دسته‌ها
Uncategorized

ربات Spot بوستون داینامیکس از کادر درمانی در برابر بیماری کووید 19 محافظت می‌کند


اسپات (Spot) تاکنون بارها ثابت کرده که رباتی پرکاربرد است. اسپات همان ربات چهارپای معروف بوستون داینامیکس است که ظاهرش ما را یاد سگ‌ها می‌اندازد و بارها در ویدئوهای مختلف حضور پیدا کرده تا با کاربردهایش آشنا شویم. این ربات پیش‌تر نشان داده است که توانایی فعالیت به‌عنوان سگِ گله‌ی گوسفندان را دارد و می‌تواند به آن‌ها نظم دهد. همچنین در ویدئویی جالب شاهد بودیم که اسپات در نقش طرفدار برای تیم‌های بیسبال ظاهر شد.

دنیاگیری ویروس کرونا به‌صورت ناگهانی اتفاق افتاد و مشکلات زیادی را در سراسر دنیا ایجاد کرد. کارکنان حوزه‌ی بهداشت که در خط مقدم مبارزه با کووید ۱۹ هستند، بیشتر از هر کس دیگری در معرض ابتلا به این ویروس قرار دارند. به‌همین دلیل در برخی نقاط دنیا ربات‌ها به کمک کارکنان حوزه‌ی بهداشت آمدند تا خطر ابتلای آن‌‌ها به کووید ۱۹ را کاهش دهند. درواقع ربات‌ها برخی از وظایف کارکنان حوزه‌ی بهداشت را برعهده گرفتند.

آن‌طور که رسانه‌ی سی‌نت در اوایل اردیبهشت‌ماه امسال اعلام کرد، ربات‌های سری اسپات شرکت بوستون داینامیکس مجهز به دستگاه‌های مختلف نظیر دوربین و تبلت هستند تا به دکترها امکان دهند بدون حضور در اتاق، مریض را ببینند. درواقع دکتر می‌تواند به‌لطف دوربین اسپات، علائم بیماری را از مریض بپرسد و درباره‌ی نحوه‌ی درمان او تصمیم بگیرد. محققان انستیتوی فناوری ماساچوست و بریگم و بیمارستان زنان در بوستون مقاله‌ای مشترک درباره‌ی نتایج آزمایش‌هایشان منتشر کردند و گفتند که برای استفاده از «دکتر اسپات» در بیمارستان آمادگی دارند. درواقع بیمارستان‌ها در پی استفاده از اسپات برای معاینه‌ی بیماران دارای علائم کووید ۱۹ هستند.

هِنوِی هوانگ، یکی از نویسندگان ارشد مطالعه‌ی جدید می‌گوید: «در صنعت رباتیک، یکی از اهداف ما این است که است که از فناوری‌های اتوماسیون و رباتیک برای در امان‌نگه‌داشتن مردم از شغل‌های پرخطر استفاده کنیم. ما با خود فکر کردیم که باید بتوانیم از ربات برای ازبین‌بردن خطر مواجهه‌ی مستقیم کارکنان حوزه‌ی بهداشت با مریض استفاده کنیم». بوستون داینامیکس می‌گوید اسپات که مجهز به چهار دوربین مختلف است در برابر مریض می‌ایستد تا دکتر او را ببیند. در اسپات از یک دوربین فروسرخ به‌همراه سه دوربین تک‌رنگ استفاده شده است که می‌توانند طول‌های موج مختلفی از نور را فیلتر کنند.

مقاله‌های مرتبط:

دوربین فروسرخ به‌کاررفته در اسپات می‌تواند دمای پوست را ارزیابی کند و میزان نفس کشیدن را اندازه بگیرد. سه دوربین تک‌رنگ اسپات می‌توانند تغییرات اندک رنگ را اندازه بگیرند؛ این تغییرات به‌هنگامی رخ می‌دهند که هموگلوبین در سلول‌های خونی به اکسیژن می‌چسبد و در رگ‌های خونی به جریان می‌افتد. کارکنان حوزه‌ی بهداشت ازطریق پایش این معیار می‌توانند روی ضربان قلب مریض نظارت کنند و میزان اشباع اکسیژن خون را اندازه بگیرند.

