پژوهشگران دانشگاه پنسیلوانیا و دانشگاه میشیگان موفق شده‌اند کوچک‌ترین ربات‌های مستقل و قابل برنامه‌ریزی جهان را معرفی کنند. این ربات‌های میکروسکوپی که اندازه‌ای کوچک‌تر از یک دانه نمک دارند، می‌توانند شنا کنند، واکنش نشان دهند و حتی به محیط اطراف خود پاسخ دهند. به گفته گزارش‌های رسانه‌ای، هزینه ساخت هر ربات تنها یک سنت است و این دستگاه‌ها قادرند ماه‌ها بدون نیاز به کنترل خارجی فعالیت کنند.

این ربات‌های میکروسکوپی با ابعادی در حدود ۲۰۰ در ۳۰۰ در ۵۰ میکرومتر ساخته شده‌اند و با وجود اندازه بسیار کوچک، قابلیت‌های چشمگیری دارند. آن‌ها می‌توانند به‌طور مستقل حرکت کنند، تغییرات دما را تشخیص دهند و مسیر خود را بدون نیاز به کنترل خارجی مانند میدان‌های مغناطیسی یا سیم‌ها تغییر دهند. همین ویژگی‌ها باعث شده این فناوری به‌عنوان یک دستاورد مهم در حوزه رباتیک معرفی شود و آینده‌ای تازه برای کاربردهای پزشکی و مهندسی در مقیاس‌های بسیار کوچک ترسیم کند.

این ربات‌ها به‌طور کامل از نور تغذیه می‌کنند و از پنل‌های خورشیدی بسیار کوچک برای تأمین انرژی استفاده می‌نمایند. انرژی تولیدشده به تراشه‌های داخلی منتقل می‌شود و این تراشه‌ها امکان «تفکر» و عملکرد مستقل را برای ربات‌ها فراهم می‌کنند. مارک میسکین (Marc Miskin)، استاد مهندسی برق و سیستم‌ها در پنسیلوانیا، در توضیح این دستاورد گفت: «ما ربات‌های مستقل را ۱۰ هزار برابر کوچک‌تر ساخته‌ایم. این یعنی مقیاس کاملاً جدیدی برای ربات‌های قابل برنامه‌ریزی ایجاد شده است.»

برخلاف ربات‌های بزرگ‌تر که با مفصل‌ها یا اندام‌های مکانیکی حرکت می‌کنند، این ربات‌های میکروسکوپی از روشی متفاوت بهره می‌برند. آن‌ها میدان الکتریکی تولید می‌کنند که یون‌های موجود در مایع اطراف را جابه‌جا می‌کند و همین حرکت یون‌ها باعث پیشروی ربات می‌شود.

با تغییر میدان الکتریکی، ربات‌ها می‌توانند الگوهای پیچیده حرکتی ایجاد کنند یا حتی مانند یک گروه کوچک ماهی با هم شنا کنند. این طراحی نوآورانه همچنین باعث شده هیچ قطعه متحرکی در ساختار آن‌ها وجود نداشته باشد و همین موضوع دوام و مقاومت بالایی برایشان به همراه داشته است. برخی از این ربات‌ها توانسته‌اند با سرعتی معادل یک طول بدن در هر ثانیه حرکت کنند که برای جسمی کوچک‌تر از یک ذره گرد و غبار بسیار چشمگیر است.

ساخت ربات‌هایی در چنین مقیاس میکروسکوپی کار ساده‌ای نبوده و برای عملکرد مستقل، هر واحد نیازمند یک رایانه کوچک، حسگرها، کنترل حرکت و منبع انرژی است که همگی باید در تراشه‌ای با کسری از یک میلی‌متر جای بگیرند.

تیم دانشگاه میشیگان مدارهایی فوق‌العاده کم‌مصرف طراحی کرده که هزار برابر کمتر از مدارهای الکترونیکی معمولی انرژی مصرف می‌کنند. این نوآوری باعث شد پردازنده‌های کوچک بتوانند با انرژی محدود سلول‌های خورشیدی میکروسکوپی کار کنند. از آنجا که سلول‌های خورشیدی بیشتر سطح ربات را اشغال می‌کنند، پژوهشگران مجبور شدند پردازنده و حافظه را در فضای بسیار محدود باقی‌مانده جای دهند. نتیجه این تلاش، نخستین ربات زیر یک میلی‌متر است که واقعاً توانایی «تفکر» دارد. به گفته تیم تحقیقاتی، تاکنون هیچ‌کس موفق نشده بود رایانه‌ای کامل شامل پردازنده، حافظه و حسگرها را در چنین ابعاد کوچکی جای دهد.

