နာမည်ကျော် MIT မက်ဆာချူးစက် နည်းပညာ တက္ကသိုလ် (Massachusetts Institute of Technology) က ပညာရှင် အဖွဲ့ဟာ ခလုတ်ကန်သင်း တွေနဲ့ မညီညာတဲ့ မြေပြင်မှာ ခုန်ပေါက် ပြေးလွှား သွားနိုင်တဲ့ AI ထိန်းချုပ် ချီတာ ကျားသစ် စက်ရုပ်လေးကို တီထွင်နိုင် ခဲ့ကြပါတယ်။ ဒါဟာ စက်ရုပ်တွေရဲ့ လှုပ်ရှားမှု စွမ်းဆောင်ရည် တိုးတက်မှု အတွက် ကြီးမားတဲ့ အောင်မြင်မှု ဖြစ်တယ်လို့ သိရပါတယ်။
ချီိတာ ကျားသစ် တစ်ကောင် ပြေးနေတာကို ကြည့်လိုက်မယ် ဆိုရင် မညီညာတဲ့ မြေပြင်က ခလုတ်ကန်သင်း တွေကို ခုန်ပျံကျော်လွှားပြီး မရပ်မနား အလွယ်တကူ ပြေးလွှားနိုင်တာ မြင်ရမှာ ဖြစ်ပါတယ်။ ဒီလို ပြေးလွှားနိုင်ဖို့ ချီတာ ကျားသစ် တစ်ကောင်အတွက် ခက်ခဲလှတဲ့ ကိစ္စ မဟုတ်ပေမယ့် စက်ရုပ် တစ်ရုပ် အတွက် ဒီလိုမျိုး မညီညာတဲ့ မြေပြင်မှာ ခလုတ်ကန်သင်း တွေကို အာရုံခံ ထောက်လှမ်းနိုင်ပြီး ခုန်ပျံ ကျော်လွှား ပြေးလွှားနိုင်ဖို့ ဆိုတာက တော်တော့်ကို မလွယ်တဲ့ ကိစ္စ တစ်ခု ဖြစ်ပါတယ်။
ခြေလေးချောင်း စက်ရုပ်တွေ ထွင်တဲ့ ပညာရှင် တွေဟာ ဒီစက်ရုပ် တွေရဲ့ လှုပ်ရှားမှုကို ချီတာနဲ့အ ခြား ခြေလေးချောင်း သတ္တဝါ တွေရဲ့ လှုပ်ရှားမှု တွေကို အတုယူပြီး တီထွင်ဖန်တီးဖို့ ကြိုးစား ကြပါတယ်။ ဒီလို ကြိုးပမ်းမှုကြောင့် ဒီ နှစ်ပိုင်းမှာ ခြေလေးချောင်း စက်ရုပ်တွေရဲ့ လှုပ်ရှားနိုင်မှု စွမ်းရည်က အရင်ထက် ပိုပြီး တိုးတက်လာပါတယ်။ ဒါပေမယ့် မညီညာတဲ့ မြေပြင်ပေါ်မှာ အခက်အခဲ မရှိပဲ သွားနိုင်ဖို့ ဆိုတာကတော့ ဒီ ခြေ ၄ ချောင်း စက်ရုပ်တွေ အတွက် ခက်ခဲ နေဆဲပဲ ဖြစ်ပါတယ်။
“ဒီလို မြေမျက်နှာ ပြင်မျိုးမှာ အမြင်အာရုံ မြင်ကွင်း ကို အသုံးချပြီး ကျင်းတွေ ချိုင့်တွေ ကို ရှောင်ရှားနိုင်ဖို့ လိုပါတယ်။ ဥပမာ ပေးရရင် မြေပြင်ပေါ်က မြောင်းလို အရာမျိုးကို ခုန်ကျော် နိုင်ဖို့က ဒီမြောင်းကို မမြင်ရရင် ဘယ်လိုမှ မဖြစ်နိုင် ပါဘူး။ အရင်က ရှိခဲ့တဲ့ နည်းပညာ တွေကို အသုံးချပြီး အမြင်အာရုံကို စက်ရုပ်ရဲ့ အာရုံခံ စွမ်းရည် တစ်ခု အနေနဲ့ ထည့်သွင်း တည်ဆောက် နေကြတာတော့ ရှိပါတယ်။ ဒါပေမယ့် ဒီ နည်းပညာက လက်ရှိ တိုးတက်လာတဲ့ စက်ရုပ်တွေရဲ့ လှုပ်ရှားနိုင်မှု စွမ်းရည်ကို လိုက်မမှီဘူး ဖြစ်နေပါတယ်” လို့ MIT က PhD ကျောင်းသား တစ်ဦးဖြစ်ပြီး ဒီစနစ်ကို တီထွင်သူ ဂေဘရီယယ်လ် မာဂိုးလစ်စ် (Gabriel Margolis) က ရှင်းပြပါတယ်။
မာဂိုးလစ်စ် နဲ့ MIT အင်ဂျင်နီယာ အဖွဲ့ဟာ ကျင်းတွေ ချိုင့်တွေနဲ့ မညီညာတဲ့ မြေပြင်မှာ ဒီလိုမျိုး စက်ရုပ်တွေ ခုန်ပျံ ကျော်လွှား သွားနိုင်အောင် ထိန်းချုပ်ပေးနိုင်မယ့် နည်းပညာ တစ်ရပ်ကို တီထွင် နိုင်ခဲ့ ကြပါတယ်။
