روبات در جواب لبخندی زد...
مدت هاست که علاقه به تعاملات بین روبات ها و انسان ها وجود دارد. محققان EVA ، یک ربات خودمختار جدید با چهره ای نرم و گویا ایجاد کرده اند که با بیان حالات انسان های اطراف مطابقت دارد.
ادامه مطب...
در حالی که حالات چهره ما نقش زیادی در ایجاد اعتماد دارند ، اکثر روبات ها هنوز از نمای خالی و ایستایی یک بازیکن حرفه ای پوکر استفاده می کنند. با استفاده روزافزون از ربات ها در مکان هایی که ربات ها و انسان ها نیاز به همکاری نزدیک دارند ، از خانه های سالمندان گرفته تا انبارها و کارخانه ها ، نیاز به یک ربات با واکنش واقعی تر و واقع گرایانه بیشتر می شود. محققان آزمایشگاه ماشین های خلاق در مهندسی کلمبیا به مدت پنج سال در تلاشند برای خلق ایده EVA ، یک ربات مستقل جدید با چهره ای نرم و گویا که با بیان حالات انسان های اطراف مطابقت دارد. هود لیپسون مدیر آزمایشگاه گفت: "ایده EVA چند سال پیش شکل گرفت ، زمانی که من و دانشجویانم متوجه شدیم که ربات های آزمایشگاه ما از طریق چشم های پلاستیکی و مبهوت به ما خیره می شوند. لیپسون روند مشابهی را در فروشگاه های مواد غذایی مشاهده کرد ، جایی که با ربات هایی که دارای نشان های نامی بودند ، روبرو می شدند و در یک مورد ، با کلاه دستباف و دنج تزئین می شدند. وی گفت: "به نظر می رسید مردم با دادن چشم ، هویت یا نام به همكاران رباتیک خود انسان سازی می كنند." "این باعث شد که ما تعجب کنیم ، اگر چشم و لباس کار می کند ، چرا رباتی درست نمی کنیم که دارای چهره ای انسانی بسیار گویا و پاسخگو باشد؟" اگرچه به نظر ساده می رسد ، اما ایجاد یک چهره رباتیک متقاعد کننده یک چالش جدی برای رباتیک ها بوده است. برای دهه ها ، قطعات بدن رباتیک از فلز یا پلاستیک سخت ساخته شده اند ، موادی که برای جریان دادن و حرکت دادن بافت انسان بسیار سفت هستند. سخت افزار رباتیک به همین ترتیب خام بوده و کار با آن دشوار است - مدارها ، سنسورها و موتورها سنگین ، پرانرژی و حجیم هستند. مرحله اول این پروژه چندین سال پیش در آزمایشگاه لیپسون آغاز شد ، هنگامی که دانشجوی کارشناسی زانوار فرج تیمی از دانشجویان را در ساخت "ماشین آلات" فیزیکی ربات هدایت کرد. آنها EVA را به عنوان یک نیم تنه مجسم ساخته اند که شباهت زیادی به مجریان ساکت اما متحرک چهره گروه آبی دارد. EVA می تواند شش احساس اساسی عصبانیت ، انزجار ، ترس ، شادی ، غم و غافلگیری و همچنین مجموعه ای از احساسات ظریف تر را با استفاده از "عضلات" مصنوعی (یعنی کابل ها و موتورها) بیان کند که نقاط خاصی از EVA را جذب می کند. صورت تقلید از حرکات بیش از 42 عضله کوچک که در نقاط مختلف به پوست و استخوان های صورت انسان متصل شده اند. فرج خاطرنشان کرد: "بزرگترین چالش در ایجاد EVA ، طراحی سیستمی بود که به اندازه کافی جمع و جور باشد تا بتواند در داخل جمجمه انسان قرار گیرد ، در حالی که هنوز به اندازه کافی عملکردی دارد و می تواند طیف وسیعی از حالت های صورت را تولید کند." برای غلبه بر این چالش ، تیم EVA برای ساخت قطعاتی با اشکال پیچیده که بصورت یکپارچه و کارآمد با جمجمه ادغام شده بودند ، به شدت به چاپ سه بعدی متکی بودند. تیم EVA پس از هفته ها کشیدن کابل ها برای ایجاد لبخند ، اخم یا ناراحت به نظر رسیدن ، تیم EVA متوجه شد که صورت آبی و متفرق می تواند پاسخ های عاطفی همتایان آزمایشگاه خود را دریافت کند. لیپسون به یاد می آورد: "من یک روز به فکر کار شخصی خودم بودم که ناگهان EVA لبخندی بزرگ و دوستانه به من زد." "من می دانستم كه این كار كاملاً مكانیكی است ، اما خودم را بازتاب دهنده ی لبخند می بینم."