رویای ساخت ماشین‌هایی که شبیه ما راه بروند، صحبت کنند و کار کنند، قرن‌هاست که بشر را کنجکاو کرده است. اما امروز، این رویا با سرمایه‌گذاری‌های میلیارد دلاری غول‌های فناوری و پیشرفت‌های خیره‌کننده هوش مصنوعی، بیش از هر زمان دیگری به واقعیت نزدیک شده است. با این حال، مرز بین «نمایش‌های تبلیغاتی» و «واقعیت کاربردی» هنوز تار است. ویدیوی اخیر سقوط ربات تسلا و استفاده از اپراتورهای انسانی برای کنترل ربات های انسان‌نما، این سوال را ایجاد می‌کند: آیا ما در آستانه یک انقلاب رباتیک هستیم یا صرفاً شاهد یک حباب تکنولوژیک دیگر؟

خلاصه و نکات کلیدی

🔹چالش خودمختاری: بسیاری از دموهای رباتیک (از جمله تسلا) همچنان متکی به کنترل از راه دور توسط انسان (Teleoperation) هستند و کاملاً خودمختار نیستند.
🔹سرمایه‌گذاری جهانی: غول‌های فناوری مانند Nvidia، گوگل و تسلا به همراه دولت چین، سرمایه‌های عظیمی را وارد صنعت ربات‌ های انسان‌نما کرده‌اند.
🔹نقش هوش مصنوعی: مدل‌های زبانی بزرگ (LLM) کلید اصلی پیشرفت‌های اخیر هستند و به ربات‌ها قدرت تعمیم و درک محیط را می‌دهند.
🔹مانع اصلی: کمبود “داده‌های فیزیکی” برای آموزش ربات‌ها؛ شرکت‌ها با استفاده از انسان‌ها برای انجام وظایف، در حال جمع‌آوری این داده‌ها هستند.
🔹هزینه و قیمت: قیمت ربات‌ها در حال کاهش است (از ۱۴۰۰ دلار برای مدل‌های چینی تا ۲۰,۰۰۰ دلار برای مدل‌های پیشرفته)، اما کاربرد واقعی آن‌ها هنوز محدود است.

وقتی اپتیموس زمین می‌خورد: توهم خودمختاری

اخیراً ویدیویی در شبکه‌های اجتماعی دست‌به‌دست می‌شود که در آن ربات اپتیموس (Optimus) شرکت تسلا، در حال توزیع بطری‌های آب تعادلش را از دست داده و مانند درختی قطع شده، سقوط می‌کند. این اتفاق در رویداد “Autonomy Visualized” در میامی رخ داد. نکته جالب توجه، حرکت دست ربات هنگام سقوط بود که شباهت عجیبی به حرکت انسانی داشت که هدست واقعیت مجازی (VR) را از سر برمی‌دارد.

این اولین بار نیست که تسلا یا سایر شرکت‌ها در نمایش “خودمختاری” اغراق می‌کنند.

نمایش‌های اولیه: اولین رونمایی تسلا صرفاً یک انسان در لباس ربات بود.
کنترل از راه دور (Teleoperation): بسیاری از دموهای پیشرفته‌ای که می‌بینیم، در واقع توسط اپراتورهای انسانی که لباس‌های مخصوص پوشیده یا از VR استفاده می‌کنند، هدایت می‌شوند.

ایلان ماسک وعده ساخت “ارتش رباتیک” یک میلیونی را داده است، اما سابقه او در پیش‌بینی‌های خوش‌بینانه و نادرست، باعث می‌شود تا بسیاری از کارشناسان با دیده تردید به این وعده‌ها بنگرند.

ربات انسان نمای تسلا (اپتیموس)

سرمایه‌گذاری‌های بزرگ و نقش چین

با وجود تردیدها، یک هجوم واقعی برای ساخت ربات‌های انسان‌نما در جریان است. غول‌هایی مانند انویدیا (Nvidia)، متا، مایکروسافت، آمازون و اینتل پول‌های کلانی را به پای استارتاپ‌هایی مثل Figure AI، 1X و Boston Dynamics می‌ریزند.

نقش کلیدی چین

پکن تصمیم گرفته است که “هوش مصنوعی تجسم‌یافته” (Embodied AI) را به موتور رشد اقتصادی آینده خود تبدیل کند. با سرمایه‌گذاری‌های دولتی و یارانه‌های سنگین، شرکت‌های چینی از جمله شیائومی، Unitree و AgiBot در حال تولید انبوه ربات‌ها هستند. حتی مسابقات المپیک ربات های انسان‌نما نیز در چین برگزار می‌شود که نشان‌دهنده جدی بودن آن‌ها در این مسیر است.

چرا الان؟ تاثیر هوش مصنوعی بر رباتیک

اگر سخت‌افزار ربات های انسان‌نما سال‌هاست وجود دارد، چرا ناگهان اکنون شاهد این جهش هستیم؟ پاسخ در نرم‌افزار نهفته است.

