نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

2 آذر 1403 6:33 ب.ظ

مطالعه نشان می دهد پردازش نور سنجش رباتیک را بهبود می بخشد

توسط آزمایشگاه تحقیقات ارتش آمریکا 14 سپتامبر 2020 اعتبار: برایان-کالج ایستگاه عقاب / لورا مک کنزی

درک اینکه انسان چگونه نور را پردازش می کند ، می تواند رانندگی خودکار را با سرعتی بالا بهبود ببخشد ، که برای جلوگیری از چاله ها و سایر موانع دیگر نیاز به بهبود دید دستگاه دارد.

گروهی از محققان ارتش کشف کردند که چگونه مغز انسان نور روشن و متضاد را پردازش می کند ، که به گفته آنها کلیدی برای بهبود حس رباتیک و امکان همکاری مستقل با انسان است.

محققان گفتند: برای فعال کردن تحولات خودمختاری در این زمینه ، اولویت اصلی ، سنجش وضعیت عملکرد خودرو بوده و باید در محیطهای متغیر انعطاف پذیر باشد.

آندره هریسون ، محقق این پروژه ، گفت: “هنگامی كه ما الگوریتم های بینایی ماشینی را در آزمایشگاه تولید می كنیم ، تصاویر دنیای واقعی معمولاً در دامنه باریك تری فشرده می شوند ، همانطور كه ​​دوربین تلفن همراه انجام می دهد.. “این می تواند به شکنندگی الگوریتم های بینایی ماشین کمک کند زیرا این تصاویر بر اساس تصاویر مصنوعی ساخته شده اند که با الگوهایی که در دنیای واقعی می بینیم کاملا مطابقت ندارند.”

هریسون گفت: با توسعه یک سیستم جدید با قابلیت نمایش یک به صد هزار ، تیم محاسبات مغز را در شرایط واقعی تر کشف کرد ، بنابراین آنها می توانند انعطاف پذیری بیولوژیکی را در حسگرها ایجاد کنند.

الگوریتم های بینایی فعلی براساس مطالعات انسان و حیوانات با استفاده از مانیتورهای رایانه ای انجام می شود که دارای درخشندگی محدودی در حدود یک به صد هستند ، یعنی نسبت روشن ترین و تاریک ترین پیکسل ها. در دنیای واقعی ، اما با نسبت جدید این تغییر می تواند ، شرایطی که دامنه دینامیکی بالا یا HDR نامیده می شودرا ایجاد کند.

” تغییرات قابل توجه در نور می تواند سیستم های ارتش را به چالش بکشد – هواپیماهای بدون سرنشین که در زیر تاج پوشش جنگل پرواز می کنند ممکن است با تغییر انعکاس هنگام وزش باد از طریق برگها اشتباه گرفته شوند ، یا وسایل نقلیه مستقلی که در زمین های ناهموار حرکت می کنند ممکن است چاله ها یا موانع دیگر را تشخیص ندهند زیرا شرایط روشنایی کمی متفاوت از الگوریتم های بینایی آموزش دیده آنها است .

این تیم تحقیقاتی تلاش کردند تا دریابند که چگونه مغز به طور خودکار ورودی 100000 به 1 را از دنیای واقعی می گیرد و آن را در محدوده باریک تری فشرده می کند ، که این امر انسان را قادر به تفسیر شکل می کند. این تیم با بررسی نحوه تعامل ویژگی های ساده مانند درخشندگی و لبه های HDR ، به عنوان راهی برای کشف مکانیسم های اساسی مغز ، پردازش اولیه بصری را تحت HDR بررسی کردند.

هونگ گفت: “مغز بیش از 30 ناحیه دید دارد و ما هنوز فقط درک ابتدایی داریم که چگونه این مناطق تصویر چشم را برای درک شکل سه بعدی پردازش می کنند.” “نتایج ما با مطالعات درخشندگی HDR ، مبتنی بر رفتار انسان و عملکرد مغز ، نشان می دهد که چقدر واقعاً می دانیم که چگونه می توان بین محیط آزمایشگاه و دنیای واقعی را برطرف کرد. اما ، این یافته ها ما را از این جعبه سیاه خارج می کند ، نشان می دهد که پیش فرض های قبلی ما از مانیتورهای رایانه ای استاندارد توانایی محدودی در تعمیم به دنیای واقعی ندارند و آنها اصولی را آشکار می کنند که می تواند مدل سازی ما را به سمت مکانیزم های صحیح هدایت کند. “

هونگ گفت: “طی میلیون ها سال تکامل ، مغز ما میانبرهای موثری برای بازسازی 3بعدی  از اطلاعات دو بعدی ایجاد کرده است.” “این یک مشکل دهها ساله است که حتی با پیشرفتهای اخیر در زمینه هوش مصنوعی همچنان دانشمندان بینایی ماشینی را به چالش می کشد.”

علاوه بر ایجاد یک چشم انداز مناسب برای خودمختاری در ماشین ها ، این کشف همچنین برای توسعه سایر دستگاه های مجهز به هوش مصنوعی مانند رادار و درک گفتار از راه دور که به سنجش در دامنه های دینامیکی گسترده بستگی دارد ، مفید خواهد بود.

محققان با نتایج خود ، در حال همکاری با شرکای دانشگاهی برای تولید مدل های محاسباتی ، به ویژه با نورون های سنبله دار هستند که ممکن است هم برای محاسبه HDR و هم برای پردازش بینایی با بهره وری بیشتر از مزایا یی برخوردار باشد  . این موضوعات هر دو موضوعات مهمی برای هواپیماهای بدون سرنشین کم قدرت می باشند.

هونگ گفت: “مسئله دامنه دینامیکی فقط یک مشکل سنجش نیست.” “این ممکن است یک مسئله کلی تر در محاسبات مغز باشد زیرا سلولهای عصبی جداگانه دهها هزار ورودی دارند. چگونه الگوریتم ها و معماری هایی را می سازید که بتوانند ورودی های مناسب را در زمینه های مختلف رادرک کنند ؟ امیدواریم با کار بر روی این مشکل در سطح حسی ، بتوانیم تأیید کنیم که در مسیر صحیحی قرار داریم ، بنابراین در هنگام ساخت هوش مصنوعی پیچیده تر ، می توانیم ابزارهای مناسبی داشته باشیم. “

https://techxplore.com

آیا این نوشته برایتان مفید بود؟

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *