۱۸ آگوست ۲۰۲۵، عکس از نویسنده: کایف شیخ -نیروی دریایی ایالات متحده از طریق پیکریل
ما از سال ۲۰۱۷ شاهد پشتک وارو زدن‌های شرکت بوستون داینامیکس در اطلس بوده‌ایم. امروز، ربات انسان‌نمای فیگور می‌تواند یک ماشین لباسشویی را پر کند، ربات‌های دوپا ۶۰۰۰ دلاری ارزان‌قیمت به بازار عرضه می‌شوند و خلبانان، ربات‌های فیگور را در خطوط تولید بی‌ام‌و و ربات‌های آپولو را در مرسدس بنز قرار می‌دهند. در ظاهر، به نظر می‌رسد که ربات‌های انسان‌نما بالاخره در حال تبدیل شدن به گزینه‌ای مناسب هستند.
با این حال، پشت این دموها، کارشناسان هشدار می‌دهند که یک محدودیت اساسی‌تر هنوز مانع پیشرفت این حوزه است: بدن ماشین‌ها. چیزی که حتی پیشرفته‌ترین مدل‌های هوش مصنوعی نیز نمی‌توانند آن را جبران کنند.
در فراخوانی اخیر برای مشارکت‌های تحقیقاتی، بخش رباتیک سونی اعلام کرد که بسیاری از ماشین‌های انسان‌نما و تقلیدکننده حیوانات «تعداد محدودی مفصل» دارند که «اختلاف بین حرکات آنها و حرکات سوژه‌هایی که از آنها تقلید می‌کنند» ایجاد می‌کند و به طور قابل توجهی ارزش آنها را کاهش می‌دهد.
این شرکت به دنبال «مکانیسم‌های ساختاری انعطاف‌پذیر»، به طور خلاصه، معماری‌های فیزیکی هوشمندتر و سازگارتر، برای تولید نوعی حرکت پویا و طبیعی است که پلتفرم‌های امروزی برای دستیابی به آن تلاش می‌کنند.
این ابتکار با استدلال گسترده‌تری که حامد رجبی، مدیر گروه تحقیقاتی هوش مکانیکی (MI) در دانشگاه ساوت بنک لندن، در مقاله‌ای در The Conversation مطرح کرده است، همسو است.
رجبی ادعا می‌کند که فلسفه طراحی «اولویت با مغز» در صنعت، نرم‌افزار متمرکزی که ساختارهای سفت و سخت و موتوری را کنترل می‌کند، ربات‌ها را مجبور می‌کند تا میلیون‌ها اصلاح کوچک و پرمصرف را فقط برای صاف ماندن انجام دهند. او خاطرنشان می‌کند که حتی پیشرفته‌ترین واحدها اغلب فقط چند ساعت قبل از تخلیه باتری‌ها کار می‌کنند.
رجبی برای درک میزان مصرف انرژی می‌گوید که آپتیموس تسلا برای یک پیاده‌روی ساده حدود ۵۰۰ وات برق مصرف می‌کند، در حالی که یک انسان که پیاده‌روی سریع و طاقت‌فرسایی انجام می‌دهد، حدود ۳۱۰ وات مصرف می‌کند که تقریباً ۴۵٪ کمتر برای فرد با وجود کار سخت‌تر است. او استدلال می‌کند که این شکاف، نشان دهنده طراحی فیزیکی است، نه فقط بلوغ نرم‌افزار.
این متخصص به الگویی از بازده نزولی اشاره می‌کند. بدنه‌های سفت و سخت به برنامه‌ریزی در سطح ابررایانه و محرک‌های قوی‌تر نیاز دارند، که ربات‌ها را سنگین‌تر و پرمصرف‌تر می‌کند و مشکلات پایداری و استقامتی را که نرم‌افزار سعی در غلبه بر آنها دارد، بدتر می‌کند. حتی زمانی که ادراک و برنامه‌ریزی چشمگیر به نظر می‌رسند، محدودیت‌های فیزیکی خود را نشان می‌دهند.
آپتیموس تسلا می‌تواند یک تی‌شرت را با برنامه‌ریزی دقیق و مبتنی بر بینایی تا کند. با این حال، رجبی استدلال می‌کند که دست‌های نسبتاً سفت و سخت و کم حسگر احتمالاً با یک پیراهن مچاله شده روی یک تخت نامرتب مشکل خواهند داشت، زیرا بدن فاقد “هوش فیزیکی” برای سازگاری درجا است.
