خلاقیت در طراحی ربات به کمک کامپیوتر

3 thoughts on “خلاقیت در طراحی ربات به کمک کامپیوتر”

1. فرزانه فراهاني

   Computer-aided creativity in robot design
   Researchers’ new system optimizes the shape of robots for traversing various terrain types
   Date:
   November 30, 2020
   Source:
   Massachusetts Institute of Technology
   Summary:
   RoboGrammar is a new system that automates and optimizes robot design. The system creates arthropod-inspired robots for traversing a variety of terrains. It could spawn more inventive robot forms with enhanced functionality.
   خلاقیت با کمک رایانه در طراحی ربات ها
   سیستم جدید محققان شکل ربات ها را برای پیمایش انواع زمین ها بهینه می کند
   تاریخ:
   30 نوامبر 2020
   منبع:
   موسسه تکنولوژی ماساچوست
   خلاصه:
   روبوگرامر سیستم جدیدی است که طراحی ربات را خودکار و بهینه می کند . این سیستم ربات هایی با الهام از بندپایان را برای پیمایش در مناطق مختلف ایجاد می کند . این می تواند فرم های مبتکرانه تر ربات را با قابلیت های بیشتر توليد كند.
   FULL STORY
   So, you need a robot that climbs stairs. What shape should that robot be? Should it have two legs, like a person? Or six, like an ant?
   داستان کامل
   بنابراین ، شما به یک ربات نیاز دارید که از پله ها بالا برود. آن ربات باید چه شکلی باشد؟ آیا مثل یک نفر باید دو پا داشته باشد؟ یا شش ، مثل مورچه؟
   Choosing the right shape will be vital for your robot’s ability to traverse a particular terrain. And it’s impossible to build and test every potential form. But now an MIT-developed system makes it possible to simulate them and determine which design works best.
   انتخاب شکل مناسب برای توانایی ربات شما در عبور از یک منطقه خاص بسیار حیاتی است. و ساخت و آزمایش هر فرم بالقوه غیرممکن است. اما اکنون یک سیستم توسعه یافته توسط MIT امکان شبیه سازی آنها و تعیین اینکه کدام طرح بهتر کار می کند را فراهم می کند.
   You start by telling the system, called RoboGrammar, which robot parts are lying around your shop — wheels, joints, etc. You also tell it what terrain your robot will need to navigate. And RoboGrammar does the rest, generating an optimized structure and control program for your robot.
   شما ابتدا به سیستمی كه روبوگرام نام دارد مي گوييد كه اجزاي ربات مثل چرخ ها واتصالات وغيره دركارگاه قرار دارند وهمچنين شما به آن مي گوييد كه از چه ناحيه اي لازم است عبور كند و روبوگرام بقیه کارها را انجام می دهد ، یک ساختار و برنامه کنترل بهینه شده برای ربات شما ایجاد می کند.

