معرفی نویسنده

سارا فیاض زاده

دانشجوی دکترا بیوفیزیک(دانشگاه تربیت مدرس)

رباتی که در پاسخ به لبخند شما لبخند می‌زند

رباتی که در پاسخ به لبخند شما لبخند می‌زند

در حالی که حالات چهره نقش بسزایی در ایجاد اعتماد دارند، در اکثر ربات‌ها هنوز از یک چهرۀ ثابت و خالی از احساس استفاده می‌شود. با استفادۀ روز افزون از ربات‌ها در مکان‌هایی که نیاز به همکاری بین انسان و ربات هست، از خانه‎‌های سالمندان گرفته تا انبارها و کارخانه‌ها، نیاز به وجود ربات‌هایی که از نظر چهره واقع‌گرایانه به نظر برسند، به خوبی حس می‌شود. پژوهشگران آزمایشگاه Creative Machines در دانشکده مهندسی Columbia در ایالت متحده که از مدت‌ها پیش تحقیقات خود را معطوف به تعاملات بین ربات‌ها و انسان‌ها نمودهند‌اند، پس از تلاش 5 ساله، موفق به ساخت ربات EVA شده‌اند. این ربات که یک ربات جدید مستقل با چهره‌ای انعطاف‌پذیر و گویا است، واکنشی مطابق حالات انسان‌های اطرافش نشان می‌دهد.

به گفتۀ سرپرست آزمایشگاه،Hod Lipson، ایدۀ این ربات زمانی به ذهنشان خطور کرد که دیدند ربات‌های آزمایشگاه‌شان تنها با چشمانی پلاستیکی و بدون احساس به آن‌ها می‌نگرند. یا در موردی مشابه با ربات‌هایی در فروشگاه‌ها رو به رو شدند که تلاش شده بود با دادن نام یا پوشاندن لباس به آن‌ها هویت انسان گونه بخشیده شود. این موضوع باعث شد فکر کنند که اگر پوشاندن لباس یا اختصاص نام برای ارتباط بهتر موثر است، چرا رباتی نسازند که دارای چهرۀ انسانی بسیار ابرازگر و گویا باشد. هرچند این به نظر ساده می‌رسد، ایجاد یک چهرۀ رباتیکی متقاعدکننده یک چالش بسیار دشوار برای علم رباتیک محسوب می‌شد. برای دهه‌ها، قطعات بدن ربات‌ها از فلز یا پلاستیک سخت ساخته می‌شد، موادی که برای تقلید حرکات بدن انسان بیش از اندازه سفت بودند. به همین ترتیب کار با بخش سخت افزاری ربات‌ها هم دشوار بود، بسیاری از مدارها، سنسورها و موتورها، سنگین، پرمصرف و بزرگ بودند.

فاز اول، ساخت بخش مکانیکی ربات بود که از چندین سال قبل در آزمایشگاه Lipson آغاز شده بود. آن‌ها موفق به ساخت EVA به صورت یک مجسمۀ بدون تنه شدند که قادر است شش احساس پایه‌ای عصبانیت، انزجار، ترس، شادی، غم و تعجب و احساسات ظریف‌تر را با استفاده از عضلات مصنوعی (یعنی همان کابل‌ها و موتورهایی که مسئول تقلید حرکات بیش از 42 عضله کوچک در صورت انسان هستند) ابراز کند. از چالش‌های دیگر این تحقیق، طراحی سیستمی فشرده بود که با حفظ عملکرد، داخل جمجمه‌ای با اندازۀ جمجمۀ انسان جا بگیرد. در این چالش استفاده از فرایند پرینت سه بعدی برای پرینت قطعات با اشکال پیچیده و متناسب با جمجۀ EVA بسیار کارآمد بود.

هنگامی که رضایت کامل از بخش مکانیکی EVA حاصل شد، این تیم تحقیقاتی شروع به پرداختن به فاز دوم پروژه کردند یعنی برنامه‌ریزی هوش مصنوعی که حرکات صورت EVA را هدایت کند. ربات ساخته شده توسط آزمایشگاه Lipson، نسبت به مدل‌های پیشین دارای دو پیشرفت تکنولوژیکی است. EVA برای خواندن و تقلید از حالات چهرۀ اطرافیانش از یادگیری عمیق بهره می‌برد و همچنین EVA توانایی تقلید طیف گسترده‌ای از حالات مختلف چهرۀ انسانی را با استفاده از روش آزمون و خطا از مشاهدۀ فیلم‌های خود آموخته است. تیم تحقیقاتی فاز نرم افزاری این ربات متوجه شدند که حرکات صورت EVA پیچیده‌تر از آن است که با قوانین از پیش تعیین شده هدایت شود. برای مقابله با این چالش این تیم، مغز EVA را با استفاده از چندین شبکۀ عصبی یادگیری عمیق ایجاد کردند. نیاز بود تا مغز این ربات بر دو قابلیت تسلط کافی داشته باشد: اول، یادگیری استفاده از سیستم عضلانی مکانیکی پیچیدۀ خودش برای ایجاد یک حالت بخصوص و دوم دانستن اینکه با خواندن صورت انسان‌ها، چه چهره‌ای را باید به خود بگیرد. برای اینکه به EVA یاد دهند چهره‌اش چه شکلی است، این تیم تحقیقاتی ساعت‌ها از EVA در حالی که حالت‌های تصادفی ایجاد می‌کرد، فیلم برداری کردند. سپس شبکۀ عصبی EVA با استفاده از تطابق حرکت عضلات با فیلم ویدئویی که از چهره‌اش گرفته شده بود، آموزش داده شد. حال که EVA درک اولیه‌ای از چهرۀ خود پیدا کرده بود، از شبکه دوم برای انطباق تصویر خود با صورت انسانی که در فیلم بود استفاده کرد. پس از چندین بار اصلاح و تکرار، EVA توانایی خواندن حرکات صورت انسان و پاسخ دادن به آن حالت چهره را به دست آورد. پژوهشگران این تحقیق خاطر نشان کردند که EVA تنها یک آزمایش است و تقلید تنها، از راه‌های پیچیده‌ی ارتباطات انسانی فاصلۀ زیادی دارد؛ اما چنین فناوری‌هایی می‌تواند روزی کاربردهای مفید و واقعی داشته باشد. به طور مثال ربات‌هایی که قادرند به طیف گسترده‌ای از زبان بدن انسان پاسخ دهند، در محیط‌های کار، بیمارستان‌ها، مدارس و خانه مفید خواهند بود.

منبع:

https://scitechdaily.com/the-robot-smiled-back-engineers-use-ai-to-teach-robots-to-make-appropriate-reactive-human-facial-expressions/

کلید واژه ها: #robotics #Artificial_Intelligence #deep_learning #codecool #bioinformatics