بازار ۱۰ تریلیون دلاری، عصر ربات‌هایی که از «قفس آهنین» بیرون می‌آیند

(دن تری) - ربات‌ها دیگر محدود به قفس‌های آهنی صنعتی نیستند، به لطف ترکیب مواد جدید و هوش مصنوعی، در حال "تغییر شکل" و نرم‌تر و باهوش‌تر شدن هستند.

اساتید حاضر در سمینار (عکس: مین نات).

در تاریخ ۴ دسامبر، در چارچوب هفته علم و فناوری VinFuture، سمینار «ربات‌ها و اتوماسیون هوشمند» بسیاری از متخصصان برجسته از سراسر جهان و ویتنام را گرد هم آورد تا در مورد روندهای شکل‌دهنده آینده ربات‌ها بحث کنند.

متخصصان برجسته از سراسر جهان و ویتنام تصویری پانوراما از تغییر تاریخی در صنعت رباتیک ترسیم کرده‌اند: ترکیبی از مواد نرم و هوش مصنوعی.

دیگر خبری از ماشین‌های سفت و سخت در قفس‌های آهنی صنعتی نیست، ربات‌ها به تدریج «نرم‌تر»، باهوش‌تر و آماده ورود به فضاهای زندگی انسان‌ها می‌شوند.

انقلاب «فیزیکی»

برای دهه‌ها، ربات‌ها مترادف با فلز، مفاصل سفت و سخت و موتورهای سروو دقیق بوده‌اند. اما پروفسور کرت کرمر بحث را با رویکردی کاملاً متفاوت آغاز کرد: استفاده از مواد نرم مانند پلیمرها برای ساخت ربات‌ها.

برخلاف سیلیکون یا فلز، مواد پلیمری نرم مزایای برجسته‌ای دارند: عرضه فراوان، هزینه کم، وزن سبک و قابلیت تغییر شکل ساختاری انعطاف‌پذیر. موفقیت در «حساسیت» این ماده نهفته است.

پروفسور کرت کرمر می‌گوید: «مواد پلیمری نرم این قابلیت را دارند که به صورت برگشت‌پذیر و حساس به محرک‌های خارجی مانند تورم در آب، انقباض در الکل یا تغییرات حجم تحت تأثیر میدان‌های الکتریکی/مغناطیسی پاسخ دهند.»

این امر امکان ایجاد ربات‌هایی را فراهم می‌کند که بسیار زیست‌تقلیدی هستند، می‌توانند با خیال راحت با انسان‌ها تعامل داشته باشند و وظایف ظریفی را انجام دهند که ربات‌های صلب قادر به انجام آنها نیستند.

پروفسور هو-یانگ کیم در سمینار مواد رباتیک به اشتراک می‌گذارد (عکس: مین نات).

با این حال، پروفسور هو-یانگ کیم خاطرنشان کرد که بزرگترین چالش این دوران، کنترل تغییر شکل است.

ربات‌های صنعتی سنتی به دلیل شکل ثابتشان، اجسام سخت (قطعات خودرو) را به خوبی جابجا می‌کنند. اما مواد نرم مانند پارچه و لباس که شکل آنها دائماً تغییر می‌کند، ربات‌ها را "گیج" می‌کند.

دانشمندان در حال تمرکز بر بهبود این چنگک برای شبیه‌سازی انگشتان انسان و توسعه الگوریتم‌هایی برای ربات‌ها هستند تا تغییر شکل مواد را "درک" کنند و از این طریق آن را به طور ماهرانه دستکاری کنند، مانند برداشتن یک تی‌شرت بدون چروک کردن آن.

در حالی که مواد نرم به ربات‌ها کمک می‌کنند تا از نظر فیزیکی انعطاف‌پذیر شوند، مدل‌های هوش مصنوعی نسل جدید به آنها کمک می‌کنند تا تفکر خود را تغییر دهند. پروفسور تان یاپ پنگ بر تغییر از ربات‌های «تک‌وظیفه‌ای» به «چندوظیفه‌ای» تأکید می‌کند.

در گذشته، مهندسان مجبور بودند هر خط کد ثابت را برای تا کردن لباس‌های شسته شده برنامه‌ریزی کنند. امروزه، با انفجار مدل‌های پلتفرمی مانند Gemini یا OpenAI، شاهد تولد مدل‌ها، زبان‌ها و اقدامات هستیم.