مدل‌های زبانی بزرگ (LLM) که چت‌بات‌هایی مثل ChatGPT را قدرت می‌دهند، بازی را عوض کرده‌اند. این مدل‌ها به ربات‌ها اجازه می‌دهند تا به جای پیروی از کدهای خشک و از پیش نوشته شده، الگوها را درک کرده و در محیط‌های جدید “تعمیم” دهند. برای زنده ماندن در دنیای واقعی و نامنظم انسان‌ها، ربات‌ها به این انعطاف‌پذیری نیاز حیاتی دارند.

چالش بزرگ: ربات‌ها چگونه یاد می‌گیرند؟

چت‌بات‌ها با خواندن کل اینترنت آموزش دیدند، اما ربات‌ها نیاز به داده‌های فیزیکی دارند (مثل نحوه برداشتن لیوان آب بدون شکستن آن). این داده‌ها در اینترنت وجود ندارد.

مطابق با گزارش منبع، به همین دلیل است که شرکت‌هایی مثل 1X ربات‌های خود را (مانند مدل Neo) زودتر از موعد به خانه‌ها می‌فرستند یا تسلا از کارمندانش می‌خواهد با حسگرها کار کنند. آن‌ها در حال جمع‌آوری داده از طریق کنترل از راه دور هستند تا در نهایت هوش مصنوعی یاد بگیرد این کارها را به صورت مستقل انجام دهد.

قیمت‌گذاری: آیا ربات‌ها ارزان می‌شوند؟

با تولید انبوه و کاهش هزینه‌های سخت‌افزار، قیمت‌ها در حال منطقی‌تر شدن هستند. در جدول زیر نگاهی به قیمت‌های تقریبی برخی مدل‌ها می‌اندازیم:

نام مدل / شرکت
قیمت تقریبی (دلار)
وضعیت

Bumi (مدل چینی)
حدود ۱,۴۰۰ دلار
پایه / اقتصادی

Unitree G1
حدود ۱۶,۰۰۰ دلار
پیشرفته

1X Neo
۲۰,۰۰۰ دلار
تحویل از سال ۲۰۲۶

مدل‌های صنعتی
بیش از ۱۰۰,۰۰۰ دلار
ویژه کارخانجات

هشدار حباب اقتصادی و آینده

چندی پیش حتی نهادهای اقتصادی چین نسبت به شکل‌گیری یک “حباب رباتیک” هشدار دادند. سرمایه‌گذاری‌های عظیم در حالی انجام می‌شود که هنوز “کاربرد واقعی” و سودآور برای این ربات‌ها در خانه‌ها تعریف نشده است.

گوشی رباتیک آنر با دوربین بازویی، سال ۲۰۲۶ به تولید انبوه رسیده و وارد بازار می‌شود

واقعیت این است که اکثر این ربات‌ها هنوز کاملاً خودمختار نیستند. خرید یک ربات ۲۰ هزار دلاری که نیاز به کنترل شدن توسط یک انسان دیگر از راه دور دارد، منطقی به نظر نمی‌رسد (شاید استخدام یک نظافتچی واقعی ارزان‌تر باشد!). تا زمانی که شرکت‌ها دست از نمایش‌های ساختگی برندارند و محصولی ارائه ندهند که بتواند واقعاً به صورت مستقل کار کند، باید با احتیاط به این تکنولوژی نزدیک شد.

نظر شما چیست؟

بفرست برای دوستات

در اغلب موارد، زمانی که اخبار مربوط به ربات‌ها تیتر رسانه‌ها را به خود اختصاص می‌دهند، ماجرا به ماشینی محدود می‌شود که در یک آزمایشگاه کاملاً کنترل‌شده، تنها یک کار بسیار خاص را انجام می‌دهد و سپس ادعا می‌شود که این دستاورد، به شکلی بنیادین همه‌چیز را تغییر خواهد داد.

از زمان شکل‌گیری نخستین رمان‌های علمی‌تخیلی، بارها و بارها درباره تسلط ربات‌ها بر بشر شنیده‌ایم و در عمل، اغلب این وعده‌ها هرگز به نتیجه ملموسی نرسیده‌اند. با این حال، گزارش جدیدی که در نشریه ScienceRobotics منتشر شده است، توجه ما را جلب کرده و به‌نظر می‌رسد واقعاً جذاب، خیره‌کننده و در عین حال تا حدی نگران‌کننده باشد.

