربات های زیر آب مطالعه می کنند ، مایلند این نوع حرکت را کپی کنند. مثالهای قابل توجه عبارتند از: Robot Fish G9 علوم کامپیوتر دانشگاه اسکس و ماهی ربات ساخته شده توسط موسسه روباتیک صحرایی ، برای تجزیه و تحلیل و مدل سازی ریاضی حرکت وحشتناک.
Aqua Penguin ، که توسط Festo از آلمان طراحی و ساخته شده است ، شکل ساده و پیشرانه را توسط “تلنگر” های جلو پنگوئن ها کپی می کند. Festo همچنین Aqua Ray و Aqua Jelly را که به ترتیب از حرکت پرتوهای مانتا و چتر دریایی تقلید می کنند ، ساخته است.
در سال ۲۰۱۴ iSplash-II توسط دانشجوی دکترای ریچارد جیمز کلافام و پروفسور هووشنگ هو در دانشگاه اسکس توسعه داده شد. این اولین ماهی رباتیک بود که از نظر سرعت حداکثر متوسط (اندازه گیری شده بر طول بدن در ثانیه) و استقامت ، در مدت زمانی که حداکثر سرعت حفظ می شود ، می تواند از ماهیان واقعی همیشه بهتر عمل کند.
این ساختمان به سرعت شنا به ۱۱٫۶BL/s (یعنی ۳٫۷ m/s) دست یافت. اولین ساخت ، iSplash-I (2014) اولین سکوی روباتیک بود که حرکت شنا را به شکل تمام طول بدن انجام می داد و مشخص شد که سرعت شنا را در مقایسه با رویکرد سنتی شکل موج محدود شده به میزان ۲۷ increase افزایش می دهد.
کشتیرانی
روبات های قایق بادبانی نیز به منظور اندازه گیری در سطح اقیانوس توسعه یافته اند. یک ربات قایق بادبانی معمولی Vaimos [120] است که توسط IFREMER و ENSTA-Bretagne ساخته شده است. از آنجا که نیروی محرکه ربات های قایق بادبانی از باد استفاده می کند ، انرژی باتری ها فقط برای رایانه ، ارتباطات و محرک ها (برای تنظیم سکان و بادبان) استفاده می شود. اگر این ربات مجهز به پنل های خورشیدی باشد ، از نظر تئوری می تواند برای همیشه حرکت کند. دو مسابقه اصلی روبات های قایق بادبانی WRSC است که هر ساله در اروپا برگزار می شود و Sailbot.
تعامل و ناوبری محیطی
اگرچه درصد قابل توجهی از روبات هایی که امروزه در حال کار هستند یا توسط انسان کنترل می شوند و یا در یک محیط ایستا کار می کنند ، علاقه رو به ربات هایی که می توانند به طور خودکار در یک محیط پویا کار کنند افزایش می یابد. این روبات ها برای عبور از محیط خود نیاز به ترکیبی از سخت افزار و نرم افزار ناوبری دارند. به طور خاص ، رویدادهای پیش بینی نشده (به عنوان مثال افراد و موانع دیگر که ثابت نیستند) می توانند مشکلات یا برخورد ایجاد کنند. برخی از ربات های بسیار پیشرفته مانند ASIMO و ربات Meinü دارای سخت افزار و نرم افزار ناوبری مخصوص ربات هستند. همچنین ، خودروهای خودکنترلی ، خودروی بدون راننده ارنست دیکمن ، و ورودی های چالش بزرگ دارپا ، قادرند محیط را به خوبی حس کرده و متعاقباً بر اساس این اطلاعات ، از جمله توسط گروهی از روبات های خودران ، تصمیمات ناوبری را اتخاذ کنند.
اکثر این روباتها از یک دستگاه ناوبری GPS با نقاط بین راه به همراه رادار استفاده می کنند ، که گاهی اوقات با داده های حسی دیگر مانند لیدار ، دوربین های فیلمبرداری و سیستمهای هدایت اینرسی ترکیب می شود تا جهت یابی بهتر بین نقاط بین راه را فراهم کند.