   The advance could inject a dose of computer-aided creativity into the field. “Robot design is still a very manual process,” says Allan Zhao, the paper’s lead author and a PhD student in the MIT Computer Science and Artificial Intelligence Laboratory (CSAIL). He describes RoboGrammar as “a way to come up with new, more inventive robot designs that could potentially be more effective.”
   این پیشرفت می تواند نوعی خلاقیت با کمک رایانه را به این حوزه وارد کند. آلن ژائو ، نویسنده اصلی مقاله و دانشجوی دکترای آزمایشگاه علوم کامپیوتر و هوش مصنوعی ، MIT مي گوید: “طراحی ربات هنوز هم یک فرایند کاملاً دستی است.” او روبوگرام را به عنوان “روشی برای دستیابی به طرح های جدید و مبتکرانه تر ربات توصیف می کند که می توانند به طور بالقوه موثرتر باشند.
   Zhao is the lead author of the paper, which he will present at this month’s SIGGRAPH Asia conference. Co-authors include PhD student Jie Xu, postdoc Mina Konakovi?-Lukovi?, postdoc Josephine Hughes, PhD student Andrew Spielberg, and professors Daniela Rus and Wojciech Matusik, all of MIT.
   ژائو نویسنده اصلی مقاله است ، که در کنفرانس SIGGRAPH Asia این ماه ارائه می دهد. از جمله نویسندگان این مقاله می توان به دانشجوی دکترا Jie Xu ، فوق دکترا Mina Konakovi؟ -Lukovi ، postdoc Josephine Hughes ، دانشجوي دکتری Andrew Spielberg و اساتید Daniela Rus و Wojciech Matusik ، همه MIT اشاره کرد.
   Ground rulesقوانين اصلي
   Robots are built for a near-endless variety of tasks, yet “they all tend to be very similar in their overall shape and design,” says Zhao. For example, “when you think of building a robot that needs to cross various terrains, you immediately jump to a quadruped,” he adds, referring to a four-legged animal like a dog. “We were wondering if that’s really the optimal design.”
   ربات ها برای تعداد زیادی از وظایف تقریباً بی پایان ساخته شده اند ، اما ژائو می گوید: “همه آنها از نظر شکل و طرح کلی بسیار شبیه به یکدیگر هستند.” به عنوان مثال ، “وقتی به فکر ساختن رباتی هستید که نیاز به عبور از زمین های مختلف باشد ، فوراً به سمت چهارپا می روید” ، وی با اشاره به یک حیوان چهار پا مانند سگ اضافه می کند. “ما تعجب می کردیم که آیا واقعاً این طراحی بهینه است؟”
   Zhao’s team speculated that more innovative design could improve functionality. So they built a computer model for the task — a system that wasn’t unduly influenced by prior convention. And while inventiveness was the goal, Zhao did have to set some ground rules.
   تیم ژائو حدس زدند که طراحی مبتکرانه تر می تواند عملکرد را بهبود بخشد. بنابراین آنها یک مدل رایانه ای برای این کار ساختند – سیستمی که تحت تأثیر کنوانسیون قبلی نبوده است. و در حالی که هدف از ابتکار عمل بود ، ژائو مجبور شد برخی قوانین اساسی را تعیین کند.
   The universe of possible robot forms is “primarily composed of nonsensical designs,” Zhao writes in the paper. “If you can just connect the parts in arbitrary ways, you end up with a jumble,” he says. To avoid that, his team developed a “graph grammar” — a set of constraints on the arrangement of a robot’s components. For example, adjoining leg segments should be connected with a joint, not with another leg segment. Such rules ensure each computer-generated design works, at least at a rudimentary level.
   ژائو در مقاله می نویسد ، جهان فرم های ممکن ربات “در درجه اول از طرح های بی معنی تشکیل شده است.” وی می گوید: “اگر فقط بتوانید قطعات را از راه های دلخواه بهم متصل كنید ، در نهایت با یک سر و صدا روبرو خواهید شد.” برای جلوگیری از آن ، تیم او یک “دستور زبان” ایجاد کرد – مجموعه ای از محدودیت ها در چیدمان اجزای یک ربات. به عنوان مثال ، قسمتهای پای مجاور باید با یک اتصال متصل شوند ، نه با یک قسمت دیگر از پایه. چنین قوانینی تضمین می کند که هر طرح تولید شده توسط رایانه حداقل در سطح ابتدایی کار می کند.
   Zhao says the rules of his graph grammar were inspired not by other robots but by animals — arthropods in particular. These invertebrates include insects, spiders, and lobsters.
   ژائو می گوید که قوانین دستور زبان او نه از روبات های دیگر بلکه از حیوانات – به ویژه بندپایان – الهام گرفته شده است. این بی مهرگان شامل حشرات ، عنکبوت ها و خرچنگ های دریایی است.
