Development of a Lightweight Detachable Balloon Robot with Inertial Movement Recognition for Older-Adult Assistance
تقدم هذه الورقة روبوتًا بالونيًا قابلًا للفصل لمساعدة كبار السن يستخدم مستشعرات قصورية للتعرف على حركات الرأس عندما تكون البيانات المرئية محجوبة، مما يثبت أن آلة ناقلات الدعم ذات دالة الأساس الشعاعي (RBF-SVM) تتفوق على نماذج التعلم العميق في تصنيف تسلسلات الحركة القصيرة والمقسمة مسبقًا عبر مختلف الأشخاص.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل مستقبلاً لا تكون فيه الروبوتات مجرد أدوات لأداء المهام، بل رفاقاً تتحرك معنا، وتقدم الدعم والتفاعل في حياتنا اليومية. بالنسبة لكبار السن، يمكن لهذه الآلات أن تساعد في الحركة، أو تقدم تذكيرات، أو ببساطة توفر شعوراً بالترابط. ومع ذلك، هناك مشكلة جوهرية في تصميم مثل هؤلاء الرفقاء: لكي يكونوا مفيدين، يجب أن يكونوا سهلي الحمل والتحريك، ولكن لكي يكونوا أذكياء، غالباً ما يحتاجون إلى عجلات ثقيلة وحواسيب قوية للتنقل. علاوة على ذلك، عندما يمسك الشخص الروبوت بالقرب من جسده، يمكن لذراعيه ويديه أن يحجبا كاميرات الروبوت، مما يعمي الروبوت عن رؤية الإيماءات والحركات التي يحاول فهمها. يستكشف الباحثون الآن نهجاً مختلفاً، وهو فصل الجزء الذي يلمسه الشخص عن الجزء الذي يقوده، مما يسمح للجهاز بأن يظل خفيف الوزن وسريع الاستجابة حتى عندما يمسكه الشخص بإحكام.
قام فريق من الباحثين في جامعة طوكيو المتروبوليتان بتطوير نوع جديد من روبوتات الخدمة المصممة خصيصاً لحل هذه المقايضة الفيزيائية. لقد ابتكروا "روبوت البالون" الذي يتكون من جزأين متميزين: وحدة علوية قابلة للنفخ وخفيفة الوزن يمكن للشخص حملها، وقاعدة ثقيلة ذات عجلات تبقى على الأرض. تزن الوحدة العلوية حوالي كيلوغرامين فقط، وهو ما يعادل وزن حاسوب محمول صغير، وتحتوي على كاميرا ومستشعرات لرصد كيفية تحرك الشخص. أما القاعدة، المزودة بعجلات خاصة يمكنها التحرك في أي اتجاه دون دوران، فهي تحمل البطاريات الثقيلة والمحركات. يسمح هذا التصميم للروبوت بأن يكون رفيقاً حقيقياً يمكن رفعه وحمله، بينما تتبعه القاعدة على الأرض، جاهزة لإعادة شحن الوحدة أو نقلها إلى موقع جديد عند الحاجة.
كان التحدي الجوهري الذي عالجه الفريق هو كيفية التعرف على ما يفعله الشخص بالروبوت عندما لا تستطيع الكاميرا رؤيته. فعندما يمسك المستخدم وحدة البالون، غالباً ما تغطي يداه عدسة الكاميرا، مما يجعل التعرف البصري مستحيلاً. وللتغلب على ذلك، قام الباحثون بدمج مستشعر قصوري داخل الوحدة العلوية. يعمل هذا المستشعر مثل حاسة التوازن، حيث يرصد التغيرات الطفيفة في التسارع والاتجاه أثناء حركة الشخص. أراد الفريق معرفة ما إذا كان هذا المستشعر يمكنه تحديد حركات معينة بدقة، مثل رفع الروبوت فوق الرأس، أو التواء الجسم، أو الانحناء للأمام، حتى بدون تغذية بصرية. وقد اختبروا هذا النظام مع سبعة متطوعين، قام كل منهم بخمس حركات محددة أثناء إمساك الجهاز.
ولتحديد أفضل طريقة لتفسير البيانات من المستشعر، قارن الباحثون بين أربع طرق مختلفة للتحليل. اعتمدت طريقتان من هذه الطرق على الأساليب الإحصائية التقليدية التي تبحث عن أنماط محددة في بيانات الحركة، بينما اعتمدت الطريقتان الأخريان على نماذج حاسوبية متقدمة مستوحاة من كيفية معالجة الدماغ البشري للمعلومات المتسلسلة. استخدم الفريق طريقة اختبار صارمة حيث قاموا بتدريب النظام على بيانات ستة أشخاص ثم اختبروه على الشخص السابع، وكرروا هذه العملية حتى تم اختبار كل شخص. وقد ضمن ذلك قدرة النظام على التعرف على الحركات من شخص جديد لم يره من قبل، بدلاً من مجرد حفظ عادات الأشخاص المشاركين في الدراسة.
أظهرت النتائج أنه بالنسبة لهذه الحركات القصيرة والمحددة، كانت الطريقة الإحصائية التقليدية هي الأكثر فعالية؛ حيث حددت الحركات بشكل صحيح بنسبة 84 بالمائة تقريباً، متفوقة بذلك على النماذج الحاسوبية الأكثر تعقيداً. ووجد الباحثون أنه نظراً لأن الحركات كانت وجيزة ومحددة بوضوح، فإن الطريقة التي تلخص البيانات في حقائق إحصائية بسيطة كانت تعمل بشكل أفضل من النظام الذي يحاول تعلم أنماط معقدة بمرور الوقت. ومع ذلك، فإن النماذج الحاسوبية الأكثر تقدماً، والمصممة لفهم ترتيب وتدفق الأفعال، لا تزال تعمل بشكل جيد معقول. وأشار الباحثون إلى أنه بينما فازت الطريقة البسيطة في هذا الاختبار المحدد، فإن النماذج المتقدمة قد تكون أكثر ملاءمة للمهام المستقبلية التي تتضمن تسلسلات حركة أطول ومستمرة أو انتقالات بين الأفعال المختلفة.
لا تدعي هذه الدراسة أنها حلت جميع مشكلات رفقة الروبوتات، ولا تشير إلى أن النظام جاهز للاستخدام الفوري في المستشات أو المنازل. فقد صرح الفريق صراحةً بأن اختبارهم شمل فقط عدداً صغيراً من المشاركين وحركات محكومة للغاية، مما يحد من إمكانية تطبيق النتائج على نطاق واسع. كما أشاروا إلى أن النظام لم يتم اختباره بعد في سيناريوهات العالم الحقيقي حيث تحدث عمليات الشحن والتنظيف والمقاطعات غير المتوقعة. ومع ذلك، فإن هذا العمل يقدم دليلاً واضحاً على إمكانية التنفيذ: فمن الممكن بناء روبوت خدمة يفصل الجزء الذي يمسكه الشخص عن الجزء الذي يتحرك، ويمكن لهذا الروبوت أن "يشعر" بما يفعله الشخص من خلال مستشعراته حتى عندما تكون عيناه مغطاتين. وتشير النتائج إلى أنه في الوقت الحالي، تعد الطرق البسيطة والقوية هي الأفضل للتعرف على الأفعال القصيرة، لكن الباب يظل مفتوحاً أمام أنظمة أكثر تطوراً للتعامل مع التفاعلات المعقدة والمتدفقة في المستقبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.