هوانگ می‌گوید: «ما برای اندازه‌گیری چیزهای مختلف، فناوری جدیدی توسعه ندادیم. کاری که کردیم، ادغام فناوری‌های موجود با یکدیگر بود. فرایند ادغام این فناوری‌ها را به‌طور ویژه با در‌ذهن‌داشتن کووید ۱۹ انجام دادیم تا بتوانیم علائم حیاتی مختلفی را به‌صورت هم‌زمان اندازه بگیریم». 

درحال‌حاضر ربا‌ت‌های سری اسپات بوستون داینامیکس به دکترها برای تریاژ کردن بیمارها کمک می‌کنند. محققان می‌گویند انتظار دارند که روزی ربات‌های اسپات بتوانند وارد اتاق‌های بیمارستان‌ها شوند و به‌صورت مستقیم روی بیماران نظارت کنند. بدین ترتیب دکترها خواهند توانست از راه دور مریض را معاینه کنند. 

دسته‌ها
Uncategorized

آموزش بخیه زدن به ربات از طریق ویدیوهای جراحی [تماشا کنید]


بخیه زدن بیماران پس از جراحی اهمیت بالایی دارد، اما برای پزشکان کاری یکنواخت محسوب می‌شود و آن‌ها باید یک حرکت ساده را چندین بار انجام دهند. حالا اینتل و محققان دانشگاه «کالیفرنیا، برکلی» موفق به آموزش این کار به یک ربات شده‌اند.

تیم دانشگاه برکلی به سرپرستی دکتر «آجی تنوانی» یک سیستم هوش مصنوعی یادگیری عمیق با نام «Motion2Vec» توسعه داده‌اند. این سیستم برای مشاهده ویدیوهای جراحی طراحی شده تا با استفاده از آن‌ها، قادر به شناسایی حرکات پزشکان در هنگام بخیه زدن باشد. این سیستم می‌تواند با دقت بالایی حرکات پزشکان را تقلید کند.

تنوانی اعلام کرده:

«درخواست‌های زیادی برای یادگیری از طریق مشاهده عینی در مقایسه با یادگیری سنتی وجود دارد، چرا که حجم بالایی از اطلاعات کنونی ویدیویی هستند.»

دکتر «کن گلدبرگ»، سرپرست آزمایشگاه برکلی و مشاور تیم تنوانی، گفته:

«هر دقیقه ۵۰۰ ساعت ویدیو جدید در یوتیوب قرار می‌گیرد که آن را تبدیل به یک مخزن بی‌نظیر می‌کند. هر انسانی می‌تواند این ویدیوها را مشاهده و حس کند، اما ربات‌ها هنوز چنین قابلیتی ندارند و آن‌ها را تنها به صورت پیکسل می‌بینند. با توجه به این موضوع، هدف از اینکار معنی دار کردن پیکسل‌ها برای ربات‌ها است. ربات باید بتواند ویدیوها را مشاهده کند، تحلیل کند و قادر به بخش‌بندی ویدیوها به صورت دنباله‌های معنادار باشد.»

محققان برای دسترسی به این هدف، از شبکه «Siamese» برای تمرین هوش مصنوعی خود استفاده کردند. این شبکه‌ها برای یادگیری اطلاعات بدون نظارت یا نظارت ضعیف کاربرد دارند. این شبکه‌ها می‌توانند درجه شباهت بین دو ورودی را رتبه‌بندی کنند و به همین علت اغلب برای کارهای تشخیص چهره کاربرد دارند.

