روبات های هوشمند
به نام حق
روبات چیست؟
موسسه بین المللی استاندارد روبات را بصورت زیر تعریف کرده است:
روبات وسیله ای است که
بصورت خودکار کنترل شود،
قابل برنامه ریزی مجدد باشد،
چند منظوره بوده و
با داشتن چندین درجه آزادی قدرت جابجائی داشته باشد.
روبات میتواند متحرک و یا ثابت باشد.
اهمیت روباتها
امروزه روباتها در انجام بسیاری از کارها به کمک انسان آمده و در برخی کارها نیز جایگزین آدمی گشته اند از جمله:
کار در کارخانه، اکتشافات فضائی، جراحی، بصورت دست آموز خانگی! و….
بطور کلی روباتها در کارهائی استفاده میشوند که خطرناک بوده ( مثل نیروگاههای هسته ای)، مشکل و تکراری باشند (مثل اغلب کار کارخانه ها) و محیط های کثیف (مثل داخل لوله ها).
روباتیک چیست؟
علم مطالعه روباتها را روباتیک مینامند.
تعریف جامعتر این علم را میتوان بصورت زیر نیز بازگو نمود:
روباتیک عبارت است از ارتباط هوشمندانه بین ادراک و عمل
اجزا یک سیستم روباتیک
ساختار مکانیکی شامل:
اتصالات بازو وبدنه، چرخها
محرک ها ئی که باعث حرکت روبوت میشوند نظیر
موتورها
سنسورهای مختلف برای ادراک محیط پیرامون روباتها نظیر:
سنسورهای فاصله، دوربین، لیزر و غیره
یک کنترلر کامپیوتری که سیگنالهای سنسورها را خوانده و با پردازش اطلاعات بتواند فرامین لازمه را برای محرک ها ایجاد نماید.
روبات هوشمند
کدامیک هوشمندترند؟
روبات هوشمند
یک تعریف کلی از روبات هوشمند عبارت است از:
یک ماشین قابل برنامه ریزی که بتواند عمل یک موجود هوشمند نظیر انسان را تقلید کند
روباتیک و هوش مصنوعی
روباتیک یکی از مهمترین زمینه های استفاده عملی از تکنیک های هوش مصنوعی است.
در واقع یک روبات هوشمند برای انجام هوشمندانه اعمال خود ناگزیر است بسیاری از این روش ها را به خدمت بگیرد:
Learning,
planning,
reasoning,
problem solving,
knowledge representation,
computer vision
روبات صنعتی هوشمند
توانائی های روبات آدم نما
روباتهائی مثل ASIMO قادرند :
در محیط های واقعی عمل کنند
اشیا را جابجا کنند
در محیطی که برای انسان ساخته شده است راه بروند ، از پله ها بالا رفته و روی صندلی بنشینند
چهره انسان ها را شناخته و به خاطر بسپارند.
با انسان مکالمه کرده و فرامین او را اجرا نمایند
…
کاربرد روبات هوشمند
اعمال اصلی یک روبات هوشمند
Sense
Act
Plan
روشهای مختلف تعامل روبات با محیط
SENSE
PLAN
ACT
SENSE
ACT
SENSE
PLAN
ACT
Hierarchical
Reactive
Hybrid
سیر تحول در کنترل روبات
Reactive Paradigm (mid-80’s)
بدون مدل
بشدت وابسته به حس دقیق محیط بود
Probabilistic Robotics (since mid-90’s)
ترکیب مدل و حس کردن
مدل غیر دقیق، حس کردن غیردقیق
Classical Robotics (mid-70’s)
مدل دقیق
نیازی به حس کردن نبود
سنسورهای روباتهای هوشمند
Visionبرای دریافت محیط پیرامون
Voice برای صحبت با آدمی
Tactile برای حس وحود اشیا در سر راه مسیر
Force برای تشخیص نیرو در کاربردهائی نظیر مونتاژ
Laser برای اندازه گیری فاصله و تشخیص موانع
….
یادگیری در روبات
اگرچه روباتهائی مثل ASIMO کارهای شگفت انگیزی میکنند اما قادر نیستند یادگیری بکنند.
