ManiWAV: سیستم بازخورد صوتی طراحی شده برای آموزش ربات‌ها در استنفورد
یک تیم از محققان استنفورد یک سیستم برای آموزش ربات‌ها با استفاده از صدا توسعه داده‌اند که به ربات‌ها کمک می‌کند تا وظایف را به طور مؤثر انجام دهند.
ManiWAV یک ابزار است که برای ضبط نمایش‌های زنده انسانی با بازخورد به صورت صوتی و تصویری طراحی شده است. به دلیل رابط کاربری شهودی این فناوری، ربات‌ها می‌توانند مهارت‌های عملیاتی را از این نمونه‌ها بیاموزند.
تیم ادعا کرد که سیستم با موفقیت چهار وظیفه دشوار را که نیاز به حس کردن رویدادهای تماس و ویژگی‌های جسم، حتی در شرایط دشوار داشت، انجام داده است.
جزئیات تحقیق انجام شده توسط تیم در آزمایشگاه رباتیک و هوش مصنوعی تجسمی در دانشگاه استنفورد در arXiv موجود است.
پیشرفت در حس‌پذیری ربات‌ها
اجرا کردن تماس مؤثر برای عملیات رباتیک ضروری است، اما بیشتر سیستم‌های مبتنی بر دید نمی‌توانند اطلاعات تماس را به طور کامل استفاده کنند. این تحقیق یک سیستم رباتیک را معرفی می‌کند که تماس را از طریق صدا می‌آموزد، که معمولاً نادیده گرفته می‌شود.
سیگنال‌های صوتی جزئیات ارزشمندی درباره رویدادهای تماس، حالت‌ها، مواد سطح و حالت‌های جسم ارائه می‌دهند. برخلاف حسگرهای لمسی گران‌قیمت و شکننده، حسگرهای صوتی ارزان، مقاوم و به راحتی در سیستم‌های موجود قابل یکپارچه‌سازی هستند.
طبق اظهارات پژوهشگران، این امکان را فراهم می‌کند تا داده‌ها به طور مقیاس‌پذیری جمع‌آوری شود و سیاست‌های یادگیری با استفاده از دستگاه‌های کم‌هزینه مانند گیره‌های دستی انجام شود. با بهره‌گیری از بازخورد صوتی، سیستم می‌تواند وظایف عملیاتی ربات‌ها را به طور قابل توجهی بهبود بخشد.
با توجه به پتانسیل داده‌های صوتی، پژوهشگران ManiWAV را پیش‌بینی می‌کنند، که یک سیستم یادگیری رباتی همه‌کاره با استفاده از بازخورد صوتی برای وظایف پیچیده عملیاتی است.
سخت‌افزار شامل یک دستگاه دستی قابل حمل با طراحی