پژوهشگران در جدیدترین تحقیق خود از این شبکه‌ها برای مقایسه ورودی ربات و آنچه پزشکان در ویدیو انجام می‌دهند، استفاده کرده‌اند. محققان با استفاده از این شبکه‌ها بدنبال افزایش مهارت ربات خود بوده‌اند. برای آموزش این ربات از ۷۸ ویدیو استفاده شد که نتیجه آن، دقت ۸۵.۵ درصدی با میانگین خطای ۰.۹۴ سانتی‌متری بوده است.

فاصله زیادی تا ورود چنین فناوری‌هایی به دنیای واقعی داریم، البته به اعتقاد این تیم با ورود هوش مصنوعی به حوزه جراحی، شاهد استفاده گسترده از آن‌ها خواهیم بودیم. این ربات‌ها جایگزین جراحان نمی‌شوند اما می‌توانند کارهای تکراری را انجام دهند. عملکرد و دقت این ربات‌ها و سیستم‌ها با گذر زمان بهبود پیدا خواهد کرد.

دسته‌ها
Uncategorized

ربات ساخت محقق ایرانی آزمایش‌های شیمیایی را به صورت خودکار انجام می‌دهد


محققان در دانشگاه ایالتی «کارولینای شمالی» و «ایالتی نیویورک در بافلو» موفق به توسعه فناوری با نام «شیمیدان مصنوعی» شده‌اند که از هوش مصنوعی به همراه یک بازوی رباتیک برای انجام واکنش‌های شیمیایی استفاده می‌کند.

دانشمندان آن را «یک فناوری توسعه مواد کاملا مستقل» توصیف می‌کنند که در مقایسه با سایر تکنیک‌های مورد استفاده کنونی، با سرعت بیشتری در پیدا کردن محلول فرآوری شده کمک می‌کند. محققان توسعه‌دهنده شیمیدان مصنوعی از طریق آزمون‌های اثبات مفهوم نشان دادند که دستگاه آن‌ها می‌تواند بهترین نقاط کوانتومی برای هر رنگ را در کمتر از ۱۵ دقیقه شناسایی و تولید کند.

به گفته محققان، این دستگاه می‌تواند کارایی بالاتری از نقاط کوانتومی داشته باشد. محقق ایرانی و یکی از نویسندگان این مقاله، «میلاد ابوالحسنی» درباره این ربات اعلام کرده:

«شیمیدان مصنوعی یک سیستم کاملا خودران است که می‌تواند به صورت هوشمند در دنیای شیمی حرکت کند. در حال حاضر این سیستم برای مواد فرآوری شده طراحی شده و به معنای آن است که برای موادی که با استفاده از پیش‌ماده‌های شیمیایی مایع تولید می‌شوند، کارایی دارد. این مواد شامل مواد باارزش مانند نقاط کوانتومی، نانوذرات فلزی/ اکسید فلزی و چارچوب‌های فلزی – آلی (MOFs) می‌شود.»

شیمیدان مصنوعی

شیمیدان مصنوعی به یک بازوی رباتیک به عنوان بدنه مجهز شده تا بتواند آزمایش‌ها را انجام دهد و نتایج را حس کند. در کنار این بازو، یک مغز قرار گرفته که می‌تواند اطلاعات را ثبت و سپس بر اساس آن‌ها، برای آزمایش بعدی تصمیم‌گیری کند.

برای آزمون‌های اثبات مفهوم، محققان نشان دادند که این پلتفرم می‌تواند به صورت روزانه ۵۰۰ آزمایش ترکیب نقاط کوانتومی انجام دهد که البته به اعتقاد ابوالحسنی می‌توان تعداد آن‌ها را به ۱۰۰۰ آزمایش در روز افزایش داد.

هوش مصنوعی یا مغز مورد استفاده در این دستگاه تشخیص می‌دهد که کدام واکنش‌های شیمیایی با توجه به خصوصیات مطلوب و معیارهای عملکردی، بیشترین اثربخشی را دارند. به باور ابوالحسنی، این شیمیدان مصنوعی می‌تواند آینده توسعه مواد و تولید آن‌ها را تغییر دهد.