برای انسانها تشخیص اینکه لمس یک جسم چه حسی دارد با استفاده از بینایی کار راحتیست. یا بالعکس لامسه آنها را قادر میسازد با - تعمیرات لباسشویی تکنوگاز در شهر خراسان استان خراسان - لمس یک جسم به راحتی شکل آن را حدس بزنند. اما - تعمیرات لباسشویی تکنوگاز در شهر خراسان استان خراسان - چنین قابلیتی برای رباتها یک چالش بسیار بزرگ - تعمیرات لباسشویی تکنوگاز در شهر خراسان استان خراسان - به شمار - تعمیرات لباسشویی تکنوگاز در شهر خراسان استان خراسان - میآید. ربات جدیدی که در آزمایشگاه علوم کامپیوتری و هوش مصنوعی MIT توسعه داده شده سعی در غلبه بر این چالش دارد.
تیم سازنده، از یک بازوی رباتی KUKA استفاده کرده و یک سنسور لمسی به - تعمیرات لباسشویی تکنوگاز در شهر خراسان استان خراسان - نام GelSight را به آن اضافه کردند. داده جمعآوری شده توسط این سنسور به هوش مصنوعی داده میشود تا رابطه بین اطلاعات بصری - تعمیرات لباسشویی تکنوگاز در شهر خراسان استان خراسان - و لمسی را یاد بگیرد.
برای اینکه قابلیت برقراری ارتباط بین اطلاعات بصری و لمسی به این ربات آموزش داده شود، تیم سازنده 12 - تعمیرات لباسشویی تکنوگاز در شهر خراسان استان خراسان - هزار ویدیو از لمس 200 شئ مثل پارچه، - تعمیرات لباسشویی تکنوگاز در شهر خراسان استان خراسان - ابزار و وسایل خانه ضبط کردند. سپس این ویدیوها به عکسهای ثابت تبدیل شده و هوش مصنوعی از این مجموعه داده برای برقراری ارتباط بین این دادهها استفاده میکند.
نویسنده ارشد مقاله مرتبط با تحقیق در باره آن گفت:
هم اکنون برای تعمیرات لباسشویی تکنوگاز در شهر خراسان استان خراسان اقدام کنید
با نگاه کردن به یک صحنه، مدل ما میتواند حس لمس یک سطح صاف یا شئ تیز را تصور کند. اگر این مدل بدون دیدن اطراف، اشیاء دور و بر را کورکورانه لمس کند قادر است نحوه تعامل با محیط را تنها از روی لامسه تشخیص دهد. با کنار هم قرار دادن این دو حس، میتوان دادههای - تعمیرات لباسشویی تکنوگاز در شهر خراسان استان خراسان - مورد نیاز برای وظایفی از جمله گرفتن یا دستکاری کردن اشیاء را برای این ربات کاهش داد.
در حال حاضر این ربات تنها میتواند اشیاء موجود در یک محیط کنترل شده را تشخیص دهد. قدم بعدی این پروژه ساخت یک مجموعه داده بزرگتر برای ربات است تا قادر به کار با - تعمیرات لباسشویی تکنوگاز در شهر خراسان استان خراسان - تنظیمات بیشتری باشد.
چنین متدهایی پتانسیل بالایی برای استفاده در حوزه رباتیک دارند. از آنجایی که سیگنالهای دریافتی بسیار متفاوت هستند چالش بزرگی پیش روی این متد وجود دارد. با این حال ربات مذکور قابلیتهای زیادی از خود نشان داده و میتواند نوید دهنده توسعه بیشتر در این حوزه باشد.