#شبیه_سازی #متن_باز #webot
نرم‌افزار متن باز webot: ایجاد جهان مصنوعی با فیزیک واقعی برای شبیه‌سازی رفتار انواع ربات در سناریوهای کنترلی گوناگون

بسیاری از ما علاقه داریم تا با انواع ربات‌ها کار کنیم، آن‌ها را توسعه دهیم، برای آن‌ها الگوریتم کنترلی توسعه دهیم و نهایتا کارکردن آنها را در واقعیت ببینیم. اما آیا چنین چیزی ممکن است؟ من که فکر نمیکنم امکانات چنین ایده‌پردازی وجود داشته باشد!

بنابراین نرم‌افزارهای شبیه‌سازی می‌توانند برای تحقق چنین ایده‌ای ایفای نقش کنند. شبیه‌سازهای متعددی برای چنین کاری وجود دارد و ما قصد داریم معرفی آن‌ها را با معرفی webot که از بهترین‌ها می‌باشد، شروع کنیم.
۱ | ۲ | ۳
----------
@roboticknowledge

#شبیه_سازی #متن_باز #webot
نرم‌افزار متن باز webot: ایجاد جهان مصنوعی با فیزیک واقعی برای شبیه‌سازی رفتار انواع ربات در سناریوهای کنترلی گوناگون

کار توسعه وبات (webot) توسط گروهی از پژوهشگران دانشگاه EPFL در سال ۱۹۹۸ شروع شده است. البته وبات قبل از سال ۲۰۱۸ متن باز نبود و برای استفاده از آن یک لایسنس باید تهیه می‌شد. در نهایت در ۲۰۱۸ تیم توسعه دهنده تصمیم گرفت تا با هدف توسعه بسیار سریع‌تر نرم‌افزار، افزایش چشمگیر کامیونیتی و البته تعریف اهداف جاه‌طلبانه (بطور خاص برای مثال ارائه سرورهای محاسباتی شبیه‌سازی جهان رباتیک در آینده) اقدام به ارائه متن باز وبات کرد تا همه بتوانند از آن استفاده کنند. در ادامه خصوصیات وبات را معرفی خواهم کرد.

۱ | ۲ | ۳
----------
@roboticknowledge

#شبیه_سازی #متن_باز #webot
نرم‌افزار متن باز webot: ایجاد جهان مصنوعی با فیزیک واقعی برای شبیه‌سازی رفتار انواع ربات در سناریوهای کنترلی گوناگون

⬅️ در وبات می‌توان یک محیط کاملا طبیعی با هر فیزیک دلخواه ایجاد کرد. انواع اشیا و مواد (حتی سیالات مانند یک محفظه آب یا جو سیاره) قابل مدل کردن است.

⬅️ وبات برای برنامه‌نویسی رفتار، به کاربر امکان برنامه‌نویسی تمام اشیاء را نیز می‌دهد. در کنار محیط، میتوان ربات‌ها را هم برنامه‌نویسی و کنترل کرد.

⬅️ در وبات انواع عملگر، ساختار و سنسور در دسترس است. هر چه که فکر بکنید، در کنار ۱۰۰ ها مدل و محیط آماده و انواع ربات‌های معروف وجود دارد! برای مثال سنسور ویژن با انواع نویز و ... برای مدل‌سازی واقعی قابل تعریف است.

⬅️ با زبان‌های C/C++، JAVA، Matlab, Python و اینترفیس ROS امکان برنامه‌نویسی در وبات وجود دارد که بسیار جامع است.

⬅️ فیزیک و دینامیک حاکم بسیار دقیق است و با ساده‌سازی مختص وبات در حل ODE های حاکم، شبیه‌سازی بصورت Real Time با وجود چندین ربات پیچیده در یک محیط (برای مثال مسابقات فوتبال رباتیک) ممکن است.

⬅️ وبات برای ویندوز، مک و لینوکس در دسترس است و شروع کار با آن بسیار ساده است. طبق تجربه کاربران وبات که قبلاً از Gazebo برای چنین کاری استفاده می‌کردند، وبات تا ۲۰ برابر سریع‌تر بوده است! ⚡️

⬅️ شما پس از مدل‌سازی و طراحی کنترل‌کننده ربات، براحتی با ایجاد یک نود برای کنترل ربات توسط ROS می‌توانید برنامه خود را بر روی سخت‌افزار ربات نصب کنید!

⬅️ رندر گرافیکی وبات بسیار با کیفیت و جذاب است.

۱ | ۲ | ۳
----------
@roboticknowledge

#اقلیم #فیزیک #هوش_مصنوعی
ایجاد لایه مصنوعی aerosol برای بازتاب نور خورشید به جو و خنک‌کردن زمین!

انتظار می‌رود که دمای زمین تا پایان قرن ۲.۵ درجه بیشتر شود اگرچه تا چند سال پیش تصور می‌شد که ۱.۵ درجه افزایش دما اتفاق بیافتد. گرم شدن زمین طبعات سخت بسیاری خواهد داشت که همه ما در چند سال گذشته با دیدن خشکسالی و سیل‌های تابستانی خشن و افت کیفیت و کمیت کشاورزی آن را حس کرده‌ایم.

حال بنظر باید فکری برای جلوگیری از این اتفاق کرد. پژوهشگران می‌گویند زمین را باید خنک کرد. خنک‌کاری که ما در ذهن داریم خود منجر به تشدید آزاد شدن گازهای گلخانه‌ای می‌شود. در نتیجه شرایط بد را تشدید می‌کند.

