ربات هایی که زودتر اشتباه می کنند

یک سیستم جدید به ربات‌ها اجازه می‌دهد سیگنال‌های مغز انسان را بخوانند تا اشتباهات را زود تشخیص دهند و در زمان واقعی واکنش نشان دهند، تاخیر را کاهش داده و کنترل را در کارهای حیاتی بهبود بخشند.

ربات ها معمولاً پس از وقوع یک اشتباه واکنش نشان می دهند.تیمی در دانشگاه ایالتی اوکلاهاما در حال کار بر روی سیستمی هستند که به ربات ها اجازه می دهد در لحظه ای که انسان احساس کند چیزی اشتباه است، واکنش نشان دهند.این سیستم سیگنال های مغز را می خواند و اقدامات ربات را در زمان واقعی تغییر می دهد.اگر فردی مشکلی را تشخیص دهد، ربات می تواند در عرض چند میلی ثانیه سرعت خود را کاهش دهد، متوقف کند یا کنترل را به او بازگرداند.این پاسخ ربات را از اصلاح تاخیری به مداخله زودهنگام تغییر می دهد.

با استفاده از رابط های کامپیوتری مغز برای شناسایی پتانسیل های مرتبط با خطا یا ErrP ها کار می کند.این سیگنال ها تقریباً فوراً هنگامی که شخص اشتباهی را تشخیص می دهد، قبل از هر اقدام فیزیکی ظاهر می شود.یک کلاه الکتروانسفالوگرام پوشیدنی این سیگنال ها را گرفته و به یک ربات کنترل مشترک ارسال می کند.

این رویکرد به یک شکاف کلیدی در عملیات از راه دور می پردازد.در کارهای پرخطر مانند جابجایی سایت هسته ای یا بازرسی اعماق دریا، روبات ها نمی توانند به طور کامل به تنهایی کار کنند.کنترل انسان کمک می کند، اما زمان می برد، و شکست های سریع به سختی متوقف می شوند.بیشتر ربات‌ها مشکلات را تنها پس از تماس تشخیص می‌دهند.در آن زمان، پاسخ ممکن است خیلی دیر باشد.سیگنال های مغزی به عنوان یک هشدار اولیه عمل می کنند.

سیگنال ها از قشر کمربندی قدامی مغز می آیند که ErrPs را به عنوان یک هشدار داخلی تولید می کند.از آنجایی که مغز سریعتر از حرکت فیزیکی واکنش نشان می دهد، این یک پنجره زمانی کوتاه اما حیاتی برای اصلاح ایجاد می کند.

برای قابل استفاده کردن سیستم، تیم مدلی ساخت که الگوهای کلی مغز را یاد می گیرد و سپس با هر کاربر سازگار می شود.این امر زمان راه اندازی را کاهش می دهد، که یک مسئله رایج در سیستم های کامپیوتری مغز است.از آنجایی که سیگنال ها در بین کاربران متفاوت است، سازگاری سریع مورد نیاز است.

ایمنی با استفاده از Signal Temporal Logic مدیریت می‌شود که محدودیت‌هایی را برای نحوه عملکرد ربات تعیین می‌کند.سیگنال مغز یک مشکل را علامت گذاری می کند و منطق پاسخ مجاز را مشخص می کند.این کنترل را حتی با ورودی مستقیم مغز ثابت نگه می دارد.

این سیستم با استفاده از NVIDIA Isaac Lab و NVIDIA Isaac ROS روی پردازنده‌های گرافیکی RTX PRO 6000 برای شبیه‌سازی و کنترل بلادرنگ در حال آزمایش است.

همین ایده می تواند فراتر از استفاده صنعتی باشد.در مراقبت های بهداشتی، می تواند از پروتزها و اسکلت های بیرونی پشتیبانی کند.به عنوان مثال، یک اندام مصنوعی می تواند زمانی که کاربر یک حرکت اشتباه را حس می کند، تشخیص دهد و بلافاصله آن را اصلاح کند.