یک روبات باید بتواند در تعامل با محیط و در اثر تجربه یادگیری نماید
روشهای یادگیری
شبکه عصبی
درخت تصمیم
یادگیری تقویتی
الگوریتم ژنتیک
اهمیت یادگیری
بی تردید باید گفت که اهمیت یادگیری در رشد آدمی بسی فراتر از چشم انداز اندیشه های اوست. روان شناسان به تازگی به عظمت شکل پذیری نوع آدمی، حتی در سالهای نخستین او پی برده و محقق ساخته اند که عامل اصلی در این شکل پذیری یادگیری است. به اعتقاد آنان هر رفتاری که از ما سر می زند معلول یادگیری است. به این معنا که یک رشته از یادگیریهای ساده تر موجب یادگیریهای پیچیده تر می شوند. به علاوه چون محیط زندگی افراد آدمی همواره در معرض تغییر است. انسان برای غلبه بر این دگرگونیها ناچار از یادگیری است.
ماهیت یادگیری
یادگیری در واقع هم یک رشته فرایند است و هم فرآورده تجربه ها. بعضی از فرایندهایی که در داد و ستد بین موجود آدمی و محیط انجام می گیرد عبارتند از احساس و ادراک، یادآوری، نمادسازی، اندیشه های مجرد و تخیلی و سرانجام رفتار.
یادگیری در حقیقت دارای مفهوم بسیار گسترده ای است که در قالبهای دگرگونی، عادت شکنی، ایجاد علاقه، نگرشهای نو، درک ارزش، ذوق و سلیقه و پیشداوری یا جب و بغض پدیدار می شود. همچنین، شیوه ترکیب و کاربرد معلومات در استدلال، تفکر، نظریه پردازی، حل مسئله، احساس و عواطف عمیق انسانی، خودشناسی و دگرگونیهایی که در کل شخصیت به وجود می آیند همه از یادگیری مایه می گیرند
تعریف یادگیری
تعریفهای گوناگونی که درباره یادگیری انجام گرفته نشان می دهند که هنوز تعریف جامع و یکدستی که برای همه روان شناسان با نظریه های مختلف پذیرفتنی باشد به دست نیامده است. اما بسیاری از روان شناسان و پرورشکاران معتقدند که « یادگیری تغییری است که بر اثر تجربه یا آموزش در رفتار موجود زنده پدید می آید ». در این تعریف مهمترین واژه ای که نظر را به خود جلب می کند واژه تغییر است. زیرا رفتار فرد در زمانی که چیزی نیاموخته با زمانی که آن چیز را، آموخته است تفاوت دارد. واژه مهم دیگر رفتار است. زیرا تغییر رفتار با ابعاد بدنی مانند طول و عرض و قد و وزن بدنی ارتباط ندارد، بلکه بیشتر معلوم یادگیری است، نه دگرگونیهای بدنی.
روان شناسان عصب گرا ویادگیری
با توجه به موارد بالا تا میتوان گفت که یادگیری دارای دو تعریف است: یکی به تغییر رفتار نمایان و دیگری به استعداد یا توانمندی در پاسخ دادن اختصاص می یابد. اما روان شناسان عصب گرا یادگیری را تغییر در ساختار فیزیولوژی اعصاب می دانند که از استعداد ابزار پاسخ پدید می آید. دکتر هب یک رشته بررسیهایی درباره کارکرد اعصبا مرکزی در رابطه با یادگیری به مضمون زیر انجام داده که در خور اهمیت است: یادگیری، فرایند ایجاد سیر یا مدار عصبی نسبتاً پایدار از طریق فعالیت خود به خود در مدارهای موجود است. وقتی فعالیتی صورت می گیرد حالت تغییر در ساخت سلولها و مدارهای عصبی ایجاد می شود و پاسخ مربوط به اثر برانگیختگی و تکرار به آسانی دریافت می شود. با ملاحظه تعریفهای سه گانه بالا درباره یادگیری، مورد اول و دوم در بررسیهای روان شناسی امروزی دارای اهمیت بیشتری است، اما مورد سوم از اعتبار علمی خاصی برخوردار است.
یادگیری تقویتی
در یک مسئله یادگیری تقویتی با عاملی روبرو هستیم که از طریق سعی و خطا با محیط تعامل کرده و یاد میگیرد تا عملی بهینه را برای رسیدن به هدف انتخاب نماید.
