Metalul ce ”simte”

O femeie ce și-a pierdut brațul acum mai bine de 20 de ani a intrat în posesia primului braț bionic. Acesta îi permite, prin intermediul unor electrozi și senzori sofisticați, să experimenteze din nou simțul tactil (mecanorecepția).

Tehnologia unește portabilitatea brațului bionic cu un computer ce are capacitatea de a traduce informația accesată de degetele artificiale într-o limbă pe care creierul o poate înțelege. Mesajul este transmis catre creier, prin corp, cu ajutorul electrozilor.

Pentru a atinge acest rezultat a fost necesară cooperarea mai multor echipe din Italia, Elveția si Germania.

Paolo Rossini, neurolog la Spitalul Universitar Agostino Gemelli din Roma, spune că această tehnologie are capacitatea de a depăși granițele actualei utilizări. ”Odată ce creierul poate controla proteza, conceptul poate depăși limitările celor 5 degete.”

În teste utilizatorii au putut descrie corect rigiditatea suprafețelor și/sau obiectelor în 78% din cazuri iar în 88% din cazuri au putut descrie corect forma și mărimea obiectelor (bazându-se exclusiv pe ”simțul” tactil al protezei).

Roboții devin autonomi

Cercetătorii ce își desfășoară activitatea în Universitatea din California, Berkeley, au dezvoltat tehnologia ce permite roboților să își imagineze viitorul produs de acțiunile lor. Astfel, își pot da seama cum pot manipula obiectele cu care nu au mai interacționat până la acel moment.

Pe viitor, acest tip de tehnologie de învățare, ar putea fi folosită pe mașinile autonome. Astfel vor putea să anticipeze evenimente viitoare desfășurate în trafic. De asemenea poate fi folosită în robotii ce au ca și scop asistarea în mediul rezidențial.

Pentru moment, însă, prototipul este orientat către învățarea și dezvoltarea aptitudinilor simple de tip manual, din joacă spontană și neprogramată.

Folosind această tehnologie, numită Visual Foresight, roboții vor avea abilitatea de a intui ceea ce camerele lor vor avea în câmpul vizual dacă vor întreprinde un anumit tip sau o succesiune de mutări.
Momentan abilitatea este rezumată la a prezice evenimentele ce vor avea loc peste câteva secunde, dar este suficient pentru a ajuta un robot să efectueze deplasări în mediul ambiant fără a deranja sau dărâma, ceea ce poate fi perceput ca fiind obstacole.

Cel mai important aspect ce trebuie luat în calcul este că robotul poate învăța să efectueze aceste activități fără a fi ajutat de oameni, fără a cunoaște legi ale fizicii, fără a cunoaște mediul înconjurător sau plasamentul obstacolelor.

Acest lucru se datorează faptului că imaginația vizuală este învățată pornind de la 0, fără a fi asistat sau supervizat în explorare.

În primă fază robotul se joacă în mediul înconjurător folosindu-se de obiectele ce le are la dispoziție.
Astfel el construiește un model predictiv al lumii în care există. Ulterior va folosi acest model pentru a manipula obiecte cu care nu a interacționat înainte.

Pe 5 decembrie a fost desfășurată o demonstrație a tehnologiei de previziune vizuală, la conferința de Sisteme Neuronale de Procesare a Informației din Long Beach, California.

Inima acestui sistem este o tehnologie de învățare aprofundată bazată pe predicție recurentă si convoluționată video sau advecție neuronală dinamică.

Modelele bazate pe advecție neruronală dinamică prezic cum pixelii dintr-o imagine se vor deplasa, frame cu frame, ținând cont de mișcările efectuate de robot.

Recentele îmbunătățiri aduse acestei clase de modele a permis roboților să execute sarcini din ce în ce mai complexe, bazând-se pe predicție video,  cum ar fi deplasarea jucăriilor printre obstacole și repoziționare de obiecte.

Studentul doctorant la laboratorul Levine și inventatorul modelului original de advecție neuronală dinamică, Chelsea Finn, spune că ceea ce determină importanța acestui rezultat a muncii lor, este abilitatea roboților de a achiziționa noi deprinderi fără intervenție umană.

„ Pe parcursul întregii vieți, oamenii învață cum pot manipula obiectele, fără a avea profesor, prin milioane de interacțiuni cu o largă varietate de obiecte. Am demonstrat că este posibilă dezvoltarea unui sistem robotic ce utilizează cantități mari de date colectate în mod autonom pentru a descoperi abilități de manipulare pe scară largă.”, a spus Frederik Ebert, absolvent al laboratorului Levine, ce a participat la proiect.

Ținând cont de faptul că controlul prin predicția video se bazează strict pe observații ce sunt colectate în mod autonom de către robot, prin intermediul camerei video, rezultatul obținut are aplicabilitate generală.

In contrast cu un model convențional ce necesită administrarea manuală a mii sau milioane de imagini, construirea predicției video necesită doar înregistrarea video, fără adnotări, ce poate fi obținută în mod autonom de robot.

Într-adevăr, modelele de predicție video au fost folosite pe baze de date reprezentând totul, de la activități umane mondene la condusul de vehicule.

Cercetătorii de la Berkley continuă cercetarea în domeniu, concentrându-se pe îmbunătățirea predicției video și a controlului pe bază de predicție, precum și pe dezvoltarea de modele mai sofisticate prin care robotii pot colecta date dintr-o anumită arie de interes, pentru sarcini complexe cum ar fi ridicarea, amplasarea, manipularea și/sau asamblarea obiectelor moi și deformabile cum ar fi cârpa sau frânghia.