تعامل انسان و ربات
اگر بخواهیم روبات هایی که در خانه های ما کار می کنند فراتر از تمیز کردن جاروبرقی کف فراتر روند ، سطح پیشرفته هوش حسی برای روبات ها باید چندین مرتبه پیشرفت کند. اگر قرار است روبات ها در خانه ها و دیگر محیط های غیر صنعتی به طور مثر کار کنند ، نحوه انجام وظایف آنها و به ویژه نحوه دستور توقف آنها از اهمیت بسیار بالایی برخوردار خواهد بود. افرادی که با آنها ارتباط برقرار می کنند ممکن است آموزش کمی در زمینه رباتیک داشته باشند یا هیچ آموزشی نداشته باشند ، بنابراین هر رابط کاربری باید بسیار بصری باشد.
نویسندگان داستانهای علمی تخیلی نیز معمولاً فرض می کنند که روباتها سرانجام قادر خواهند بود به جای رابط خط فرمان ، از طریق گفتار ، حرکات و حالات چهره با انسانها ارتباط برقرار کنند. اگرچه گفتار طبیعی ترین راه برای ارتباط انسان است ، اما برای روبات غیر طبیعی است. احتمالاً زمان زیادی طول خواهد کشید تا روبات ها مانند C-3PO یا Data of Star Trek ، Next Generation به طور طبیعی با یکدیگر ارتباط برقرار کنند. حتی اگر وضعیت فعلی رباتیک نتواند استانداردهای این روبات ها را از نظر علمی تخیلی برآورده کند ، شخصیت های رسانه ای رباتیک (به عنوان مثال ، Wall-E ، R2-D2) می توانند دلسوزی مخاطبان را برانگیزند که تمایل مردم را برای پذیرش روبات های واقعی در آینده افزایش می دهد.
اگر افراد بتوانند در شرایط مناسب با یک ربات اجتماعی ملاقات کنند ، پذیرش روبات های اجتماعی نیز افزایش می یابد. مطالعات نشان داده است که تعامل با ربات با نگاه کردن ، لمس کردن یا حتی تصور تعامل با ربات می تواند احساسات منفی برخی از افراد را در مورد روبات ها قبل از تعامل با آنها کاهش دهد.با این حال ، اگر احساسات منفی موجود به ویژه قوی باشند ، تعامل با یک ربات می تواند این احساسات منفی را نسبت به روبات ها افزایش دهد.
تشخیص گفتار
تفسیر جریان مداوم صداها از انسان ، در زمان واقعی ، کار سختی برای رایانه است ، بیشتر به دلیل تنوع زیاد گفتار.کلمه یکسانی که توسط یک نفر گفته می شود ممکن است بسته به آکوستیک محلی ، میزان صدا ، کلمه قبلی ، سرماخوردگی یا غیره صدا متفاوت باشد. هنگامی که گوینده لهجه متفاوتی داشته باشد ، سخت تر می شود. با این وجود ، از زمانی که دیویس ، بیدلف و بالاشک اولین “سیستم ورودی صدا” را طراحی کردند که “ده رقمی را که یک کاربر با ۱۰۰٪ دقت صحبت می کند” در سال ۱۹۵۲ تشخیص داد ، گام های بلندی در این زمینه برداشته شده است.
در حال حاضر ، بهترین سیستم ها می توانند گفتار مداوم و طبیعی را تا ۱۶۰ کلمه در دقیقه و با دقت ۹۵٪ تشخیص دهند. امروزه با استفاده از هوش مصنوعی ، ماشین ها می توانند از صدای مردم برای تشخیص احساسات خود مانند احساس رضایت یا عصبانیت استفاده کنند.
صدای رباتیک
موانع دیگری وجود دارد که به ربات اجازه می دهد از صدا برای تعامل با انسان استفاده کند. به دلایل اجتماعی ، صدای مصنوعی بعنوان یک رسانه ارتباطی غیر مطلوب به نظر می رسد ، توسعه بخش احساسی صدای رباتیک از طریق تکنیک های مختلف را ضروری می سازد.
یکی از مزایای انشعاب دیفونیک ، احساسی است که ربات برای برنامه ریزی برنامه ریزی کرده است ، می تواند روی نوار صوتی یا واج ، که قبلاً روی رسانه صوتی برنامه ریزی شده است ، حمل شود. یکی از اولین نمونه ها یک روبات آموزشی به نام لیچیم است که در سال ۱۹۷۴ توسط مایکل جی فریمن توسعه یافت.لیچیم قادر بود حافظه دیجیتالی را بر روی دیسک های رایانه از پیش ضبط شده به گفتار ابتدایی کلامی تبدیل کند. این برنامه برای آموزش دانش آموزان در برانکس ، نیویورک برنامه ریزی شده بود.
ژست ها
تشخیص حرکت
در آینده می توان تصور کرد که چگونه به یک آشپز ربات طرز تهیه شیرینی را توضیح دهد یا از یک پلیس روبات راهنمایی بخواهد. در هر دو مورد ، انجام حرکات دست به توصیفات شفاهی کمک می کند. در حالت اول ، ربات می تواند حرکات انجام شده توسط انسان را تشخیص دهد و شاید برای تأیید آنها را تکرار کند. در مورد دوم ، افسر پلیس ربات با اشاره اشاره می کند “در جاده ، سپس به راست بپیچید”. به احتمال زیاد حرکات بخشی از تعامل بین انسان ها و روبات ها را تشکیل می دهند.سیستمهای زیادی برای تشخیص حرکات دست انسان توسعه یافته است.
حالت چهره
تشخیص احساسات
حالات چهره می تواند بازخورد سریع در مورد پیشرفت گفتگوی بین دو انسان ارائه دهد و به زودی ممکن است بتواند همین کار را برای انسان ها و روبات ها نیز انجام دهد. چهره های روباتیک توسط Hanson Robotics با استفاده از پلیمر الاستیک خود به نام Frubber ساخته شده است ، که به دلیل کشسانی پوشش لاستیکی صورت و موتورهای زیر سطحی تعبیه شده (سروو) اجازه می دهد تا تعداد زیادی از حالات صورت را نشان دهد. روکش و سروو بر روی جمجمه فلزی ساخته شده است. یک روبات باید نحوه برخورد با انسان را با قضاوت بر اساس چهره و زبان بدن او بداند.
این که آیا شخص شاد ، ترسیده یا دیوانه به نظر می رسد ، بر نوع تعامل مورد انتظار ربات تأثیر می گذارد. به همین ترتیب ، روبات هایی مانند Kismet و جدیدترین آنها ، Nexi می توانند طیف وسیعی از حالات چهره را تولید کنند و به این ترتیب به تبادل اجتماعی معنادار با انسان بپردازند.
احساسات مصنوعی
احساسات مصنوعی نیز می توانند ایجاد شوند که از دنباله ای از حالات یا حرکات صورت تشکیل شده است. همانطور که از فیلم Final Fantasy: The Spirits Within قابل مشاهده است ، برنامه ریزی این احساسات مصنوعی پیچیده است و نیاز به مشاهده زیادی از انسان دارد. برای ساده سازی این برنامه نویسی در فیلم ، ایستگاه از پیش تنظیم شده همراه با یک برنامه نرم افزاری خاص ایجاد شد. این مدت زمان لازم برای ساخت فیلم را کاهش داد. این ایستگاه از پیش تنظیم شده را می توان برای استفاده در روبات های واقعی منتقل کرد.
یک نمونه از ربات با احساسات مصنوعی Robin Robot است که توسط یک شرکت ارمنی فناوری Expper Technologies توسعه یافته است و از تعامل همتا به همتای مبتنی بر هوش مصنوعی استفاده می کند. وظیفه اصلی آن دستیابی به بهزیستی احساسی است ، یعنی غلبه بر استرس و اضطراب. رابین برای تجزیه و تحلیل حالات صورت و استفاده از چهره خود برای نشان دادن احساسات خود با توجه به زمینه آموزش دیده بود. این روبات توسط بچه ها در کلینیک های ایالات متحده آزمایش شده است و مشاهدات نشان می دهد که رابین اشتها و نشاط کودکان را پس از ملاقات و صحبت افزایش می دهد.
شخصیت
بسیاری از ربات های علمی تخیلی دارای شخصیت هستند ، چیزی که ممکن است در ربات های تجاری آینده مطلوب نباشد.با این وجود ، محققان در تلاش هستند تا ربات هایی را ایجاد کنند که ظاهراً دارای شخصیت هستند: یعنی از صداها ، حالات صورت و زبان بدن برای انتقال یک حالت درونی استفاده می کنند که ممکن است شادی ، غم یا ترس باشد. یک مثال تجاری Pleo ، یک دایناسور روبات اسباب بازی است که می تواند چندین احساس ظاهری را به نمایش بگذارد.