پژوهشگران موفق شده‌اند رباتی را آموزش دهند که بتواند در یک روز، ۱,۰۰۰ وظیفه فیزیکی کاملاً متفاوت را بیاموزد؛ آن هم به‌گونه‌ای که هر وظیفه تنها با یک بار نمایش آموزش داده شده است. نکته مهم اینکه، این ۱,۰۰۰ وظیفه، صرفاً تغییرات جزئی یک حرکت واحد نیستند، بلکه شامل مجموعه‌ای بسیار گسترده از تعاملات روزمره با اشیای واقعی می‌شوند؛ از جمله قرار دادن اشیا، تا کردن، جا زدن، گرفتن و دست‌کاری انواع اجسام در دنیای واقعی. برای ربات‌ها، چنین قابلیتی یک دستاورد واقعاً بزرگ محسوب می‌شود.

تا پیش از این، بیشتر ربات‌ها یادگیرندگانی بسیار کند بوده‌اند. آموزش حتی یک کار ساده به یک ماشین، اغلب به صدها یا هزاران تکرار، مجموعه‌داده‌های عظیم، و تنظیمات فنی گسترده توسط مهندسان در پشت صحنه نیاز داشته است.

به همین دلیل است که اغلب ربات‌هایی که در کارخانه‌ها می‌بینیم، تنها یک کار مشخص را بارها و بارها با دقت بالا انجام می‌دهند. این ربات‌ها انعطاف‌پذیر نیستند، زیرا به‌محض آنکه وظیفه محوله تغییر کند، ضعف‌ها آشکار می‌شود و کل سامانه از هم می‌پاشد.

اما انسان‌ها به این شکل عمل نمی‌کنند. اگر یک کار را یک بار، یا نهایتاً دو بار به ما نشان دهند، معمولاً می‌توانیم با کمی آزمون و خطا، آن را انجام دهیم و به نتیجه برسیم. همین تفاوت اساسی میان شیوه یادگیری انسان و ربات، یکی از بزرگ‌ترین موانعی بوده است که تاکنون اجازه نداده ربات‌ها خارج از محیط‌های کاملاً کنترل‌شده، به ابزارهایی واقعاً کاربردی تبدیل شوند. سامانه جدید، تلاشی جدی برای کاهش این فاصله است.

پیشرفت اصلی در اینجا، به یک روش یادگیری نوین بازمی‌گردد که به‌نوعی به ربات‌ها می‌آموزد وظایف را هوشمندانه‌تر تحلیل کنند. به‌جای آنکه کل یک حرکت را از ابتدا حفظ نمایند، ربات، هر عمل را به مراحل ساده‌تر و مجزاتری تقسیم می‌کند.

ربات با استفاده مجدد از دانشی که از وظایف قبلی به‌دست آورده و اعمال آن بر وظایف جدید، می‌تواند با کارایی بسیار بالاتری تعمیم‌سازی انجام دهد. به همین دلیل بوده است که این سامانه توانسته در کمتر از ۲۴ ساعت، و تنها با یک نمایش برای هر وظیفه، ۱,۰۰۰ کار متفاوت را بیاموزد.

نکته بسیار مهم اینکه تمام این فرایند روی یک بازوی رباتیک واقعی انجام شده است، نه در یک شبیه‌سازی رایانه‌ای که برای تولید نتایج مطلوب طراحی شده باشد. این پیشرفت در آموزش ربات‌ها می‌تواند پیامدهای مهمی برای آینده داشته باشد و در نهایت، زندگی همه ما را تحت تأثیر قرار دهد. اگر ربات‌ها بتوانند سریع‌تر و با داده کمتر یاد بگیرند، هزینه تولید آن‌ها کاهش می‌یابد، انعطاف‌پذیری‌شان افزایش پیدا می‌کند و به گزینه‌هایی بسیار کاربردی‌تر تبدیل می‌شوند.

در بلندمدت، چنین شیوه‌ای از یادگیری می‌تواند به ظهور ربات‌های خانگی منجر شود که برای انجام هر وظیفه جدید، نیازی به برنامه‌نویسی تخصصی نداشته باشند و عملاً نسخه ایده‌آل Neo 1X را به واقعیت تبدیل کنند. افزون بر این، این تحول می‌تواند صنایعی مانند مراقبت‌های بهداشتی، لجستیک و تولید صنعتی را نیز دگرگون سازد.

در مقیاسی گسترده‌تر، این دستاورد نشانه‌ای دیگر از آن است که هوش مصنوعی در حال فاصله گرفتن از نمایش‌های نمایشی و ترفندگونه بوده و به‌سوی سامانه‌هایی حرکت می‌کند که به شیوه‌ای شبیه‌تر به انسان یاد می‌گیرند؛ نه لزوماً باهوش‌تر از ما، بلکه نزدیک‌تر به نحوه عملکرد روزمره ما.

این پیشرفت در حوزه رباتیک، مشکلی را حل می‌کند که دهه‌ها مانع رشد این فناوری شده بود. شاید اکنون، بسیار نزدیک‌تر از آنچه حتی چند سال پیش تصور می‌کردیم، به آینده‌ای پر از ربات رسیده باشیم.

