به گزارش پارس به نقل از ایسنا، این مطالعه نوآورانه به ربات ها امکان عملکرد با نظارت حداقل را می دهد و سرانجام به ساخت رباتی خواهد انجامید که می تواند یاد بگیرد یا حتی خودکار باشد.

دستاورد دکتر جاگاناتان سارانگاپانی از اطلاعات کنونی برای حرکت دادن ربات ها استفاده می کند و یک طرح کنترل تحمل خطا را برای ارتقا احتمال تکمیل یک مسؤولیت ارائه می دهد.

در حال حاضر، پتانسیل رشد بسیار زیادی در این زمینه وجود دارد زیرا به دلیل هزینه ها، سیستم های رباتیک معدودی دارای چنین توانایی هستند.

سامانه بازخورد جدید که بخشی از آن توسط بنیاد ملی علوم امریکا بودجه گذاری شده، چنانچه ربات رهبر اصلی دارای نقص مکانیکی یا سیستم باشد، به هر ربات دنباله رو امکان عملکرد در قالب یک ربات رهبر را می دهد.

در شکل دنباله رو/رهبر، ربات رهبر از طریق یک سیستم nonholonomic کنترل می شود؛ این بدین معناست که تعقیب کنندگان از همان الگویی استفاده می کنند که رهبر با استفاده از سونار انجام می دهد.

زمانی که مشکلات بروز پیدا می کند و نقش ها برای ادامه دادن نیاز به تغییر دارند، سیستم کنترل تحمل خطا وارد عمل می شود.

این سیستم از آموزش فعال تقویت یادگیری استفاده می کند و از روانشناسی رفتاری برای نمایش دادن این موضوع الهام می گیرد که چگونه ماشین ها در محیط های موجود برای بیشینه کردن نرخ عملکرد و کمک به ربات بدون سرنشین جدید، در تخمین زدن مسیر جدیدش کمک می کنند.

بدون این سامانه، تعقیب کننده دارای مسیری برای پیاده رو نخواهد بود و ماموریت به شکست می انجامد.

به گفته دکتر سارانگاپانی، چنانچه یک اپراتور در یک دفتر در حال کنترل از راه دور ۱۰ بولدوزر باشد، در صورتی که سیستم رهبر دارای نقص مکانیکی باشد، این سخت افزار امکان ادامه فعالیت را فراهم می کند.

این تحقیق ابتکاری می تواند به نظارت امنیتی رباتیک و حتی مانورهای هوایی اعمال شود.