هوش اجتماعی
آزمایشگاه ماشین های هوشمند اجتماعی موسسه فناوری جورجیا مفاهیم جدیدی از تعامل آموزش هدایت شده با روبات ها را بررسی می کند. هدف پروژه ها یک روبات اجتماعی است که بدون آگاهی قبلی از مفاهیم سطح بالا ، وظایف و اهداف را از تظاهرات انسانی می آموزد. این مفاهیم جدید از داده های حسگر پیوسته سطح پایین از طریق یادگیری بدون نظارت پایه گذاری شده اند و اهداف کار متعاقباً با استفاده از رویکرد بیزی آموخته می شوند. از این مفاهیم می توان برای انتقال دانش به وظایف آینده استفاده کرد ، که منجر به یادگیری سریعتر آن وظایف می شود. نتایج توسط روبات کوری نشان داده می شود که می تواند ماکارونی را از قابلمه بر روی بشقاب بریزید و سس را در بالا سرو کنید.
کنترل
ساختار مکانیکی یک ربات باید برای انجام وظایف کنترل شود. کنترل یک ربات شامل سه مرحله مجزا است – ادراک ، پردازش و عمل (پارادایم های روباتیک). سنسورها اطلاعاتی در مورد محیط یا خود ربات (به عنوان مثال موقعیت مفاصل یا اثر نهایی آن) می دهند. سپس این اطلاعات پردازش می شود تا ذخیره یا منتقل شود و سیگنال های مناسب به محرک ها (موتورها) که مکانیکی را حرکت می دهند محاسبه شود.
مرحله پردازش می تواند از نظر پیچیدگی متفاوت باشد. در سطح واکنشی ، ممکن است اطلاعات خام سنسور را مستقیماً به دستورات محرک تبدیل کند. ممکن است ابتدا برای تخمین پارامترهای مورد علاقه (به عنوان مثال موقعیت گیرنده ربات) از داده های حسگر پر سر و صدا استفاده شود. یک کار فوری (مانند حرکت دستگیره در جهت خاصی) از این برآوردها استنباط می شود. تکنیک های نظریه کنترل ، وظیفه را به دستوراتی تبدیل می کند که محرک ها را به حرکت در می آورند.
در مقیاس های طولانی تر یا با کارهای پیچیده تر ، ممکن است روبات نیاز به ساختن و مدل سازی “شناختی” داشته باشد. مدلهای شناختی سعی می کنند روبات ، جهان و نحوه تعامل آنها را نشان دهند. برای ردیابی اشیاء می توان از تشخیص الگو و بینایی رایانه استفاده کرد. از تکنیک های نقشه برداری می توان برای ساختن نقشه های جهان استفاده کرد. سرانجام ، برنامه ریزی حرکتی و سایر تکنیک های هوش مصنوعی ممکن است برای تعیین نحوه عمل استفاده شود. به عنوان مثال ، یک برنامه ریز ممکن است چگونگی دستیابی به یک کار را بدون برخورد با موانع ، سقوط و غیره بفهمد.
سطوح خودمختاری
سیستم های کنترل نیز ممکن است سطوح متفاوتی از خودمختاری داشته باشند.
از تعامل مستقیم برای دستگاههای لمسی یا دورکاری استفاده می شود و انسان تقریباً بر حرکت ربات کنترل کامل دارد.
در حالت های کمک اپراتور ، اپراتور وظایف سطح متوسط به بالا را انجام می دهد و ربات به طور خودکار نحوه دستیابی به آنها را تشخیص می دهد.
یک ربات مستقل ممکن است بدون تعامل انسان برای مدت زمان طولانی کار کند. سطوح بالاتر استقلال لزوماً به قابلیت های شناختی پیچیده تری نیاز ندارد. به عنوان مثال ، روبات ها در کارخانه های مونتاژ کاملاً مستقل هستند اما با الگوی ثابت کار می کنند.
طبقه بندی دیگر تعامل بین کنترل انسان و حرکات ماشین را در نظر می گیرد.
دورکاری یک انسان هر حرکت را کنترل می کند ، هر تغییر محرک دستگاه توسط اپراتور مشخص می شود.