یادگیری تقویتی
یادگیری تقویتی از اینرو مورد توجه است که راهی برای آموزش عاملها برای انجام یک عمل از طریق دادن پاداش و تنبیه است بدون اینکه لازم باشد نحوه انجام عمل را برای عامل مشخص نمائیم.
دو استراتژی اصلی برای اینکار وجود دارد:
یکی استفاده از الگوریتم های ژنتیکی
و دیگری استفاده از روشهای آماری و dynamic programming
در RL روش دوم مد نظر است.
یادگیری تقویتی
محیط مجموعه ای از S حالت ممکن است.
در هر لحظه t عامل میتواند یکی از A عمل ممکن را انجام دهد.
عامل ممکن است در مقابل عمل و یا مجموعه ای از اعمالی که انجام میدهد پاداش r را دریافت کند. این پاداش ممکن است مثبت و یا منفی )تنبیه(باشد
s9
s5
s4
s2
…
…
…
s3
s1
a9
a5
a4
a2
…
a3
a1
یادگیری تقویتی
عامل در محیط حرکت کرده و حالتها و پاداشهای مربوطه را به خاطر می سپارد.
عامل سعی میکند طوری رفتار کند که تابع پاداش را ماکزیمم نماید.
s9
s5
s4
s2
…
…
…
s3
s1
a9
a5
a4
a2
…
a3
a1
یادگیری تقویتی
پاداش Rt مجموع پاداشی است که عامل با گذشت زمانt جمع کرده است.
مثال: یادگیری حرکت در یک محیط ناشناخته
زمینه های تحقیقاتی
Vision دربافت اطلاعات به روش بینائی
Voiceفهم زبان و صحبت طبیعی با انسان
بوجود آوردن قابلیت های مختلف برای انجام عملیات گوناگون
بوجود آوردن امکان حرکت در محیط های طبیعی
حس محیط
تصمیم گیری
یادگیری
هوش مصنوعی
روبات هوشمند دردانشگاهها
Robot learning
Reinforcement learning
Robot navigation
Evolutionary Computation applied to robotics
Cognitive Robotics
Robot Vision
Biologically inspired Robotics
Human Robot Interaction
Robot Preception
روبات هوشمند دردانشگاهها
Mechanism;
How to design mechanical structures with capabilities for performing actions
Driving actuators
Intelligent sensors
روبات هوشمند دردانشگاهها
Applications;
Tasks robotics depend on application fields such as:
industries,
Space and planetary flying robots
medical surgery
tele-operation
Biologically inspired
روبات هوشمند دردانشگاهها
Robot Control;
Efficient robot control and learning based on computational neuroscience models
Object manipulation tasks in dynamically changing environments
بازار مصرف
شرکت های بسیاز زیادی در پی ساخت روباتهای هوشمند هستند.
پیش بینی شده است که یکی از 10 زمینه پولساز برای صنعت آینده روباهای هوشمند خواهد بود.
سوالاتی برای آینده
نقش روبات هوشمند در دنیای فردا چیست؟
مردم چگونه با روباتها ارتباط برقرار خواهند کرد.
حق و حقوق روبات انسان نما در جامعه چیست؟
آیا روباتهای آدم نما دارای احساس انسانی خواهند بود؟
تبعات اخلاقی وجود روبات آدم نما در جامعه چیست؟
و….
روبات خانگی
یکی از مهمترین کاربردهای روبات در آینده مصارف خانگی خواهد بود. یکی از مشکلات برخی کشورهای صنعتی در قرن 21 پیری جمعیت و کاهش نیروی کار است ( در 2020 ، 25% جمعیت ژاپن بالای 65 سال سن خواهند داشت)
این امر باعث شده تا تحقیقات فراوانی تحت عنوان Human friendly Robotics برای ساختن روباتهائی که قادر به زندگی در محیط های انسانی باشند به انجام برسند.
جواب دهید؟
آیا روبات های آینده باید شبیه انسان باشند؟
روبات خانگی
این پروژه در ژاپن در سال 1999 انجام شده است.
انگیزه:
جامعه ژاپن سالخورده است. بسیاری از آنها تنها زندگی میکنند.
