هوش مصنوعی عضلات مصنوعی را به حرکت طبیعی بدن نزدیک‌تر می‌کند

به گزارش سیلاد، محققان مؤسسه فناوری جورجیا در این پروژه از الیاف چندلایه‌ای با ساختار هرمی استفاده کرده‌اند که از عضلات و تاندون‌های انسان الهام گرفته است. این فیبرها توانایی ذخیره و یادآوری حرکات قبلی را دارند و می‌توانند به‌گونه‌ای سازگار شوند که نرمی، انعطاف‌پذیری و دقت حرکتی را افزایش دهند.

دکتر هونگ یو، استاد مهندسی مکانیک در کالج جورج دبلیو. وودراف، در توضیح این فناوری اظهار داشت: «وقتی مردم به ربات‌ها فکر می‌کنند، معمولاً ماشین‌هایی فلزی و سخت را تصور می‌کنند، اما عضلات مصنوعی ما نرم، منعطف و از نظر ساختاری بسیار شبیه بافت انسانی هستند تا یک ماشین مکانیکی.»

او افزود که الگوریتم‌های یادگیری ماشینی طراحی‌شده توسط این تیم، به عضلات اجازه می‌دهد تا در زمان واقعی و بر اساس نوع فعالیت، میزان قدرت و انعطاف خود را تنظیم کنند. به این ترتیب، این عضلات نه‌تنها به دستورات پاسخ می‌دهند، بلکه از تجربه نیز می‌آموزند و حرکات طبیعی‌تری ایجاد می‌کنند.

این فناوری نوین می‌تواند برای بیماران در حال بهبودی از آسیب‌های عضلانی بسیار سودمند باشد، زیرا به بازسازی قدرت، افزایش اعتمادبه‌نفس و بازیابی استقلال حرکتی آنان کمک می‌کند.

تیم تحقیقاتی همچنین از مفهومی با عنوان «هوش مبتنی بر حافظه» بهره برده است که به عضلات امکان می‌دهد حرکات از پیش‌برنامه‌ریزی‌شده را انجام دهند و حالت‌های عملیاتی خود را بر اساس تغییرات محیطی به‌روزرسانی کنند. علاوه بر این، استفاده از «هوش مبتنی بر حس» موجب می‌شود تا عضلات مصنوعی بتوانند از طریق بازخوردهای حسی، تغییرات پیرامونی را درک کرده و واکنش مناسبی نشان دهند.

محققان در ادامه به چالش‌های پیش‌ِ رو مانند مقیاس‌پذیری، برنامه‌ریزی پویا و ادغام عملکردهای چندمنظوره اشاره کردند و آینده‌ای را متصور شدند که در آن عضلات مصنوعی با هوش بیشتر و انعطاف بالاتر به واقعیت نزدیک‌تر شوند.

دکتر یو و همکارانش این الیاف هوشمند را به «ابزارهای دقیق» تشبیه کرده‌اند که به‌طور مستمر تنظیم و آزمایش می‌شوند تا هماهنگی کامل با حرکات بدن انسان داشته باشند. در گذر زمان، این فیبرها نوعی «حافظه عضلانی» ایجاد می‌کنند که باعث سازگاری روان‌تر و طبیعی‌تر آن‌ها با شرایط مختلف می‌شود و در مقایسه با اندام‌های مصنوعی سنتی، تجربه‌ای نزدیک‌تر به عملکرد واقعی بدن انسان فراهم می‌آورند.