نظارتی انسان حرکتها یا تغییرات موقعیت کلی را تعیین می کند و ماشین حرکتهای خاص محرک های خود را تعیین می کند.
خودمختاری در سطح کار اپراتور فقط وظیفه را مشخص می کند و ربات خود را برای انجام آن مدیریت می کند.
خودمختاری کامل دستگاه بدون تعامل انسان تمام وظایف خود را ایجاد و تکمیل می کند.
پژوهش
بسیاری از تحقیقات در زمینه رباتیک نه بر روی وظایف صنعتی خاص ، بلکه بر روی بررسی انواع جدید روبات ها ، روش های جایگزین برای فکر کردن یا طراحی روبات ها و روش های جدید تولید آنها متمرکز است. تحقیقات دیگر ، مانند پروژه فلور سایبری MIT ، تقریباً کاملاً دانشگاهی است.
اولین نوآوری خاص در طراحی ربات ، منبع باز پروژه های ربات است. برای توصیف سطح پیشرفت یک ربات ، می توان از عبارت “روبات های نسل” استفاده کرد. این اصطلاح توسط پروفسور هانس موراوک ، دانشمند اصلی پژوهش در موسسه روباتیک دانشگاه کارنگی ملون در توصیف تحولات آینده فناوری روباتها ارائه شده است. ربات های نسل اول ، موراویک در سال ۱۹۹۷ پیش بینی کرد ، باید دارای ظرفیت فکری قابل مقایسه با یک مارمولک باشند و باید تا سال ۲۰۱۰ در دسترس قرار گیرند.
از آنجا که ربات نسل اول قادر به یادگیری نیست ، با این حال ، موراوک پیش بینی می کند که ربات نسل دوم پیشرفت خواهد بود. برای اولین بار و تا سال ۲۰۲۰ در دسترس قرار می گیرد ، با هوش ممکن است با موش قابل مقایسه باشد. ربات نسل سوم باید از هوش مشابه میمون برخوردار باشد. اگرچه روبات های نسل چهارم ، روبات هایی با هوش انسانی ، پروفسور موراوک پیش بینی می کند ، امکان پذیر خواهد بود ، اما او پیش بینی نمی کند که این اتفاق قبل از سال ۲۰۴۰ یا ۲۰۵۰ رخ دهد.
دوم ربات های تکاملی است. این روشی است که از محاسبات تکاملی برای کمک به طراحی روبات ها ، به ویژه فرم بدن ، یا کنترل کننده های حرکت و رفتار استفاده می کند. به روشی مشابه تکامل طبیعی ، جمعیت زیادی از روبات ها به نوعی مجاز به رقابت هستند ، یا توانایی آنها در انجام وظیفه با استفاده از عملکرد تناسب سنجیده می شود. کسانی که بدترین عملکرد را دارند از جمعیت حذف می شوند و با مجموعه جدیدی جایگزین می شوند که بر اساس رفتار برندگان رفتارهای جدیدی دارند. با گذشت زمان جمعیت بهبود می یابد و در نهایت ممکن است یک روبات رضایت بخش ظاهر شود. این بدون برنامه ریزی مستقیم روبات ها توسط محققان اتفاق می افتد. محققان از این روش هم برای ایجاد روبات های بهتر و هم برای کشف ماهیت تکامل استفاده می کنند.
از آنجا که این فرایند اغلب نیاز به شبیه سازی نسل های زیادی از روبات ها دارد ، این تکنیک ممکن است به طور کامل یا عمدتا در شبیه سازی با استفاده از یک بسته نرم افزاری شبیه ساز ربات اجرا شود ، پس از آنکه الگوریتم های تکامل یافته به اندازه کافی خوب مورد آزمایش قرار گرفتند. در حال حاضر ، حدود ۱۰ میلیون روبات صنعتی در سراسر جهان مشغول به کار هستند و ژاپن برترین کشوری است که تراکم بالایی از استفاده از روبات ها در صنعت تولید خود دارد.
