محققان دانشگاه لیدز و کالج دانشگاهی لندن (UCL) موفق به توسعه سیستم هوش مصنوعی پیشرفته‌ای شده‌اند که به یک ربات چهارپا امکان می‌دهد مانند حیوانات واقعی، نحوه راه رفتن خود را با زمین‌های مختلف تطبیق دهد. این نوآوری که در مجله Nature Machine Intelligence منتشر شده، گامی مهم به‌سوی استفاده ایمن‌تر از ربات‌ها در محیط‌های پرخطر مانند عملیات امداد و نجات، نیروگاه‌های هسته‌ای و فضاهای غیرقابل دسترس برای انسان است. ربات مورد آزمایش با نام مستعار "کلارنس" توانست تنها در ۹ ساعت، مهارت‌هایی را بیاموزد که حیوانات جوان معمولاً طی هفته‌ها به آن‌ها مسلط می‌شوند. این ربات در زمین‌هایی شامل تراشه‌های چوب، سنگ، چوب‌های لق و حتی ریشه‌های درهم‌تنیده در فضای باز، بدون هیچ حسگر خارجی مانند بینایی یا شنوایی، توانست به‌صورت خودکار نوع حرکت خود را تغییر دهد.

در حالی که اکثر سامانه‌های یادگیری تقویتی در محیط‌های خاص آموزش می‌بینند و در محیط‌های جدید ناکارآمد می‌شوند، این سیستم جدید با استفاده از الگوریتم‌های یادگیری عمیق و الگوگیری از الگوهای حرکتی حیوانات، توانسته سه مؤلفه کلیدی را در یک چارچوب هوشمند ترکیب کند:

1. تغییر هوشمندانه نوع حرکت (گِیت)
2. حافظه حرکتی برای یادگیری بهینه
3. تطبیق سریع با شرایط محیطی جدید

به‌عبارتی، ربات نه‌تنها یاد می‌گیرد چگونه حرکت کند، بلکه تشخیص می‌دهد در چه زمانی نوع حرکت را تغییر دهد و چگونه آن را در لحظه تنظیم کند. این سامانه در شرایطی واقعی مورد آزمایش قرار گرفت و توانست بدون آموزش قبلی، زمین‌هایی را که پیش‌تر هرگز تجربه نکرده بود، با موفقیت پشت سر بگذارد. پروفسور ژو از دانشگاه UCL می‌گوید: «ما نمی‌خواستیم فقط ربات را برای یک وظیفه خاص آموزش دهیم، بلکه هدف ما این بود که به آن استراتژی‌های حیوانی برای تطبیق با محیط را بدهیم؛ مثل حفظ تعادل، صرفه‌جویی در انرژی و هماهنگی حرکتی.» از آنجایی که تمامی آموزش‌ها در شبیه‌سازی انجام شده و بدون هیچ تغییر فیزیکی به ربات منتقل شده، این فرآیند مشابه فیلم ماتریکس توصیف شده است؛ جایی که شخصیت «نئو» مهارت‌های رزمی را مستقیماً در ذهن خود بارگذاری می‌کند.

کاربردهای این دستاورد بسیار گسترده‌اند. از جمله استفاده در محیط‌های خطرناک، اکتشافات فضایی، بازرسی زیرساخت‌ها، کشاورزی هوشمند و حتی تحقیقات اخلاقی‌تر در بیومکانیک، که دیگر نیازی به استفاده از حیوانات در شرایط دشوار نخواهد بود. این چارچوب، نه‌تنها در ربات کلارنس، بلکه می‌تواند در طیف گسترده‌ای از ربات‌های چهارپا با ساختار مشابه پیاده‌سازی شود و نشان‌دهنده آینده‌ای روشن برای توسعه هوش مصنوعی تجسم‌یافته (Embodied AI) است؛ جایی که ربات‌ها بتوانند همانند موجودات زنده، با هوش، چابکی و انعطاف بالا حرکت کنند.

منبع خبر: techxplore