Microduck به دنبال ساده‌سازی هوش مصنوعی فیزیکی است

به گفته Hackster.io

هوش مصنوعی (AI) نه‌تنها قدرتمندتر می‌شود، بلکه دسترسی به آن نیز پیوسته آسان‌تر می‌گردد. هر فردی با در اختیار داشتن یک کامپیوتر نسبتاً امروزی می‌تواند یک مدل هوش مصنوعی را دانلود کرده، آن را فاین‌تیون (Fine-tune) کند و آزمایش‌های خود را آغاز نماید. متأسفانه رباتیک در این زمینه چندان همگام پیش نرفته است. این بدان معناست که توسعه سیستم‌های هوش مصنوعی با قابلیت تعامل با دنیای فیزیکی همچنان یک چالش بزرگ به شمار می‌رود؛ چراکه در بیشتر موارد، نیازمند سخت‌افزارهای گران‌قیمت، نرم‌افزارهای تخصصی و صبر فراوان خواهید بود. اکنون Hugging Face و Pollen Robotics امیدوارند با ربات جدیدی به نام Microduck این شرایط را تغییر دهند.

ربات Microduck با ارتفاع تنها ۲۵ سانتی‌متر (۹.۸ اینچ) و وزن فقط ۷۸۰ گرم، یک ربات دوپای کوچک است که به‌طور اختصاصی برای آموزش و آزمایش ساخته شده است. این ربات به‌جای آنکه به عنوان یک گجت مصرفی کاملاً نهایی عرضه شود، به عنوان بستری برای توسعه‌دهندگان، دانشجویان و علاقه‌مندان به یادگیری تقویتی (Reinforcement Learning) و هوش مصنوعی فیزیکی طراحی شده است. با قیمت پیش‌فروش اولیه ۳۹۹ دلار، هزینه آن تنها کسری از قیمت ربات‌های تحقیقاتی مشابه خواهد بود.

ربات Microduck به‌صورت پیش‌فرض قابلیت‌های جالب توجهی دارد. برخورداری از ۱۵ درجه آزادی (DoF) به آن امکان می‌دهد با گام‌های اردک‌مانندِ متمایز خود راه برود، بنشیند، چمباتمه بزند، پس از افتادن تعادل خود را بازیابی کرده و بلند شود و حتی اسکیت‌سواری کند. این ربات به‌جای دست، از یک منقار (articulated beak) استفاده می‌کند که نقش گریپر (Gripper) را دارد و به آن اجازه می‌دهد اشیای کوچک را بردارد و حمل کند. این رفتارهای تعبیه‌شده، پایه‌ای را فراهم می‌کنند تا کاربران بتوانند قابلیت‌های خود را بر روی آن بسازند.

برای ساده‌سازی فرایند توسعه، ربات به‌گونه‌ای طراحی شده است که با یک استک نرم‌افزاری متن‌باز کار کند. Microduck از پایه برای یادگیری تقویتی ساخته شده است؛ فرایندی که در آن هوش مصنوعی مهارت‌های جدید را از طریق آزمون و خطای مکرر فرا می‌گیرد. اجرای مستقیم این آموزش روی سخت‌افزار فیزیکی عملاً غیرمنطقی است، زیرا هزاران یا حتی میلیون‌ها تلاش ناموفق ربات را کاملاً دچار استهلاک و آسیب می‌کند؛ بماند که زمان بسیار زیادی نیز صرف خواهد شد. در مقابل، توسعه‌دهندگان ابتدا رفتارهای جدید را در محیط شبیه‌سازی آموزش می‌دهند و سپس با استفاده از فرایند Sim-to-Real، آن را به ربات واقعی منتقل می‌کنند.

شرکت‌های Hugging Face و Pollen Robotics می‌گویند کیت توسعه نرم‌افزاری (SDK) تمامی مراحل این فرایند را پوشش می‌دهد؛ از جمله ایجاد محیط‌های شبیه‌سازی، ابزارهای یادگیری تقویتی، نرم‌افزار کنترل ربات و دیپلوی (استقرار) نهایی. پس از اینکه یک رفتار آموزش داده شد، توسعه‌دهندگان می‌توانند آن را روی ربات بارگذاری کرده، خروجی را بررسی کنند، شبیه‌سازی را تنظیم و بهینه‌سازی کرده و خط‌مشی (Policy) را اصلاح نمایند. این شرکت‌ها در نظر دارند کل استک نرم‌افزاری را پیش از آغاز ارسال اولین سری ربات‌ها قبل از کریسمس ۲۰۲۶، روی گیت‌هاب منتشر کنند.

سخت‌افزار تعبیه‌شده روی ربات شامل موارد زیر است:

• یک دوربین زاویه باز (Wide-angle) برای تأمین بینایی ماشین
• سنسور ToF LiDAR با ماتریس ۸ در ۸ جهت انجام آزمایش‌های فاصله‌سنجی و عمق‌سنجی
• دو واحد سنجش اینرسی (IMU) برای کمک به حفظ تعادل و تخمین موقعیت بدنه ربات
• میکروفون‌ها و یک بلندگو
• اتصالات شامل وای‌فای (Wi-Fi)، بلوتوث (Bluetooth) و دو آنتن NFC که امکان ساخت برنامه‌های تعاملی با اشیای فیزیکی برچسب‌گذاری‌شده را به توسعه‌دهندگان می‌دهد
• باتری دوربین قابل تعویض مدل NP-F550 با ظرفیت ۲۶۰۰ میلی‌آمپرساعت که توان مورد نیاز ربات را تقریباً برای ۱ ساعت کار مداوم تأمین می‌کند و تعویض آسان باتری‌ها مانع از ایجاد وقفه بین آزمایش‌ها می‌شود

این ربات تمام پردازش‌ها را به‌صورت محلی و بدون نیاز به اینترنت انجام می‌دهد؛ هرچند توسعه‌دهندگان می‌توانند در صورت تمایل از زیرساخت ابری Hugging Face برای آموزش، ذخیره‌سازی و به اشتراک‌گذاری خط‌‌مشی‌های یادگیری تقویتی با جامعه کاربری استفاده کنند.

ربات Microduck پس از پروژه Reachy Mini دومین ربات ارائه‌شده از سوی Hugging Face به شمار می‌رود که مدل پیشین عمدتاً روی هوش مصنوعی مکالمه‌ای و تعامل انسانی تمرکز داشت. این طراحی جدید، تمرکز را به سمت جابه‌جایی، دست‌ورزی و فراگیری مهارت‌های حرکتی فیزیکی هدایت کرده است. اگر Hugging Face در ساخت یک جامعه کاربری فعال پیرامون پلتفرم متن‌باز خود موفق شود، Microduck می‌تواند نقشی را در دنیای رباتیک ایفا کند که بردهای توسعه مقرون‌به‌صرفه‌ای نظیر رزبری پای و آردوینو در محاسبات امبدد (Embedded Computing) ایفا کردند: یک نقطه شروع ارزان‌قیمت که مشوق تجربه و آزمایش است و سد ورود را برای نسل جدیدی از سازندگان پایین می‌آورد.