اخیرأ طرحی مفهومی ارائه شده است که در آن هواپیماها (پهپادها) در ارتفاع بسیار بالا لایه‌ای از  aerosol را اسپری کنند. این لایه بخشی از نور خورشید را به سمت بالا بازتاب می‌دهد. در نتیجه امکان خنک شدن زمین وجود خواهد داشت.
۱ | ۲ | ۳
----------
@roboticknowledge

#اقلیم #فیزیک #هوش_مصنوعی
ایجاد لایه مصنوعی aerosol برای بازتاب نور خورشید به جو و خنک‌کردن زمین!

اما نقش هوش مصنوعی در این ایده چه می‌تواند باشد؟

◀️ پرواز در ارتفاع بالا

هواپیماها و پهپادهایی که قرار باشد aerosol را اسپری کنند، باید با مداومت بالا و ارتفاع بسیار بالا این کار را انجام دهند. هدایت آنها بصورت هوشمند و بدون سرنشین انجام خواهد شد.

⬅️ طرح‌ریزی اجرا

چه مناطقی و در چه زمانی باید تحت اسپری کردن aerosol قرار بگیرند؟ پارامترهای پاشش باید چه باشد؟
و بسیاری سوال این چنینی که تنها پاسخ دادن مناسب به آنها با روش‌های یادگیری data driven ممکن است. هوش مصنوعی، سلام!

۱ | ۲ | ۳
----------
@roboticknowledge

#اقلیم #فیزیک #هوش_مصنوعی
ایجاد لایه مصنوعی aerosol برای بازتاب نور خورشید به جو و خنک‌کردن زمین!

این روش اگرچه باحال بنظر می‌رسد، اما سوالات و عدم قطعیت‌های فراوانی حول آن وجود دارد.

⬅️ اثر این کار در بلند مدت بر روی اقلیم چه خواهد بود؟
⬅️ چه اتفاقاتی برای اکوسیستم می‌تواند رخ بدهد؟
⬅️ هزینه آن در جنبه‌های گوناگون چیست؟
⬅️ آیا آگاهی از وجود چنین روش‌هایی، جامعه را به آزادسازی بیشتر گازهای گلخانه‌ای تشویق نمی‌کند؟ در هر صورت خیال راحت‌تری خواهند داشت! اما مسأله فقط دما نیست.

مقاله اصلی که توسط جناب Andrew NG نوشته شده است را اینجا می‌توانید پیدا کنید.

۱ | ۲ | ۳
----------
@roboticknowledge

#ارتباطات #اینترنت
تصاویری از آنتن‌های شبکه 5G در نیویورک

قرار است بیش از ۲۰۰۰ آنتن (یا به قول خودشان tower) نصب شود که ۹۰٪ آن‌ها در مناطق کمتر حمایت شده (underserved areas) خواهد بود. هنگامی که فعال بشوند، ملت آنجا دسترسی به تماس پرسرعت رایگان و البته اینترنت بسیار سریع نسل پنج خواهند داشت (این رو نمی‌دونم رایگان هست یا نه اما منبع یه جوری نوشته که انگار رایگان هست!😅).
----------
@roboticknowledge

Image credit: Paul Hennessy/Anadolu Agency via Getty Images

سرانجام با چنین گپی و البته موفقیت‌آمیز پرتاب شد. در وصف آن می‌توان گفت قدرتمندترین موشکی که بشر ساخته است.
----------
@roboticknowledge

#پوشیدنی #کمک_حرکتی
این دستگاه مکانیکی ساده اما بسیار کارآمد بسادگی و موثر می‌تواند لرزش دست افرادی که از Essential tremor رنج می‌برند را کم اثر و حذف کند.
در مواقعی می‌توان با هزینه کم و پیچیدگی حداقلی یک مشکل را حل کرد. اینجا همان‌جا است. مکانیزم کار دقیقا مثل لغو کردن ارتعاشات در ساختمان‌های آسمان خراش‌ است.
Source
----------
@roboticknowledge

#هوش_مصنوعی #یادگیری_ماشین
ربات‌ها می‌توانند تدریجا از یکدیگر یاد بگیرند!

تصور کنید که یک بازوی رباتیک دارید و مجری نهایی آن یک مچ دست مصنوعی با پنج انگشت است که یک کنترل‌کننده مبتنی بر شبکه عصبی یاد گرفته است مچ را برای گفتن چکش و کوبیدن میخ حرکت دهد. یادگیری چنین مسأله‌ای نیاز به آموزش و تمرین دارد و زمان‌بر است.
چنانچه ربات دیگری وجود داشته باشد که دو انگشت داشته باشد، میتوان از دانش ربات قبلی برای همان کار حرکت چکش استفاده کرد؟
پاسخ بله است. پژوهشگران دریافته‌اند که میتوان دانش یادگیری ماشین را تدریجی منتقل کرد. یعنی برای مثال شبکه آموزش داده شده را از ۵ انگشتی بر روی ۴، ۳ و سپس ۲ انگشتی منتقل کرد. در هر انتقال، بخشی از شبکه عصبی وزن ۰ پیدا می‌کند که اثر همان کاهش پیچیدگی سینماتیکی دست مصنوعی است. این روش REvolveR یا Robot-Evovle-Robot نام دارد.

⬅️ از مجله Scientific American
----------
@roboticknowledge

----------
@roboticknowledge

#کنترل #دینامیک
@roboticknowledge