آنچه در ابتدا یک نمایش ساده و سرگرم‌کننده از توانایی‌های ربات بود، خیلی زود به لحظه‌ای جالب برای تیم بسکتبال دالاس در آمریکا تبدیل شد. در جریان اردوی آماده سازی تیم دالاس، ربات انسان‌نمای شرکت یونیتری رباتیک حرکات رزمی نمایشی اجرا و توجه ستاره NBA، کایری اروینگ (Kyrie Irving)، را به خود جلب کرد.

در حالی که دوربین‌ها روشن بودند، کایری اروینگ (Kyrie Irving) با حالت شوخی مقابل ربات انسان‌نمای G1 ایستاد؛ رباتی که قد آن حدود ۱.۲۷ متر است و تقریباً ۶۰ سانتی‌متر از او کوتاه‌تر به نظر می‌رسد. یک فشار ساده کافی بود تا ربات تعادلش را از دست بدهد، به عقب پرت شود و روی زمین بیفتد. این صحنه باعث خنده و واکنش شاد بازیکنان تیم دالاس موریکس (Dallas Mavericks) و هواداران شد.

اروینگ با این برخورد موجی از واکنش‌های آنلاین ایجاد کرد و نشان داد که انسان‌ها فعلاً همچنان دست بالا را دارند. در جریان بازدید ربات پیشرفته از تیم دالاس موریکس، گروه رسانه‌ای تیم لحظه‌ای سرگرم‌کننده را ثبت کرد که خیلی سریع در شبکه‌های اجتماعی پخش شد. ربات که پیراهن دالاس با شماره ۲۰ را پوشیده بود، تلاش کرد بازیکنان را با حرکات رزمی اغراق‌آمیز و ضربات پای بلند تحت‌تأثیر قرار دهد.

مهندسان شرکت یونیتری پیش‌تر در ویدیوهای مختلف نشان داده بودند که ربات انسان‌نمای G1 برای تحمل فشارهای فیزیکی واقعی آموزش دیده است؛ آموزش‌هایی که بر پایه سیستم‌های کنترل پیشرفته و یادگیری مداوم طراحی شده‌اند. در آزمایش‌های اخیر، این ربات ضربات، فشارها و زمین‌خوردن‌های سخت را تحمل کرده و بارها توانسته بود با استفاده از قابلیتی که یونیتری آن را حالت ضدجاذبه (Anti-Gravity mode) می‌نامد، دوباره روی پای خود بایستد.

در قلب این قابلیت، ترکیبی از ادراک مبتنی بر حسگرها و کنترل حرکتی پیش‌بینی‌کننده قرار دارد. ربات G1 با استفاده از داده‌های دوربین‌های عمق‌سنج، حسگرهای لیدار سه‌بعدی و حسگرهای مفصلی، دائماً یاد می‌گیرد که نیروها چگونه بر بدنش اثر می‌گذارند. هنگام برخورد، سیستم محاسبه می‌کند که چگونه مرکز ثقل را تغییر دهد، نیرو را از طریق پاها جذب کند و سریع‌ترین حرکت بازیابی را انتخاب نماید.

سال‌هاست انسان‌ها با یکی از سخت‌ترین و طاقت‌فرساترین کارهای حوزه لجستیک یعنی تخلیه کانتینرها و کامیون‌های پر از جعبه‌های سنگین دست و پنجه نرم می‌کنند. این کار تکراری، خسته‌کننده و پرخطر است و آسیب‌های جسمی زیادی به کارگران وارد می‌کند، اما اکنون ربات‌ها وارد میدان شده‌اند؛ شرکت پیکل روبات با استفاده از ربات‌های تک‌دست مجهز به هوش مصنوعی مولد توانسته فرآیند تخلیه کامیون‌ها را به‌طور خودکار انجام داده و جعبه‌هایی تا وزن ۳۰ کیلوگرم را بلند کرده و روی نوار نقاله قرار دهند.

این ربات‌ها هم‌اکنون در شرکت‌های بزرگی مانند UPS، ریوبی تولز و یوسن لاجیستیک به کار گرفته شده‌اند و توانسته‌اند فشار جسمی طاقت‌فرسای تخلیه بار را از دوش کارگران انسانی بردارند. شرکت پیکل روبات توسط فارغ‌التحصیلان MIT یعنی ای‌جی مایر (AJ Meyer)، آریانا آیزنستاین (Ariana Eisenstein) و دن پالوسکا (Dan Paluska) پایه‌گذاری شد. این ربات‌ها ترکیبی از هوش مصنوعی مولد، الگوریتم‌های یادگیری ماشین، حسگرهای پیشرفته، دوربین‌های دقیق و نرم‌افزارهای بینایی ماشین را به کار می‌گیرند. همین ترکیب باعث می‌شود ربات‌ها از همان روز نخست بتوانند در محیط‌های جدید انبار فعالیت کنند و با گذشت زمان عملکرد خود را به‌طور مستمر ارتقا دهند.

