งานวิจัยใหม่สอนให้หุ่นยนต์เอาชนะอุปสรรค

หุ่นยนต์สี่ขาส่วนใหญ่ได้รับการฝึกฝนให้ทรงตัวได้อีกครั้งเมื่อสะดุดกับสิ่งกีดขวาง ในการพัฒนาหุ่นยนต์ทำความสะอาด โจแอนน์ ตวง นักศึกษาปริญญาเอกชาวเวียดนามจากคณะวิทยาการคอมพิวเตอร์เชิงโต้ตอบ สถาบันเทคโนโลยีจอร์เจีย (GIT) พร้อมด้วยนาโอกิ โยโกยามะ และซิมาร์ คาเรร์ เพื่อนร่วมงานอีกสองคน กำลังฝึกหุ่นยนต์ให้ก้าวข้ามสิ่งของที่อาจเกะกะในบ้าน Tech Xplore รายงานเมื่อเร็วๆ นี้

Nghiên cứu mới dạy robot vượt chướng ngại vật - Ảnh 1. — (จากซ้าย) นาโอกิ โยโกยามะ, โจแอนน์ ตรูอง และซิมาร์ คาเรอร์ ทำงานร่วมกับหุ่นยนต์สี่ขา

ตามรายงานของทีมวิจัย พบว่าหุ่นยนต์สี่ขาที่ติดตั้งตัวควบคุมการเคลื่อนไหวแบบ "ตาบอด" มีแนวโน้มที่จะตอบสนองต่อการหลีกเลี่ยงการล้มเมื่อเหยียบวัตถุมากขึ้น

ในขณะเดียวกัน ทีมวิจัยได้ประยุกต์ใช้วิธีการใหม่ โดยแสดงภาพสดให้หุ่นยนต์ก้าวข้ามสิ่งกีดขวาง โดยผสานนโยบายการนำทางเข้ากับนโยบายการเคลื่อนที่ตามภาพ วิธีการนี้ช่วยให้หุ่นยนต์ก้าวข้ามสิ่งกีดขวางในสภาพแวดล้อมจำลองที่รกไปด้วยสิ่งกีดขวาง โดยมีอัตราความสำเร็จสูงถึง 72.6%

หุ่นยนต์สามารถเรียนรู้ได้ด้วยตัวเองและไม่เลียนแบบรูปแบบพฤติกรรมที่มีอยู่เดิม นักวิจัยกล่าวว่าแบบจำลองนี้สามารถปรับขนาดได้และนำไปประยุกต์ใช้งานได้ทันทีโดยไม่ต้องปรับแต่งมากนัก นโยบายดังกล่าวกำหนดให้หุ่นยนต์หลีกเลี่ยงวัตถุขณะเคลื่อนที่จากที่หนึ่งไปยังอีกที่หนึ่ง และใช้ขาเพื่อก้าวข้ามวัตถุ รวมถึงการยกขาให้สูงที่เหมาะสม

‘หุ่นยนต์สุนัข’ ฝ่าถนนขรุขระยาวๆ โดยไม่ล้ม

ทีมวิจัยระบุว่า หุ่นยนต์สี่ขาแบบทั่วไปสามารถมองเห็นโลกจริงได้ผ่านกล้องด้านหน้าเท่านั้น และไม่สามารถมองเห็นวัตถุที่อยู่ใกล้เท้าได้ ทีมวิจัยได้ผสานความจำและการรับรู้เชิงพื้นที่เข้ากับเครือข่ายเพื่อสอนหุ่นยนต์ให้รู้ว่าควรก้าวข้ามสิ่งกีดขวางเมื่อใดและที่ใด หากวัตถุนั้นสูงเกินไป หุ่นยนต์ก็สามารถเคลื่อนที่อ้อมได้ “เราพบว่าวิธีนี้นำทางได้ดีมาก และแม้ว่าหุ่นยนต์จะเคลื่อนที่ผิดทาง แต่มันก็รู้ว่าสามารถถอยหลังและกลับสู่ตำแหน่งเดิมได้” Truong กล่าว ทีมวิจัยยังได้สอนหุ่นยนต์ว่าควรก้าวข้ามวัตถุใด เช่น ของเล่น และควรเคลื่อนที่อ้อมวัตถุใด เช่น โต๊ะและเก้าอี้

ผลการค้นพบของทีมงานยังอาจช่วยให้หุ่นยนต์นำทางในสภาพแวดล้อมกลางแจ้งในโลกแห่งความเป็นจริงได้ โดยเลือกเส้นทางตามความต้องการของเจ้าของเพื่อหลีกเลี่ยงพื้นที่ที่เป็นโคลนหรือหิน

งานวิจัยนี้ได้รับรางวัลชนะเลิศจากการประชุมเชิงปฏิบัติการด้านหุ่นยนต์ในงาน Robotics Learning Conference 2022 ที่ประเทศนิวซีแลนด์ งานวิจัยนี้จะนำเสนอในงาน IEEE International Conference on Robotics and Automation ที่กรุงลอนดอน สหราชอาณาจักร ระหว่างวันที่ 29 พฤษภาคม ถึง 2 มิถุนายน

ลิงค์ที่มา