کد خبر ۲۳۸۸۴۰
این شیوه چنان موثر است که بازوی رباتی تنها پس از یک ساعت تمرین، توانست بیش از ۸۸ درصد ضربات را به درستی پاسخ داده و به رقابت با انسان بپردازد.
نارنجی: هر وقت صحبت یادگیری مهارت و کار جدیدی به میان می آید، اغلب افراد معتقدند که «یادگیری با انجام کار» بهترین استراتژی برای بهبود مهارت ها و آموزش است. اما به ندرت پیش می آید که ما همین فلسفه را درباره ربات ها به زبان آورده و به دنبال انجامش باشیم. همه ما انتظار داریم ربات ها هر چیزی را که لازم است از ابتدای تولیدشان بلد باشند.

اما محققان دانشگاه صنعتی Darmstadt آلمان چندان با این فرضیه درباره ربات ها موافق نیستند و اکنون دست به توسعه و بسط الگوریتم هایی زده اند که اثبات می کند یک بازوی رباتی برای یادگیری فعالیت های پیچیده تنها لازم است تمرین و تمرین و تمرین داشته باشد. ربات TUD پس از اینکه با گرفتن دستش توسط انسان مهارت های اولیه پینگ پنگ را یاد گرفت، به تدریج توانست آن حرکات را آموخته و توپ مسیرهای همانند برنامه آموزشی را پاسخ دهد.

این شیوه چنان موثر است که بازوی رباتی تنها پس از یک ساعت تمرین، توانست بیش از ۸۸ درصد ضربات را به درستی پاسخ داده و به رقابت با انسان بپردازد. اگر این برنامه به خوبی پیش رود، از این پس دانش می تواند انواع مختلف ربات ها را تنها با تکیه بر شالوده کوچکی از کدها تولید کند تا کارهای زیادی را به انجام برسانند.

شاید در آینده دیدن مدارس آموزش ربات ها در کنار مدارس آموزش انسان ها دور از انتظار نباشد. فقط باید امیدوار باشیم که رقابت و ستیز میان انسان و ربات پایانی مانند این مسابقه پینگ پنگ و هماوردی و رجز خوانی ربات ها برای انسان نداشته باشد. آیا ربات ها پس از آموزش، از ما هم کارآزموده تر و ماهرتر خواهند شد؟
ارسال به تلگرام
ارسال به دوستان
تلگرام عصر ایران
پربازدید ها
علم و فناوری
نیازمندیها