دانشمندان یک ربات اسباب بازی را با یک مدار الکتریکی هوشمند و سازگار ساخته شده از مواد آلی نرم، مشابه مواد بیولوژیکی، مجهز کرده اند. با این رویکرد الهام‌گرفته از زیست‌شناسی، آن‌ها توانستند به ربات بیاموزند که به طور مستقل در پیچ و خم با استفاده از علائم بصری برای راهنمایی حرکت کند.
به گزارش پایگاه اطلاع رسانی ایران رصد ترکیبی از مواد آلی و الکترونیک می تواند فرصت های جدیدی را برای سیستم های محاسباتی غیر متعارف آینده باز کند.پردازنده، مغز یک کامپیوتر است — عبارتی که اغلب ذکر می شود. اما پردازنده ها اساساً متفاوت از مغز انسان عمل می کنند. ترانزیستورها عملیات منطقی را با استفاده از سیگنال های الکترونیکی انجام می دهند. در مقابل، مغز با سلول‌های عصبی، به اصطلاح نورون‌ها، کار می‌کند که از طریق مسیرهای رسانای بیولوژیکی، به اصطلاح سیناپس‌ها، به هم متصل می‌شوند.
در سطح بالاتر، این سیگنال توسط مغز برای کنترل بدن و درک محیط اطراف استفاده می شود. واکنش سیستم بدن/مغز زمانی که محرک‌های خاصی درک می‌شوند .به عنوان مثال، از طریق چشم‌ها، گوش‌ها یا حس لامسه – از طریق یک فرآیند یادگیری تحریک می‌شود. به عنوان مثال، کودکان یاد می‌گیرند که دوبار دستشان را به یک اجاق داغ نبرند: یک محرک ورودی منجر به فرآیند یادگیری با یک نتیجه رفتاری واضح می‌شود.
دانشمندانی که با Paschalis Gkoupidenis، رهبر گروه در بخش پل بلوم در مؤسسه تحقیقات پلیمری ماکس پلانک کار می کنند. اکنون این اصل اساسی یادگیری از طریق تجربه را به شکلی ساده به کار گرفته اند و یک ربات را با استفاده از یک مدار به اصطلاح نورومورفیک ارگانیک در ماز کرده اند. این کار یک همکاری گسترده بین دانشگاه های آیندهوون، استنفورد، برشا، آکسفورد و KAUST بود.
ایمکه کراوهاوزن، دانشجوی دکترا در گروه Gkoupidenis و در TU Eindhoven (گروه van de Burgt) می‌گوید:
«ما می‌خواستیم از این تنظیمات ساده استفاده کنیم تا نشان دهیم چنین «دستگاه‌های نورومورفیک ارگانیک» چقدر می‌توانند در شرایط واقعی قدرتمند باشند.
این ربات چگونه یاد می گیرد؟
برای دستیابی به ناوبری ربات در داخل ماز، محققان مدار تطبیقی هوشمند را با سیگنال‌های حسی که از محیط می‌آمد تغذیه کردند. مسیر پیچ و خم به سمت خروجی به صورت بصری در هر تقاطع ماز نشان داده شده است. در ابتدا، ربات اغلب علائم بصری را اشتباه تعبیر می کند. بنابراین تصمیمات اشتباه “چرخش” را در تقاطع های ماز می گیرد و راه خروج را گم می کند. وقتی ربات این تصمیمات را می گیرد و مسیرهای بن بست اشتباهی را دنبال می کند. با دریافت محرک های اصلاحی از گرفتن این تصمیمات اشتباه دلسرد می شود.
محرک های اصلاحی، برای مثال زمانی که ربات به دیوار برخورد می کند، مستقیماً از طریق سیگنال های الکتریکی که توسط حسگر لمسی متصل به ربات القا می شود، در مدار ارگانیک اعمال می شود. با هر اجرای بعدی آزمایش، ربات به تدریج یاد می گیرد که تصمیمات “چرخش” درست را در تقاطع ها اتخاذ کند. برای جلوگیری از دریافت محرک های اصلاحی، و پس از چند آزمایش راه خروج از پیچ و خم را پیدا می کند. این فرآیند یادگیری منحصراً در مدار تطبیقی ارگانیک اتفاق می افتد.
Gkoupidenis می گوید: “ما واقعا خوشحال بودیم که دیدیم ربات می تواند پس از چند دوره با یادگیری بر روی یک مدار ارگانیک ساده، از پیچ و خم عبور کند. ما در اینجا اولین راه اندازی بسیار ساده را نشان داده ایم. با این حال، در آینده ای دور امیدواریم که دستگاه های نورومورفیک آلی همچنین می‌تواند برای محاسبات/یادگیری محلی و توزیع‌شده استفاده شود. این امکان کاملاً جدیدی را برای برنامه‌های کاربردی در رباتیک دنیای واقعی، رابط‌های انسان و ماشین و تشخیص‌های نقطه‌ای از مراقبت ایجاد می‌کند. پلتفرم‌های جدید برای نمونه‌سازی سریع و آموزش، در تقاطع همچنین انتظار می رود علم مواد و رباتیک نیز ظهور کنند.”