همین انتقاد در واکنش‌ها به اطلس نیز مطرح می‌شود. مدل تمام الکتریکی در ویدیوهای طراحی‌شده، طیف حرکتی قابل توجهی را نشان می‌دهد، اما فقدان وظایفی که در آنها با زمین‌های پیچیده و نامشخص سازگار باشد، مانند راه رفتن با اطمینان روی سنگ‌های خزه‌دار یا عبور از شاخه‌های فنری، اهمیت دارد، زیرا پاها و بدن آن نمی‌تواند مانند همتایان بیولوژیکی خود، حس کند، تسلیم شود و دوباره به حالت اولیه برگردد.
مسابقات اخیر این نکته را تقویت می‌کنند. بازی‌های جهانی ربات‌های انسان‌نما شامل رویدادهای نیمه ماراتن و بوکس بود که عمدتاً شکست محسوب می‌شدند. بسیاری از ربات‌ها تصادف می‌کردند، بیش از حد گرم می‌شدند یا از کار می‌افتادند و تنها برخی از آنها به پایان می‌رسیدند. این نمایش نشان داد که ربات‌های امروزی چقدر از استحکام انسانی در خارج از نمایش‌های کنترل‌شده فاصله دارند.
محور پیشنهادی رجبی بر هوش مکانیکی یا MI متمرکز است که از “محاسبات مورفولوژیکی” طبیعت الهام گرفته شده است. این ایده که بدن‌ها خودشان محاسبات مفید را به صورت غیرفعال انجام می‌دهند. فلس‌های مخروط کاج در هنگام خشک بودن باز می‌شوند و در هنگام مرطوب بودن بدون حسگر یا پردازنده بسته می‌شوند. او اشاره می‌کند که تاندون‌های پای خرگوش، مانند فنر، انرژی را ذخیره و آزاد می‌کنند تا با کمترین تلاش عضلانی، راه رفتن را تثبیت کنند.
دست‌های انسان، با بافت نرم و نوک انگشتان تنظیم‌کننده رطوبت، به طور خودکار با اشیاء سازگار می‌شوند و اصطکاک را برای گرفتن ایمن و با نیروی کم تنظیم می‌کنند. در کاربرد ربات‌ها، هوش مصنوعی به معنای طراحی ساختارهایی است که به طور غیرفعال با محیط سازگار می‌شوند تا «مغز» بتواند بر استراتژی، یادگیری و تعامل سطح بالاتر تمرکز کند.
رجبی نتایج پلتفرم‌هایی را برجسته می‌کند که از پاهای فنرمانند و ذخیره‌کننده انرژی الهام گرفته از یوزپلنگ برای دویدن کارآمدتر استفاده می‌کنند. گروه او در حال توسعه لولاهای هیبریدی است که دقت و قدرت مفاصل سفت و سخت را با خواص جذب شوک و انطباق مفاصل بیولوژیکی ترکیب می‌کنند و به طور بالقوه درجات آزادی بیشتری را در شانه‌ها یا زانوها برای حرکت واقعی‌تر آزاد می‌کنند.
این متخصص اشاره می‌کند که اگر ویژگی‌هایی مانند پوست نرم و مطابق و نوک انگشتان تعدیل‌کننده رطوبت در دستی مانند آپتیموس تعبیه شوند، می‌تواند اشیاء را با کسری از نیرو و انرژی امروزی نگه دارد. به این معنا
«خود پوست به کامپیوتر تبدیل می‌شود.»
چرا صنعت هوش مصنوعی را زودتر نپذیرفته است؟ رجبی خاطرنشان می‌کند که بسیاری از شرکت‌های برتر اساساً شرکت‌های نرم‌افزاری و هوش مصنوعی هستند که برای اکوسیستم‌های موتورها، حسگرها و پردازنده‌های با دقت بالا بهینه شده‌اند. در مقابل، ساخت بدن‌های هوشمند فیزیکی به مواد پیشرفته و بیومکانیک متکی است و پایه تولید این اجزا هنوز به مقیاس نرسیده است.
این یک تله وسوسه‌انگیز باقی می‌گذارد. وقتی یک ربات از قبل چشمگیر به نظر می‌رسد، انتظار می‌رود که به‌روزرسانی نرم‌افزار بعدی شکاف را پر کند تا اینکه سخت‌افزار و زنجیره تأمین را دوباره معماری کند. فراخوان سونی و تحلیل رجبی نشان می‌دهد که این ممکن است تغییر کند. مسیر خروج از آزمایشگاه احتمالاً انتخاب بین کد بهتر یا سخت‌افزار بهتر نخواهد بود، بلکه یک سنتز خواهد بود. هوش مصنوعی با بدن‌هایی جفت می‌شود که بیشتر کارها را خودشان انجام می‌دهند.