بخش قابل توجهی از سخت‌افزار این سیستم توسط شرکای صنعتی باسابقه تامین می‌شود، از جمله بازوی رباتیک سبزرنگی که معمولاً در خطوط تولید خودرو دیده می‌شود و اکنون در این پروژه نقشی کلیدی ایفا می‌کند.

استارت‌آپ رباتیک آمریکایی کینیسی (Kinisi) نسخه‌ای پیشرفته از سامانه دستیار متحرک خود را که برای همکاری ایمن با انسان در محیط‌های واقعی طراحی شده، معرفی کرده است. این ربات در ژوئیه ۲۰۲۵ رونمایی شد و یک سامانه کم‌هزینه و چندمنظوره محسوب می‌شود که با برخورداری از نیرویی هم‌سطح انسان و دقت بالا، برای بلند کردن، گرفتن و انتقال اشیا در حوزه‌ خرده‌فروشی، تعمیرات، مونتاژ و لجستیک مناسب است.

برخلاف سامانه‌های سنتی خودکار که به فضاهای ثابت و ساختارمند محدود می‌شوند، شرکت مستقر در کالیفرنیا از ادراک سه‌بعدی بلادرنگ بر پایه ترکیب دوربین‌ها و حسگرها برای درک محیط پویا بهره می‌برد. به گفته وب‌سایت این شرکت، این سامانه برای انجام سخت‌ترین وظایف لجستیکی و تولیدی به‌گونه‌ای ایمن، خودمختار و همراه با دقت طراحی شده و هر حرکت و اقدام آن مبتنی بر هوش مصنوعی بلادرنگ است.

ربات KR1 کینیسی یک سامانه انسان‌نمای خودران است که با هدف نوسازی جریان‌های کاری و جابه‌جایی صنعتی ساخته شده است. قسمت چرخ‌دار این ربات که برای حرکت روان و چابک روی سطوح صاف انبارها طراحی شده، نیاز به سازوکارهای پیچید پادار را از میان می‌برد.

این ربات از یک سامانه دو‌دستی بهره می‌گیرد که قادر است هم اقلام ظریف و هم بارهای سنگین‌تر را با دقت بالا جابه‌جا کند و از ظرفیت حمل ۱۰ کیلوگرم پشتیبانی می‌نماید. KR1 که برای محیط‌هایی با جابه‌جایی مداوم وظایف ساخته شده، از یادگیری مبتنی بر نمایش استفاده می‌کند؛ به این معنا که اپراتورها می‌توانند بدون نیاز به برنامه‌نویسی پیچیده، روال‌های کاری را به‌سرعت به ربات آموزش دهند.

تحرک و ادراک، عناصر محوری طراحی KR1 هستند. این ربات با سرعتی تا ۲.۴ متر بر ثانیه حرکت می‌کند و برای فضاهای محدود از کنترل تطبیقی بهره می‌گیرد. ترکیبی از دوربین‌های عمق‌سنج استریو، آرایه لیدار با زاویه دید ۱۸۰ درجه، و سامانه SLAM، آگاهی فضایی ربات را فراهم می‌کند و این مجموعه با دقت عمق ±۲ میلی‌متر در فاصله دو متری پشتیبانی می‌شود. این ربات هنگام حمل اشیا روی سطوح ناهموار نیز تعادل و پایداری خود را حفظ می‌کند.

پردازش داده‌ها از طریق یک ماژول NVIDIA Jetson انجام می‌شود که مدل‌های ترنسفورمر بلادرنگ را برای ادراک و برنامه‌ریزی اجرا می‌کند. نیروی ربات از یک باتری لیتیوم‌یون ۴۸ ولت با قابلیت تعویض تأمین می‌شود که بین شش تا هشت ساعت عملیات را ممکن می‌سازد و از قابلیت شارژ سریع برخوردار است. امکانات ایمنی شامل کنترلرهای دوسویه، سامانه توقف اضطراری چندلایه، قفل خودکار وضعیت و پایش دائمی است. همچنین تله‌متری از راه دور، اتصال ابری ایمن و به‌روزرسانی از راه دور، امکان مدیریت ناوگان در مقیاس بزرگ را فراهم می‌کنند.

KR1 به‌عنوان یک دستیار متحرک کاملاً خودران طراحی شده است و می‌تواند بدون نیاز به اتصال دائمی به فضای ابری فعالیت کند. این ربات با پردازش لوکال داده‌ها، واکنش‌های سریع‌تری ارائه می‌دهد و در محیط‌هایی با اتصال ضعیف نیز عملکرد خود را حفظ می‌کند.