   As a group, arthropods are an evolutionary success story, accounting for more than 80 percent of known animal species. “They’re characterized by having a central body with a variable number of segments. Some segments may have legs attached,” says Zhao. “And we noticed that that’s enough to describe not only arthropods but more familiar forms as well,” including quadrupeds. Zhao adopted the arthropod-inspired rules thanks in part to this flexibility, though he did add some mechanical flourishes. For example, he allowed the computer to conjure wheels instead of legs.
   بندپایان به عنوان یک گروه ، یک داستان موفقیت تکاملی هستند و بیش از 80 درصد از گونه های جانوری شناخته شده را تشکیل می دهند. “آنها با داشتن یک بدن مرکزی با تعداد متغیر بخش مشخص می شوند. بعضی از بخشها ممکن است پاها را بهم چسبیده باشند. ” “و ما متوجه شدیم که برای توصیف نه تنها بندپایان بلکه اشکال آشناتر نیز” ، از جمله چهار پا ، کافی است. ژائو به لطف بخشی از این انعطاف پذیری ، قوانین الهام گرفته از بندپایان را تصویب کرد ، هرچند که برخی از شکوفایی های مکانیکی را نیز به آن افزود. به عنوان مثال ، او به کامپیوتر اجازه داد تا به جای پایه ها ، چرخ ها را صدا کند.
   A phalanx of robotsيك مجموعه ربات
   Using Zhao’s graph grammar, RoboGrammar operates in three sequential steps: defining the problem, drawing up possible robotic solutions, then selecting the optimal ones. Problem definition largely falls to the human user, who inputs the set of available robotic components, like motors, legs, and connecting segments. “That’s key to making sure the final robots can actually be built in the real world,” says Zhao. The user also specifies the variety of terrain to be traversed, which can include combinations of elements like steps, flat areas, or slippery surfaces.
   با استفاده از گرامر نمودار ژائو ، روبوگرامر در سه مرحله متوالی عمل می کند: تعریف مسئله ، ترسیم راه حل های رباتیک احتمالی و سپس انتخاب راه حل های بهینه. تعریف مشکل عمدتا به عهده کاربر انسانی است که مجموعه ای از اجزای رباتیک موجود مانند موتورها ، پاها و بخشهای اتصال را وارد می کند. ژائو می گوید: “این کلید اطمینان از ساخت واقعی ربات های نهایی در دنیای واقعی است.” کاربر همچنین انواع زمینهای مورد پیمایش را مشخص می کند که می تواند شامل ترکیبی از عناصر مانند پله ها ، نواحی مسطح یا سطح لغزنده باشد.
   With these inputs, RoboGrammar then uses the rules of the graph grammar to design hundreds of thousands of potential robot structures. Some look vaguely like a racecar. Others look like a spider, or a person doing a push-up. “It was pretty inspiring for us to see the variety of designs,” says Zhao. “It definitely shows the expressiveness of the grammar.” But while the grammar can crank out quantity, its designs aren’t always of optimal quality.
   با استفاده از این ورودی ها ، روبوگرامر سپس از قوانین گرامر نمودار برای طراحی صدها هزار ساختار بالقوه ربات استفاده می کند. بعضی ها مبهم و مانند اتومبیل اتومبیل رانی به نظر می رسند. دیگران مانند عنکبوت یا شخصی که فشار بالا می آورد به نظر می رسند. ژائو می گوید: “دیدن انواع طرح ها برای ما بسیار الهام بخش بود.” “این قطعاً بیان گرامر را نشان می دهد.” اما گرچه گرامر می تواند کمیت را کم کند ، طراحی های آن همیشه از کیفیت بهینه برخوردار نیستند.
   Choosing the best robot design requires controlling each robot’s movements and evaluating its function. “Up until now, these robots are just structures,” says Zhao. The controller is the set of instructions that brings those structures to life, governing the movement sequence of the robot’s various motors. The team developed a controller for each robot with an algorithm called Model Predictive Control, which prioritizes rapid forward movement.
   انتخاب بهترین طراحی ربات نیاز به کنترل حرکات هر ربات و ارزیابی عملکرد آن دارد. ژائو می گوید: “تاکنون این ربات ها فقط یک سازه هستند.” کنترلر مجموعه دستورالعمل هایی است که ساختارها را زنده می کند و بر توالی حرکت موتورهای مختلف ربات حاکم است. این تیم برای هر ربات یک کنترل کننده با الگوریتمی به نام Model Predictive Control (کنترل پیش بینی پیش بینی) ایجاد کرده است که حرکت سریع به جلو را در اولویت قرار می دهد.
   The shape and the controller of the robot are deeply intertwined,” says Zhao, “which is why we have to optimize a controller for every given robot individually.” Once each simulated robot is free to move about, the researchers seek high-performing robots with a “graph heuristic search.” This neural network algorithm iteratively samples and evaluates sets of robots, and it learns which designs tend to work better for a given task. “The heuristic function improves over time,” says Zhao, “and the search converges to the optimal robot.”
