تا حالا فکر کردی اگه یه ربات واقعاً بتونه مثل آدم‌ها برقصه، چیکار باید بلد باشه؟ اصلاً ربات رقصنده فقط این نیست که دست‌وپاهاشو تکون بده! کلی نکته داره که باعث میشه رقصش طبیعی و جذاب باشه، مثلاً باید بتونه با آهنگ هماهنگ باشه، حالت صورت و بدنشو تغییر بده، حتی شاید به بیننده واکنش نشون بده. تو دنیای فنی به این میگن Expressiveness و Responsiveness یعنی هم بتونه احساس و مفهوم برسونه (Expressiveness) هم نسبت به محیط و آدم‌ها واکنش نشون بده (Responsiveness).
الان کلی محقق و متخصص رباتیک و هوش مصنوعی دارن روش کار میکنن که ربات‌ها رو به رقصیدن واقعی نزدیک کنن. اول لازمه بدونیم چه کارهایی تا حالا واسه این موضوع انجام شده:
— یه سری روش‌ها هستن که بر مبنای سیستم‌های کنترلی سنتی کار میکنن. یعنی دقیقاً براش برنامه‌ریزی میکنن که کی، چه حرکتی انجام بده. مثلاً یه ربات رو سخت‌افزاری تر و با جزییات زیاد کنترل میکنن. مشکلی که این مدل داره اینه که حرکاتش خشک و معمولاً غیرواقعیه؛ نمی‌تونه همزمان با تغییری ناگهانی تو محیط یا موزیک، واکنش نشون بده.
— بعد اومدن Machine Learning رو امتحان کردن. اگه با این واژه آشنا نیستی، Machine Learning یعنی سیستم‌هایی که می‌تونن از داده‌ها یاد بگیرن و خودشون تصمیم بگیرن چه حرکتی مناسب‌تره. اینجا ربات با دیدن حرکات آدم‌ها یا با آنالیز موزیک، سعی می‌کنه مثل آدم‌ها برقصه. این روش منعطف‌تره ولی هنوز محدودیت‌هایی داره، مثلاً ممکنه توی لحظه نتونه خوب خودش رو با شرایط وقف بده.
— یکی دیگه از راه‌های جالبی که امتحان کردن، روش‌های ترکیبی یا Hybrid Systems هستش. یعنی از سیستم‌های سنتی و یادگیری ماشینی با هم استفاده میکنن تا بتونن هم حرکات دقیق باشه هم به موقع انعطاف نشون بدن.
تا اینجاش رو داشته باش! حتماً یه سوال مهم می‌پرسید: “خب الان ربات‌های رقصنده چقدر پیشرفت کردن؟” مثلاً بعضی ربات‌ها تونستن حرکاتی شبیه رقص‌های انسانی رو اجرا کنن و حتی یه کم با آدم‌ها یا صدا تعامل داشتن. ولی هنوز یه سری مشکلات اساسی هست، که باید حل بشن تا ربات واقعاً بتونه برقصه:
— چالش اول اینه که ربات باید بتونه تو لحظه یعنی real-time، حرکاتش رو کنترل و برنامه‌ریزی کنه؛ مثلاً اگه موزیک عوض شد یا زیر دستش رو جمعیت شلوغ شد، بدون تاخیر واکنش نشون بده. Real-time motion planning یعنی ربات بتونه هر لحظه براساس شرایط جدید، حرکات جدیدی بچینه.
— مشکل دیگه اینه که ربات باید واقعاً بتونه از آدم‌های رقصنده یاد بگیره (Adaptive Learning from Humans). یعنی مثل یه شاگرد باهوش، جوری رقص ببینه و تکرار کنه که تو حرکاتش یادگیری و پیشرفت واقعی باشه، نه فقط تقلید خشک و ناقص.
— یه مسئله دیگه هم هست به اسم Morphology Independence. این یعنی سیستم هوشمندی بسازن که فقط روی شکل یا اندازه خاصی از ربات جواب نده. مثلاً هر رباتی با هر تعداد دست و پا یا ترکیب بدنی، بتونه همون الگوریتم رو استفاده کنه و برقصه.
در کل، الان راه‌هایی که رفتن و امتحان کردن همش کلی نکته مثبت داشته، ولی هنوز فاصله تا یه ربات رقصنده واقعی باقیه. اگر این چالش‌ها رو حل کنن، احتمالاً ربات‌هایی خواهیم داشت که هم قشنگ و دلنشین برقصن (حس و حال بدن تو حرکاتشون باشه)، هم سریع به شرایط جدید واکنش نشون بدن و با هرکس و هر جایی هماهنگ بشن. تازه تو مهمونی‌ها هم شاید بتونن بهترین پای‌کوبی رو بکشن!
در نهایت، همه این داستان‌ها یه هدف داره: راه رو باز کنه برای نسل بعدی ربات‌هایی که می‌تونن تو تعامل با آدم‌ها از پس حرکات پیچیده، احساسی و خلاقانه مثل رقصیدن بر بیان. هر چی این تحقیقات جلوتر بره، دنیای ربات‌ها هم سرگرم‌کننده‌تر و شگفت‌انگیزتر میشه!
منبع: +