کینیسی اعلام کرده است که این معماری، حریم خصوصی داده‌ها را بهبود می‌دهد و در مأموریت‌های حساس عملکردی پایدار ارائه می‌کند. همچنین طبق گفته این شرکت، سامانه مذکور از هوش مصنوعی پیشرفته‌ای بهره می‌گیرد که به ربات اجازه می‌دهد از خطاها درس بگیرد و با شرایط واقعی در صنایع گوناگون سازگار شود.

KR1 برای محیط‌های پویایی مانند انبارها و کارخانه‌ها ساخته شده است؛ جایی که می‌تواند وظایف فیزیکی دشوار را با دقت و با حداقل نظارت انجام دهد. خودمختاری این ربات امکان ادغام بدون اختلال آن در جریان‌های کاری موجود را فراهم می‌کند و نیاز به آماده‌سازی را به حداقل می‌رساند. یکی از نوآوری‌های کلیدی این سامانه، چرخه داده کینیسی است، بطوریکه هر واحد فعال‌شده به یک پایگاه دانش مشترک کمک می‌کند و به این ترتیب کل ناوگان از تجربه هر ربات بهره‌مند می‌شود. با بهبود عملکرد هر KR1، دیگر واحدها نیز توانمندتر می‌شوند و این امر فرایند گسترش و بهبود سامانه را شتاب می‌بخشد.

این ربات از یادگیری تقلیدی نیز استفاده می‌کند و به همین دلیل نیازی به برنامه‌نویسی ندارد. اپراتورها تنها با انجام یک نمایش عملی، وظیفه را به ربات نشان می‌دهند و KR1 آن را به‌صورت مستقل تکرار می‌کند. کینیسی ادعا می‌کند این روش امکان تطبیق سریع با وظایف جدید را فراهم می‌کند و سامانه را مقیاس‌پذیر، شهودی و آماده برای آینده خودکارسازی صنعتی می‌نماید.

اولاف (Olaf) اکنون از دل انیمیشن بیرون آمده و به جهان واقعی پا گذاشته است. این هفته، در دیزنی‌لند پاریس، از ربات نسل جدید اولاف رونمایی شد؛ دستاوردی که یکی از بلندپروازانه‌ترین جهش‌های فناورانه دیزنی به شمار می‌رود و نسخه انیمیشنی این آدم‌برفی را به یک شخصیت فیزیکی تمام‌عیار تبدیل می‌کند.

رونمایی توسط بروس وان، رئیس و مدیر ارشد خلاقیت Disney Imagineering و ناتاشا رافالسکی، رئیس دیزنی‌لند پاریس، انجام شد. این لحظه سرآغاز فصلی تازه است؛ جایی که پیشرفت‌های رباتیک، هوش مصنوعی با سنت قصه‌گویی دیزنی درمی‌آمیزند تا شخصیت‌های نمادین جهان انیمیشن را به فضای واقعی وارد کنند.

حضور اولاف بر پایه تازه‌ترین قسمت از مجموعه پژوهشی WDI با عنوان We Call It Imagineering بنا شده که به‌طور عمیق به فناوری‌هایی می‌پردازد که تجربه‌های آینده دیزنی را دگرگون می‌کنند. این دستاورد همچنین نتیجه سال‌ها همکاری بین مهندسان، انیماتورها و پژوهشگران هوش مصنوعی است؛ همکاری‌ای با هدف ساخت شخصیت‌هایی که به اندازه نسخه‌های انیمیشنی خود سرزنده و واقعی احساس شوند.

در مرکز این پروژه، یک ایده بنیادین قرار دارد: محو کردن حضور فناوری و برجسته‌سازی اجرا و احساسات. کایل لافلین، معاون ارشد بخش پژوهش و توسعه Disney Imagineering، رویکرد تیم را این‌گونه توضیح می‌دهد که «همه چیز، مانند همیشه در دیزنی، با داستان آغاز می‌شود و تیم ما به این می‌اندیشد که می‌خواهد مهمان چه احساسی داشته باشد.»

این فلسفه راهنمای فرایند تبدیل اولاف از یک موجود دیجیتال به یک شخصیت فیزیکی بوده است؛ شخصیتی که توانایی برقراری تماس چشمی، حرکت‌های سبک‌پردازی‌شده و گفتگو را دارد.

هر حرکت و حتی درخشش برفی سطح بدن او با دقتی طراحی شده که با آنچه مخاطبان در فیلم‌ها دیده‌اند کاملاً همخوان است. مواد الیافی چندرنگی، بازتاب نور را مانند برف واقعی ایجاد می‌کنند و یک پوشش انعطاف‌پذیر شبیه برف، امکان حرکت‌هایی را فراهم می‌سازد که معمولاً در پوشش‌ سخت ربات‌ها امکان‌پذیر نیست.