دینامیک و سینماتیک
مطالعه حرکت را می توان به سینماتیک و دینامیک تقسیم کرد. سینماتیک مستقیم یا سینماتیک جلو به محاسبه موقعیت اثر گذار نهایی ، جهت ، سرعت و شتاب زمانی اطلاق می شود که مقادیر مشترک مربوطه مشخص باشد. سینماتیک معکوس به حالت مخالف اشاره می کند که در آن مقادیر مورد نیاز برای مقادیر نهایی داده شده محاسبه می شود ، همانطور که در برنامه ریزی مسیر انجام شده است. برخی از جنبه های خاص سینماتیک شامل استفاده از افزونگی (امکانات مختلف انجام یک حرکت) ، اجتناب از برخورد و اجتناب از تکینگی است.
هنگامی که همه موقعیت ها ، سرعتها و شتابهای مربوطه با استفاده از سینماتیک محاسبه شد ، از روشهای حوزه دینامیک برای بررسی تأثیر نیروها بر این حرکتها استفاده می شود. دینامیک مستقیم به محاسبه شتاب در ربات پس از مشخص شدن نیروهای اعمال شده اشاره دارد. از پویایی مستقیم در شبیه سازی های کامپیوتری ربات استفاده می شود. دینامیک معکوس به محاسبه نیروهای محرک لازم برای ایجاد یک شتاب تعیین شده برای اثر نهایی اشاره دارد. از این اطلاعات می توان برای بهبود الگوریتم های کنترل یک روبات استفاده کرد.
در هر زمینه ای که در بالا ذکر شد ، محققان تلاش می کنند تا مفاهیم و استراتژی های جدیدی را توسعه دهند ، مفاهیم موجود را بهبود بخشند و تعامل بین این مناطق را بهبود بخشند. برای انجام این کار ، معیارهای عملکرد “مطلوب” و راه هایی برای بهینه سازی طراحی ، ساختار و کنترل روبات ها باید تهیه و اجرا شود.
بیونیک و بیومیمتیک
بیونیک و بیومیمتیک فیزیولوژی و روشهای حرکت حیوانات را در طراحی روباتها به کار می برند. به عنوان مثال ، طراحی BionicKangaroo بر اساس روش پرش کانگوروها بود.
محاسبه کوانتومی
برخی تحقیقات در مورد این که آیا الگوریتم های روباتیک می توانند سریعتر از رایانه های کوانتومی اجرا شوند نسبت به رایانه های دیجیتالی وجود دارد یا خیر. از این منطقه به عنوان روباتیک کوانتومی یاد می شود.
آموزش و پرورش
مهندسان روباتیک ، روبات ها را طراحی ، نگهداری و نگهداری می کنند ، برنامه های جدیدی را برای آنها توسعه می دهند و تحقیقاتی را برای گسترش پتانسیل روباتیک انجام می دهند. روبات ها در برخی از مدارس راهنمایی و دبیرستان ، به ویژه در بخش هایی از ایالات متحده ، و همچنین در بسیاری از اردوهای تابستانی جوانان ، به یک ابزار آموزشی محبوب تبدیل شده اند که باعث علاقه مندی دانش آموزان به برنامه نویسی ، هوش مصنوعی و روباتیک شده است.
آموزش شغلی
دانشگاه هایی مانند موسسه پلی تکنیک Worcester (WPI) لیسانس ، فوق لیسانس و مقطع دکترا را در زمینه رباتیک ارائه می دهند. [۱۵۷] مدارس حرفه ای آموزش رباتیک را با هدف مشاغل در رباتیک ارائه می دهند.
صدور گواهینامه
اتحادیه استانداردهای صدور گواهینامه روباتیک (RCSA) یک مرجع صدور گواهینامه رباتیک بین المللی است که گواهینامه های مختلف رباتیک مرتبط با صنعت و آموزش را ارائه می دهد.
اردوی تابستانی رباتیک
چندین برنامه اردوی تابستانی ملی شامل روباتیک به عنوان بخشی از برنامه درسی اصلی آنها است. علاوه بر این ، برنامه های رباتیک تابستانی جوانان اغلب توسط موزه ها و موسسات مشهور ارائه می شود.
مسابقات رباتیک
مسابقه ربات ها
مسابقات زیادی در سراسر جهان وجود دارد. برنامه درسی SeaPerch به عنوان دانش آموزان در تمام سنین مورد استفاده قرار می گیرد. این یک لیست کوتاه از نمونه های مسابقات است. برای مشاهده لیست کاملتر به مسابقه ربات مراجعه کنید.