هنگامی که تیم EVA از "مکانیک" راضی شدند ، شروع به پرداختن به مرحله اصلی دوم پروژه کردند: برنامه ریزی هوش مصنوعی که حرکات صورت EVA را هدایت می کند. در حالی که سالهاست که رباتهای زنده انیماتروینیک در پارک های موضوعی و استودیوهای فیلم سازی مورد استفاده قرار می گیرند ، تیم لیپسون دو پیشرفت تکنولوژیکی به دست آورد. EVA از هوش مصنوعی یادگیری عمیق برای "خواندن" و سپس آینه کردن عبارات موجود در صورت انسان در نزدیکی استفاده می کند. و توانایی EVA در تقلید از طیف وسیعی از حالات مختلف چهره انسان با آزمایش و خطا از تماشای فیلم های خود آموخته می شود. دشوارترین فعالیتهای انسانی برای اتوماسیون شامل حرکات فیزیکی غیر تکراری است که در محیطهای پیچیده اجتماعی اتفاق می افتد. بویوان چن ، دانشجوی دکترای لیپسون که فاز نرم افزاری پروژه را هدایت می کرد ، به سرعت متوجه شد که حرکات صورت EVA بسیار پیچیده است و نمی تواند توسط مجموعه قوانین از پیش تعریف شده اداره شود. برای مقابله با این چالش ، چن و تیم EVA دوم دانش آموزان با استفاده از چندین شبکه عصبی Deep Learning مغز EVA را ایجاد کردند. مغز این ربات نیاز به تسلط بر دو قابلیت داشت: اول اینکه یاد بگیرد از سیستم پیچیده عضلات مکانیکی خودش برای ایجاد هرگونه بیان خاص صورت استفاده کند و دوم اینکه بداند با "خواندن" صورت انسان چه چهره هایی ایجاد می کند. چن و تیم EVA برای آموزش که چهره آن چگونه است ، ساعتها از فیلم EVA که یک سری چهره های تصادفی ایجاد می کند فیلمبرداری کردند. سپس ، مانند انسانی که خودش را در زوم تماشا می کند ، شبکه های عصبی داخلی EVA یاد گرفتند که حرکت عضلات را با فیلم ویدئویی صورت خود جفت کنند. اکنون که EVA درک ابتدایی نحوه کار صورت خود را داشت (معروف به "تصویر از خود") ، از شبکه دوم استفاده کرد تا تصویر شخصی خود را با تصویر صورت انسانی گرفته شده در دوربین فیلمبرداری خود مطابقت دهد. پس از چندین بار اصلاح و تکرار ، EVA توانایی خواندن حرکات صورت انسان را از دوربین و پاسخ دادن با بازتاب حالت چهره آن انسان را بدست آورد. محققان متذکر می شوند که EVA یک آزمایش آزمایشگاهی است و تقلید به تنهایی هنوز از راه های پیچیده ارتباط انسان با استفاده از حالات صورت بسیار دور است. اما چنین فناوری های توانمندسازی می توانند روزی کاربردهای مفید و واقعی داشته باشند. به عنوان مثال ، روبات هایی که قادر به پاسخگویی به طیف گسترده ای از زبان بدن انسان هستند ، در محیط های کار ، بیمارستان ها ، مدارس و خانه ها مفید خواهند بود. لیپسون گفت: "محدودیتی وجود دارد که ما انسانها بتوانیم از نظر احساسی با گپ های ربات مبتنی بر ابر یا بلندگوهای خانه هوشمند جدا از هم درگیر شویم." "به نظر می رسد مغز ما به خوبی به روبات هایی واکنش نشان می دهد که به نوعی حضور فیزیکی قابل تشخیص دارند."
جمع بندی
"روبات ها به روش های فزاینده ای در زندگی ما در هم آمیخته اند ، بنابراین ایجاد اعتماد بین انسان و ماشین از اهمیت بیشتری برخوردار است."
منبع: Sciencedaily.com
منبع عکس: MSN.com