روبات خانگی می تواند کیفیت زندگی سالمندان را افزایش دهد:
فراهم آوردن خدمات، مصاحبت و رفع تنهائی
روبات خانگی
اهداف پروژه:
پاسخ به سه سوال اساسی در روباتیک:
مکان یابی روبات
پیدا کردن هدف
ساختن نقشه محیط و حرکت به سمت هدف
HRPS Positioning System
Human Localization
Interactive Map Learning
مکان یابی
Home Robot Positioning System
استفاده همزمان از سنسورهای نوری و صوتی
یافتن هدف
مهمترین هدف: پیدا کردن آدمی در محیط اتاق
استفاده از اطلاعات :
رنگ صورت
حرکت
شکل سر
IR
Human Localization Overview
Image
Skin Color
Information
Motion Analysis
Shape Analysis
Depth measurement
Using Auto focus
Active Camera
Control By Fuzzy
Controller
Autofocus Parameter
Model
Camera
Face Position in Image
Face Detection
مثالی از تشخیص چهره توسط روبات
ساختن نقشه محیط
تکنولوژی موجود امکان شناسائی خودکار تمام اشیا موجود در محیط را فراهم نمیآورد.
با این وجود روبات میتواند از طریق تعامل با انسان اطلاعات مختلفی را از محیط جمع آوری کرده و از آنها در ساختن نقشه محیط استفاده نماید.
اینکار نیاز به توانائی مکالمه با انسان دارد.
تعامل انسان و روبات برای ساختن نقشه محیط
انسان سعی میکند تا با استفاده از مکالمه و اشارات دست محل اشیا و اسامی و سایر مشخصات آنها را به روبات تازه وارد معرفی نماید.
روبات سعی میکند تا با پرسیدن سوالات مورد نیاز تمامی اطلاعات در مورد شئی معرفی شده را کسب و نقشه محیط را بسازد
سیستم در حال کار
روبوکاپ چیست؟
RoboCup(Robot World Cup)
مجموعه ای از مسابقات و کنفرانس ها، محیطی پژوهشی و آموزشی
هدف اولیه:
ایجاد تیمی از روبات های فوتبالیست که در سال 2050 بتوانند تیم انسانها را شکست بدهند
فعالیت های فعلی:
کنفرانس های تخصصی
کنفرانس و مسابقات جهانی روبوکاپ
برنامه های تحصیلی
توسعه زیرساخت ها
مجموعه مسابقات روبوکاپ
تاریخچه مسابقات روبوکاپ
1992
مطرح شدن ایدهء رباتهای فوتبالیست توسط پروفسورAlan Mackworth استاد دانشگاه British Columbia
محققان ژاپنی به صورت مستقل توسعه فوتبال ربات ها و سیستم شبیه سازی را بررسی کردند.
1993
برگزاری مسابقات Robot J-League در ژاپن توسط Minoru Asada، Yasuo Kuniyoshi و Hiroaki Kitano
اولین فراخوان مسابقات جهانی اعلان و قوانین اولیه مسابقات مشخص شد .
توسعه نگارش صفر سرور فوتبال به زبان لیسپ و توسعه نگارش اول آن به زبان c++ توسط Ituski Noda
1995
اولین نمایش عمومی سرور فوتبال
تصمیم به برگزاری مسابقات پیش روبوکاپ 1996 در کنفرانس IJCAI
اعلان رسمی مسابقات 1997 در حاشیه کنفرانس IJCAI97
1996
برگزاری کنفرانس IROS-96 در اساکا ژاپن و برگزاری مسابقات پیش روبوکاپ
8 تیم در لیگ شبیه سازی شرکت کردند.
نمایش ربات سایز متوسط
1997
نقطه ی عطفی در تاریخ هوش مصنوعی و رباتیک
شکست قهرمان شطرنج جهان توسط IBM Deep Blue
ارسال اولین ربات مسیریاب به مریخ به نام Sojourner
برگزاری اولین مسابقات و کنفرانس رسمی روبوکاپ
برگزاری مسابقات با حضور مجموع 40 تیم و 5000 شرکت کننده
تاریخچه مسابقات روبوکاپ
اهداف مسابقات روبوکاپ
اهداف
سرعت بخشیدن تحقیقات : وسیله ای برای سرعت بخشیدن تحقیقات در زمینه هوش مصنوعی و روباتیک با ارئه مسائلی جذاب و مشکل
هدف نمادین : مشکل اما دست یافتنی
پروژه برجسته:
نمونه: پروژه آپولو
جان اف کندی در 1961: فرود یک انسان در ماه و بازگشت آن به سلامت به زمین
جنبه اقتصادی و یا نظامی مستقیم در کار نیست.