   شکل و کنترل ربات عمیقاً در هم آمیخته شده اند ، “به همین دلیل است که ما باید یک کنترل کننده را برای هر ربات خاص به طور جداگانه بهینه کنیم.” هنگامی که حرکت هر ربات شبیه سازی شده آزاد است ، محققان به دنبال ربات هایی با عملکرد بالا با “جستجوی ابتکاری نمودار” هستند. این الگوریتم شبکه عصبی به طور تکراری مجموعه ای از ربات ها را نمونه برداری و ارزیابی می کند و می آموزد کدام طرح ها برای یک کار مشخص بهتر کار می کنند. ژائو می گوید: “عملکرد اکتشافی با گذشت زمان بهبود می یابد و جست و جو به ربات بهینه همگرا می شود. ”
   This all happens before the human designer ever picks up a screw.
   این همه اتفاق می افتد قبل از این که طراح انسانی هرگز پیچ بگیرد.
   This work is a crowning achievement in the a 25-year quest to automatically design the morphology and control of robots,” says Hod Lipson, a mechanical engineer and computer scientist at Columbia University, who was not involved in the project. “The idea of using shape-grammars has been around for a while, but nowhere has this idea been executed as beautifully as in this work. Once we can get machines to design, make and program robots automatically, all bets are off.”
   این کار یک موفقیت موفقیت آمیز در تلاش 25 ساله برای طراحی خودکار پيكربندي و کنترل ربات ها است. “می گوید هود لیپسون ، مهندس مکانیک و دانشمند کامپیوتر در دانشگاه کلمبیا ، که در پروژه مشارکت نداشته است. “ایده استفاده از گرامرهای شکل برای مدتی وجود داشته است ، اما در هیچ کجا این ایده به زیبایی این کار اجرا نشده است. وقتی بتوانیم ماشین آلات را برای طراحی ، ساخت و برنامه ریزی ربات به طور خودکار بدست آوریم ، همه شرط بندی ها خاموش است.
   Zhao intends the system as a spark for human creativity. He describes RoboGrammar as a “tool for robot designers to expand the space of robot structures they draw upon.” To show its feasibility, his team plans to build and test some of RoboGrammar’s optimal robots in the real world.
   ژائو این سیستم را به عنوان جرقه ای برای خلاقیت انسان در نظر دارد. روبوگرامر را به عنوان “ابزاری برای طراحان ربات برای گسترش فضای ساختارهای ربات هایی که از آنها ترسیم می کنند” توصیف می کند. برای نشان دادن امکان پذیری آن ، تیم وی قصد دارد برخی از ربات های بهینه روبوگرامر را در دنیای واقعی بسازد و آزمایش کند.
   Zhao adds that the system could be adapted to pursue robotic goals beyond terrain traversing. And he says RoboGrammar could help populate virtual worlds. “Let’s say in a video game you wanted to generate lots of kinds of robots, without an artist having to create each one,” says Zhao. “RoboGrammar would work for that almost immediately.”
   ژائو اضافه می کند که این سیستم می تواند برای پیگیری اهداف رباتیک فراتر از پیمایش زمین سازگار شود. و او می گوید روبوگرامر می تواند به پر کردن جهان های مجازی کمک کند. ژائو می گوید: “بگذارید بگوییم در یک بازی ویدیویی شما می خواستید بسیاری از انواع ربات ها را تولید کنید ، بدون اینکه هنرمند مجبور به ایجاد هر یک از آنها شود. “روبوگرامر تقریباً بلافاصله برای آن کار می کند.”
   One surprising outcome of the project? “Most designs did end up being four-legged in the end,” says Zhao. Perhaps manual robot designers were right to gravitate toward quadrupeds all along. “Maybe there really is something to it.”
   یک نتیجه شگفت آور پروژه؟ ژائو می گوید: “در نهایت بیشتر طرح ها چهار پا هستند.” شاید طراحان دستی ربات حق داشتند که در تمام مدت به سمت چهارپايان گرایش پیدا کنند. “شاید چیزی واقعاً در آن وجود داشته باشد.”
   Story Sourceمنبع داستان:
   Materials provided by Massachusetts Institute of Technology. Original written by Daniel Ackerman. Note: Content may be edited for style and length.
   مواد تهیه شده توسط موسسه فناوری ماساچوست. اصل نوشته دانیل آکرمن. توجه: ممکن است محتوا برای سبک و طول ویرایش شود.

   پاسخ

2. در این ترجمه قوانین نوشتار به ندرت وگاها در برخی از پاراگراف ها اصلا رعایت نشده.
   برخی از کلمات میتوانستند جایگزین های بهتر وعام تری داشته باشند،اما در کل بسیار خوانا ومفهوم اصلی ترجمه رسانده شده است.

   پاسخ

3. خلاقیت در طراحی ربات به کمک کامپیوتر
   این معنی به این صورت بیاید روان تر است: کمک کامپیوتر به خلاقیت ربات در طراحی
   در این ترجمه غلط های املائی وجود دارد.

   پاسخ