اما برخلاف درویدهای BDX در Star Wars که پیش‌تر در پارک‌های دیزنی حرکت می‌کنند، اولاف به سطحی متفاوت از واقع‌گرایی حرکتی نیاز داشت. لافلین توضیح داد که یکی از فناوری‌های کلیدی این پلتفرم، یادگیری عمیق تقویتی است که ربات‌ها را قادر می‌کند حرکت طراحی‌شده توسط هنرمندان را در محیط شبیه‌سازی‌شده یاد بگیرند. این پیوند میان هنر و هوش مصنوعی به مهندسان امکان می‌دهد به‌سرعت تکرار و اصلاح انجام دهند تا راه‌رفتن، سبک بدنی و شخصیت‌پردازی اولاف دقیقاً همان گونه شود که انیماتورها تصور می‌کنند.

برای مقیاس‌پذیر کردن این فرایند، Disney Imagineering در حال توسعه چارچوب متن‌باز نیوتون است؛ سامانه‌ای شبیه‌سازی‌شده که با همکاری انویدیا و DeepMind گوگل ساخته شده است. لافلین آن را سیستمی توصیف می‌کند که بلوک‌های سازنده آن توسعه سریع شبیه‌سازهای شتاب‌گرفته با GPU را ممکن می‌کند.

یکی از اجزای کلیدی این سامانه، شبیه‌ساز کامینو است؛ ابزاری که سرعت یادگیری ربات‌ها را افزایش می‌دهد. با این ابزار، شخصیت‌هایی مانند اولاف می‌توانند حرکت‌های پیچیده مانند راه‌رفتن، اشاره‌کردن و تعامل را در زمانی بسیار کوتاه‌تر بیاموزند.

این پیشرفت‌ها امکان تبدیل حرکت‌های انیمیشنی، که معمولاً از نظر فیزیکی غیرممکن‌اند، به اجراهای واقعی و قابل‌باور را فراهم می‌کنند. دهان تمام‌متحرک، چشمان بیانگر، بینی هویجی قابل جداسازی و توانایی مکالمه اولاف بر اساس همین لایه‌های حرکتی آموزش‌دیده مبتنی بر هوش مصنوعی پشتیبانی می‌شود.

و این روند همچنان با سرعت فزاینده‌ای ادامه دارد. لافلین تأکید کرد که «تازه در آغاز راه هستیم.» سرعت تحول از درویدهای BDX تا ربات خودمتعادل H.E.R.B.I.E و اکنون اولاف، نشان می‌دهد که دیزنی تا چه اندازه در ساخت و عرضه شخصیت‌های جدید توانمند شده است.

به‌زودی، اولاف در نمایش Arendelle Bay Show در بخش World of Frozen دیزنی‌لند پاریس با مهمانان ملاقات خواهد کرد و همچنین در دیزنی‌لند هنگ‌کنگ نیز حضور محدود خواهد داشت. جزئیات فنی مربوط به ساخت این نسخه از اولاف در تازه‌ترین قسمت We Call It Imagineering منتشر شده که همزمان با اعلام خبر در نشریه Nature Machine Intelligence در دسترس قرار گرفته است.

یک سرباز اوکراینی پس از ۳۳ روز گرفتار شدن در خط مقدم و شش تلاش ناموفق برای نجات یافتن، سرانجام طی عملیاتی هفت ساعته و با کمک یک ربات زرهی بدون سرنشین، از میان میدان‌های مین و زیر دید پهپادهای دشمن نجات یافت.

در هفتمین تلاش، مأموریتی هفت ساعته سرانجام راه نجات را گشود؛ این بار نه با حضور نیروهای انسانی، بلکه با کمک رباتیک. یک خودروی زرهی بدون‌سرنشین، با ظاهری شبیه تابوت و با لقب “MAUL”، بیش از ۴۰ مایل (۶۵ کیلومتر) در پس خطوط دشمن پیش‌روی کرد، از مسیرهای مین‌گذاری‌شده گذشت و از دید پهپادهای شناسایی گریخت.

در مسیر بازگشت، یکی از چرخ‌های ربات بر اثر برخورد با مین از بین رفت و یک پهپاد دشمن نیز هنگام انتقال سرباز تلاش کرد به آن حمله کند؛ اما زره محافظ ربات دوام آورد. برخلاف همه پیش‌بینی‌ها، سرباز زنده بازگشت. پزشکان اولین گردان مستقل پزشکی اوکراین، تیمی که جسورانه این عملیات را اجرا کردند می‌گویند:

وقتی جنگجو تسلیم نشد، ما هم حق نداشتیم تسلیم شویم.

ویدئوی منتشرشده نشان می‌دهد MAUL چگونه درون منطقه تحت کنترل روسیه پیش می‌رود، چرخ‌های فلزی‌اش روی خاک و آوار می‌چرخد و بی‌اعتنا به انفجارها، قدم‌به‌قدم به سوی نجات نزدیک می‌شود.