"قدم کوچکی برای یک انسان و قدم بزرگی برای بشریت"
زیراهداف: تعریف هدف کلی روبوکاپ زیر اهداف دیگری ایجاد می کند.
تعریف یک مساله استاندارد: روبوکاپ مساله ای استاندارد برای آزمایس تئوریها الگوریتم ها و معماریهاست.
سازمان روبوکاپ
فدراسیون روبوکاپ
مسئول برگزاری مسابقات رسمی و سالیانه روبوکاپ
سازمانی بین المللی که در سوئیس ثبت شده است.
دارای ریئس، هیت ریئسه و هیئت اجرایی می باشد.
ریس فعلی : Minoru Asada از دانشگاه اساکا ژاپن
هیئت اجرایی شامل هیئت ریئسه و نمایندگان هر لیگ می باشد.
کمیته های ملی
اسکاندیناوی
آمریکا
فرانسه
ایتالیا
آلمان
هلند
سنگاپور
ژاپن
ایران
آشنایی با لیگ های مختلف روبوکاپ
لیگ های رباتهای واقعی
لیگ ربات های اندازه کوچک
لیگ ربات های اندازه متوسط
لیگ ربات های سونی
لیگ ربات های انسان نما
لیگ ربات های امداد
لیگ نوجوانان
لیگ های شبیه سازی
شبیه سازی فوتبال
شبیه سازی امداد
لیگ ربات های سونی-نمای کلی بازی
لیگ ربات های اندازه کوچک
لیگ ربات های اندازه متوسط – ربات
ویژگی های ربات
فضای اشغال شده توسط ربات
اندازه ربات
شکل ربات
وزن ربات
ربات های سنگین تر
رنگ ربات
شماره ربات
Top marker
ارتباطات
مکانیزم کنترل توپ
لیگ ربات های انسان نما – پنالتی
لیگ ربات های امداد
لیگ نوجوانان
مسابقات
فوتبال
امداد
حرکات موزون
لیگ های شبیه سازی
لیگ شبیه سازی امداد
لیگ شبیه سازی فوتبال
لیگ دو بعدی
لیگ سه بعدی
لیگ مربی
لیگ ارائه
شبیه سازی روباتهای امداد
مسائل و مشکلات عملیات امداد
مدیریت اطلاعات
جمع آوری اطلاعات دریافتی از مکان حادثه
اعتبارسنجی داده ها
ایجاد مدلی به روز و کامل از وضعیت مکان حادثه
مدیریت منابع، نیروها، و استراتژی امداد
مشخص کردن وظایف موجود
اولویت دهی وظایف
تخصیص نیرو، و منابع به وظایف مهم
تعیین استراتژی انجام وظایف
محدودیت انسان به عنوان نیروی امداد
سناریوی شبیه سازی
حالت عادی
آتش سوزی
خرابی ساختمانها
سوختن ساختمانها
صدمه مالی
مصدوم شدن افراد
مرگ شهروندان
عدم دسترسی به نقاط مختلف شهر
مدفون شدن شهروندان
آوار بر جاده
صدمه جانی
گسترش آتش
مسدود شدن جاده
عاملهای امداد
عاملهای امداد
نیروهای امداد و مراکز فرماندهی مستقر در محل حادثه
دارای قابلیتهای متفاوت
هدف نهایی
به حداقل رساندن آسیبهای جانی
به حداقل رساندن آسیبهای مالی
از طریق
جلوگیری از گسترش آتش
یافتن مصدومین، نجات آنها از زیر آوار و انتقال آنها به پناهگاه
برقراری جریان نرمال ترافیک شهری
مدلسازی حوادث
اثرات زلزله
فرو ریختن ساختمانها
(Brokenness)
مسدود شدن جاده ها
(Block)
اثرات آتش سوزی
سوختن ساختمانها
(Fieryness)
مصدومیت شهروندان و نیروها
(Health Point)
(Damage)
(Buriedness)
با تشکر از توجه شما