ربات‌های VLA مدرن (VLA: بینایی-زبان-عمل) می‌توانند دنیای واقعی را از طریق دوربین‌ها درک کنند، دستورات طبیعی انسان (مثلاً «لطفاً میز را تمیز کن») را بفهمند و داده‌ها را به عملیات فیزیکی خاص تبدیل کنند.

به لطف VLA، ربات‌های آینده قادر خواهند بود خود را تشخیص دهند، خود را تعمیر کنند و به جای یک ماشین تخصصی، به عنوان یک نهاد چند منظوره عمل کنند.

دکتر نگوین ترونگ کوان (رئیس VinMotion) گفت که این اوج همگرایی است که در آن هوش مصنوعی از صفحه کامپیوتر خارج می‌شود تا یک بدن فیزیکی را در دنیای واقعی کنترل کند.

آقای Tran Minh Quan، رئیس VinMotion (عکس: Minh Nhat).

پیش‌بینی می‌شود این بازار پتانسیل بالایی داشته باشد و اندازه آن می‌تواند در دهه آینده به 10،000 میلیارد دلار برسد. نیروی محرکه اصلی، کمبود شدید نیروی کار جهانی است.

مدیرعامل انویدیا می‌گوید تا پایان این دهه، جهان حداقل با کمبود ۵۰ میلیون نیروی کار مواجه خواهد شد.

کارشناسان می‌گویند در حالی که ربات‌های تخصصی برای کارخانه‌ها مناسب‌تر هستند، ربات‌های انسان‌نما بهترین انتخاب برای محیط‌های مسکونی هستند.

دنیای ما (راه پله‌ها، دستگیره‌های در، ابزارهای کار) برای انسان‌ها طراحی شده است؛ بنابراین، یک ربات انسان‌نما به راحتی در آن جا می‌گیرد و به طور مؤثرتری عمل می‌کند.

چالش

دکتر کوان به چالش اصلی اشاره کرد: برای هوشمندسازی ربات‌ها، آنها به داده‌های واقعی نیاز دارند. اما برای اینکه ربات‌ها برای جمع‌آوری داده‌ها به دنیای واقعی فرستاده شوند، باید به اندازه کافی هوشمند و ایمن باشند.

راهکار شرکت‌های پیشگامی مانند VinMotion یک رویکرد نقشه راه است: جمع‌آوری داده‌ها در آزمایشگاه - آزمایش کنترل‌شده - بهبود مستمر بر اساس خطاهای دنیای واقعی.

علاوه بر تصویر روشن، در میزگرد، کارشناسان صراحتاً موانع اصلی را نیز اذعان کردند. اول، مدیریت پسماند ربات‌ها (پلیمرها، باتری‌ها) یک مشکل دشوار است.

پروفسور کورت کرمر پیشنهاد می‌کند که به سمت مواد زیست‌تخریب‌پذیر حرکت شود، اگرچه در حال حاضر به دوام زیبایی‌شناختی مطلوب دست نمی‌یابند.

علاوه بر این، رویای ربات‌هایی با «عضلات» مصنوعی واقعی هنوز بسیار دور از دسترس است. در حال حاضر، ما هنوز در مرحله شبیه‌سازی عضلات با موتورها و سیستم‌های انتقال هستیم و قادر به دستیابی به پیچیدگی سلول‌های عضلانی بیولوژیکی نیستیم.

بسیاری از دانشمندان و متخصصان حوزه رباتیک در این بحث شرکت کردند (عکس: مین نات).

نگرانی دیگر این است که با ورود ربات‌ها به بخش‌های مراقبت از سالمندان و مراقبت‌های بهداشتی ، ایمنی از اهمیت بالایی برخوردار است؛ برای جلوگیری از خطرات، به «لایه‌های ایمنی» فیزیکی و الگوریتمی نیاز است.

به گفته کارشناسان، ویتنام با بهره‌گیری از منابع انسانی جوان، پلتفرم نرم‌افزاری قوی و ظرفیت تولید سخت‌افزار رو به افزایش، می‌تواند کاملاً در این «زمین بازی» جهانی مشارکت کند.

پروفسور کیم گفت: «دانش‌آموزان باید درک کاملی از دانش پایه داشته باشند، اما باید ذهنی باز داشته باشند و از همه مهم‌تر، باید دست به کار شوند و مستقیماً با ربات‌ها کار کنند تا فناوری را درک کرده و بر آن مسلط شوند.»

منبع: https://dantri.com.vn/khoa-hoc/thi-truong-10000-ty-usd-ky-nguyen-robot-buoc-ra-khoi-long-sat-20251204165352066.htm