مسابقات برای کودکان خردسال
سازمان FIRST مسابقات FIRST Lego League Jr. را برای کودکان کوچکتر ارائه می دهد. هدف این مسابقه این است که به کودکان کوچکتر فرصتی برای شروع یادگیری علم و فناوری ارائه دهد. کودکان در این مسابقه مدل های لگو را می سازند و این امکان را دارند که از کیت روباتیک Lego WeDo استفاده کنند.
مسابقات برای کودکان ۹ تا ۱۴ سال
یکی از مهمترین مسابقات FLL یا FIRST Lego League است. ایده این مسابقه خاص این است که بچه ها از ۹ سالگی هنگام بازی با لگو شروع به توسعه دانش و ورود به رباتیک کنند. این مسابقه با National Instruments همراه است. کودکان از Lego Mindstorms برای حل چالش های رباتیک خودکار در این مسابقات استفاده می کنند.
مسابقات برای نوجوانان
FIRST
FIRST Tech Challenge برای دانش آموزان متوسط طراحی شده است ، به عنوان گذار از FIRST League Lego به FIRST Competition Robotics.
FIRST Competition Robotics بیشتر بر طراحی مکانیکی تمرکز دارد و هر سال یک بازی خاص انجام می شود. روبات ها مخصوص بازی آن سال ساخته شده اند. در بازی مسابقه ، ربات در ۱۵ ثانیه اول بازی به طور خودکار حرکت می کند (اگرچه سالهای خاصی مانند Deep Space 2019 این قانون را تغییر می دهد) ، و بقیه مسابقات به صورت دستی اداره می شود.
مسابقات برای دانش آموزان بزرگتر
مسابقات مختلف RoboCup شامل تیم هایی از نوجوانان و دانشجویان دانشگاه است. این مسابقات بر مسابقات فوتبال با انواع مختلف روبات ها ، مسابقات رقص و مسابقات جستجو و نجات شهری متمرکز است. همه ربات های این مسابقات باید خودمختار باشند. برخی از این مسابقات بر روی روبات های شبیه سازی شده تمرکز دارند.
AUVSI مسابقات ربات های پرنده ، قایق های رباتیک و روبات های زیر آب را اجرا می کند.
مسابقه دانشجویی AUV اروپا [۱۵۸] (SAUC-E) عمدتاً تیم های دانشجوی کارشناسی و کارشناسی ارشد را جذب می کند. همانطور که در مسابقات AUVSI ، روبات ها باید در حین شرکت در مسابقات کاملاً خودمختار باشند.
چالش Microtransat یک مسابقه برای قایقرانی با قایق در اقیانوس اطلس است.
مسابقات برای همه آزاد است
RoboGames برای همه کسانی که مایل به شرکت در بیش از ۵۰ رده از مسابقات ربات هستند ، آزاد است.
فدراسیون انجمن بین المللی فوتبال روبات مسابقات جام جهانی FIRA را برگزار می کند. مسابقات ربات های پرنده ، مسابقات فوتبال ربات ها و سایر چالش ها از جمله هالترهای وزنه برداری ساخته شده از رولپلاک و سی دی وجود دارد.
برنامه های بعد از مدرسه رباتیک
بسیاری از مدارس سراسر کشور شروع به افزودن برنامه های رباتیک به برنامه درسی بعد از مدرسه خود کرده اند. برخی از برنامه های اصلی برای رباتیک پس از مدرسه عبارتند از FIRST Robotics Competition ، Botball و B.E.S.T. رباتیک. مسابقات رباتیک اغلب شامل جنبه های تجاری و بازاریابی و همچنین مهندسی و طراحی است.
شرکت لگو برنامه ای را برای یادگیری و هیجان انگیز شدن کودکان در زمینه رباتیک در سنین پایین آغاز کرد.
رباتیک آموزشی استعماری
رباتیک آموزشی استعماری شاخه ای از فناوری استعمار زدایی است و Decolonial A.I. در نقاط مختلف جهان تمرین می شود. این روش در نظریه ها و شیوه های آموزشی مانند روش های آموزش مظلومان و روش مونته سوری خلاصه شده است. و هدف آن آموزش روباتیک از فرهنگ محلی ، تکثیر و ترکیب دانش تکنولوژیکی است.