مجموعات بيانات لأبحاث حول الروبوتات المستقلة.
تقدم Michigan Robotics مجموعة من مجموعات البيانات التي تدعم تطوير الأنظمة المستقلة. أحد أهمها هو YouCook2 - أكبر مجموعة فيديو تعليمية متاحة، والتي تتضمن 2000 تسجيل متواصل من 89 وصفة طهي. تُستخدم هذه المجموعة لاختبار نماذج التعرف على الإجراءات، وفهم السياق وتحليل تسلسل الإجراءات في الوقت الفعلي.
أحد الأدوات الرئيسية الأخرى هو نظام "AprilTag" - وهو نظام رؤية حاسوبية يُستخدم لتحديد العلامات المرجعية. معايرة الكاميرات وتطبيقات الواقع المعزز. بفضل واجهته البسيطة واستقراره، يُستخدم على نطاق واسع في كل من الأبحاث الأكاديمية والمشاريع الهندسية.
أدوات منخفضة التكلفة لتعليم الروبوتات.
صورة مكبرة.إغلاق التكبير.الصورة السابقة.من بين المشاريع مفتوحة المصدر، يجدر بالذكر MBot - وهو نظام بيئي قابل للتكيف ومنخفض التكلفة مصمم لتعليم الروبوتات باستخدام أجهزة حقيقية. تم تصميم المشروع ليكون متاحًا للجامعات والمدارس، مما يتيح للطلاب الحصول على خبرة عملية في برمجة وتكوين الروبوتات.
وبالمثل، يقدم مشروع GelSlim 4.0 مستشعرًا بصريًا يعمل باللمس مع هيكل مبسط للإصبع وعدسات سهلة التنفيذ. وهو مصمم لأبحاث حول تفاعل الروبوتات مع البيئة، وخاصة في سياق التعامل مع الأشياء الهشة.
موارد للباحثين والمهندسين في مجال الروبوتات.
بالإضافة إلى مجموعات البيانات، توفر Michigan Robotics مجموعة من مشاريع التعليمات البرمجية المصدر. ومن بين أهمها مجموعات لتخطيط الحركة والتلاعب في ظل ظروف غير مؤكدة، بالإضافة إلى أدوات لنمذجة حركية الأطراف البشرية. هذه الموارد مفيدة بشكل خاص للفرق البحثية التي تعمل على الروبوتات ذات القدمين أو الأنظمة الداعمة للحركة.
بالإضافة إلى ذلك، تتوفر بيانات من الكاميرات وأجهزة الليدار من حرم الجامعة، والتي يمكن استخدامها لاختبار خوارزميات السلامة في المركبات المستقلة. جميع هذه الموارد متاحة دون قيود، مما يساهم في تسريع الابتكار في قطاع الروبوتات.
مجموعات بيانات لأبحاث حول الروبوتات المستقلة.
مجموعة بيانات YouCook2، بالإضافة إلى حجمها الهائل، تمثل موردًا هامًا للباحثين الذين يعملون على فهم اللغة الطبيعية في سياق الإجراءات. بفضل التسجيلات والوصفات التفصيلية، يمكن تدريب النماذج على تفسير تسلسل الإجراءات، وهو أمر بالغ الأهمية للروبوتات التي تعمل في البيئات المنزلية أو الخدمية. تم استخدام هذه المجموعة في العديد من الدراسات المتعلقة بالتوليد التلقائي لتعليمات خطوة بخطوة والتعرف على أهداف الإجراء، مما يساهم في تطوير أنظمة ذكية تدعم المستخدم. بالإضافة إلى ذلك، تسمح تسجيلاتها المستمرة باختبار النماذج في ظروف قريبة من الواقع، مما يزيد من مصداقيتها وتطبيقها العملي.
لا يدعم AprilTag، كنظام لتحديد العلامات المرجعية، معايرة الكاميرا فحسب، بل يجد أيضًا تطبيقات في تحديد مواقع الروبوتات في الفضاء ثلاثي الأبعاد. بفضل دقته ومقاومته للتغيرات في الإضاءة، يتم استخدامه على نطاق واسع في التجارب المعملية وفي المشاريع الواقعية، مثل الأنظمة التخزينية الآلية أو الروبوتات الصناعية. إن انفتاحه وبساطة تنفيذه يجعلان منه أداة قياسية في العديد من المختبرات الأكاديمية حول العالم، مما يساهم في توحيد المناهج البحثية وقابلية مقارنة النتائج.
لا تدعم مجموعات البيانات والمشاريع من Michigan Robotics تطوير التكنولوجيا فحسب، بل تعزز أيضًا الانفتاح والتعاون في المجتمع العلمي. بفضل إمكانية الوصول إليها دون قيود، يمكن للباحثين مقارنة نتائج التجارب وتكرار الدراسات والبناء على الإنجازات الحالية. وهذا يساهم في تحقيق تقدم أسرع في مجال الروبوتات المستقلة، وخاصة في المجالات مثل التعرف على الإجراءات وتخطيط الحركة والتفاعل مع البيئة.
تصبح مجموعة بيانات YouCook2، بفضل هيكلها الفريد وتسجيلاتها الواقعية، معيارًا لاختبار نماذج الذكاء الاصطناعي في سياق تسلسل الإجراءات، ويساهم AprilTag في الاستقرار والدقة في تحديد المواقع ثلاثية الأبعاد - وهي عناصر أساسية للروبوتات التي تعمل في البيئات الديناميكية. تُظهر المشاريع الحديثة مثل MBot أو GelSlim 4.0 أن الابتكار لا يجب أن يكون مكلفًا - يمكن أن تكون الحلول منخفضة التكلفة فعالة بنفس القدر في التدريس والبحث مثل الأنظمة الاحترافية. وبهذه الطريقة، تخلق Michigan Robotics أساسًا لمستقبل الروبوتات: مفتوحًا ومتاحًا ويركز على التطبيقات العملية.