ဒီ စနစ်ကို အပိုင်း နှစ်ပိုင်း ခွဲပြီး တည်ဆောက် ထားပါတယ်။ ပထမ ပိုင်းက စက်ရုပ်ရဲ့ ခေါင်းပိုင်း မှာ တပ်ဆင်ထားတဲ့ ဗီဒီယို ကင်မရာက ရိုက်ကူးလိုက်တဲ့ ပုံရိပ်တွေကို ခွဲခြမ်း စိတ်ဖြာ ပေးမယ့် စနစ် ဖြစ်ပါတယ်။ ဒုတိယ ပိုင်းကတော့ ဒီ ခွဲခြမ်း စိတ်ဖြာလို့ ရလာတဲ့ အချက်အလက် တွေကို အသုံးချပြီး စက်ရုပ်ကို ဘယ်လို ခုန်ပျံ ကျော်လွှား ပြေးလွှား ရမလဲ ဆိုတာကို အမိန့်ပေးတဲ့ အပိုင်း ဖြစ်ပါတယ်။
ပညာရှင် တွေဟာ ဒီ ထိန်းချုပ် စနစ်သစ်ကို MIT က တည်ဆောက်ထားတဲ့ Mini Cheetah ချီတာ ကျားသစ် စက်ရုပ် ကလေးမှာ တပ်ဆင် ပြီး စမ်းသပ် ခဲ့ပါတယ်။ ဒီ ချီတာ ကျားသစ် စက်ရုပ်ဟာ MIT ရဲ့ စက်မှုအင်ဂျင်နီယာ ဌာနက တည်ဆောက်ထားတဲ့ စက်ရုပ်ဖြစ်ပြီး အဆင့်မြင့်တဲ့ လှုပ်ရှားမှု အမျိုးမျိုးကို ပြုလုပ်နိုင်စွမ်း ရှိတဲ့ စက်ရုပ် တစ်ရုပ် ဖြစ်ပါတယ်။
အရင်က အသုံးပြု ခဲ့တဲ့ ထိန်းချုပ် စနစ်တွေမှာ အရင်ဆုံး စက်ရုပ် ပြေးလွှားမယ့် မြေမျက်နှာပြင်ကို ကြိုတင်ပြီး အသေးစိတ် မြေပုံ ဆွဲပေး ရပါတယ်။ ဒီမြေပုံမှာ မြေပြင်က ကျင်းတွေ ချိုင့်တွေ ကုန်းကမူ တွေကို အသေးစိတ် မှတ်သားရပါတယ်။ ဒီ မျက်နှာပြင် မြေပုံကို အသုံးပြု ပြီးမှ စက်ရုပ်က ခလုတ်မထိ ဆူးမငြိ သွားနိုင်တာ ဖြစ်ပါတယ်။
အခု စနစ်ကတော့ ဒီလို ကြိုတင်ပြီး မြေပုံ ဆွဲစရာ မလိုပါဘူး။ စက်ရုပ် သွားနေစဉ်မှာ ကင်မရာက ရိုက်ယူလိုက်တဲ့ ဗီဒီယို ပုံရိပ် တွေကို ကွန်ပြူတာက ချက်ခြင်း ခွဲခြမ်း စိတ်ဖြာပြီး စက်ရုပ်မှာ တပ်ဆင်ထားတဲ့ AI ဉာဏ်ရည်တုက စက်ရုပ်ရဲ့ လှုပ်ရှားမှုကို ထိန်းချုပ်ပေးတာ ဖြစ်ပါတယ်။တနည်းပြောရရင် Real Time ထိန်းချုပ်မှု ပေးနိုင်စွမ်း ရှိတာပဲ ဖြစ်ပါတယ်။
မာဂိုးလစ်စ် နဲ့ အတူ ကွန်ပြူတာ သိပ္ပံနှင့် ဉာဏ်ရည်တု ဌာန (Computer Science and Artificial Intelligence Laboratory (CSAIL)) ပါမေက္ခ တစ်ဦး ဖြစ်တဲ့ ပူကစ် အက်ဂရာ ဝါလ်း (Pulkit Agrawal)၊ စက်မှုအင်ဂျင်နီယာ ဌာန ပါမေက္ခ ပရော်ဖက်ဆာ ဆန်ဘေးကင် (Professor Sangbae Kim) နဲ့ PhD ကျောင်းသား တာချန် (Tao Chen) နဲ့ ကျန်ဖူ (Xiang Fu) တို့ ပူးပေါင်းပြီး ဒီ ထိန်းချုပ် စနစ်သစ် နဲ့ ပါတ်သက်လို့ တင်ပြချက် စာတမ်း တစ်စောင်ကို ရေးသား ထားပါတယ်။ ဒီစာတမ်းကို လာမယ့် နိုဝင်ဘာ လမှာ ပြုလုပ်မယ့် စက်ရုပ်သင်ကြားရေး ကွန်ဖရင့် (Conference on Robot Learning) မှာ တင်သွင်းမယ်လို့ သိရပါတယ်။
ထိန်းချုပ်ယူနစ်
အခု စနစ်မှာ ထူးခြားတာ ကတော့ လုပ်ဆောင်ချက် မတူညီတဲ့ စနစ် နှစ်ခုကို ပေါင်းစပ် သုံးစွဲ ထားခြင်းပဲ ဖြစ်ပါတယ်။
ထိန်းချုပ် ယူနစ်က စက်ရုပ်ရဲ့ လက်ရှိ ရှိနေတဲ့ ပုံစံ အနေအထား နဲ့ မျက်မြင် ရိုက်ကူး ရရှိတဲ့ မြေမျက်နှာပြင် အခြေအနေ တွေကို ပေါင်းစပ်ပြီး ဒီစက်ရုပ် ဆက်လက် လုပ်ဆောင်ရမယ့် လှုပ်ရှားမှု တွေကို အချိန်နဲ့ တပြေးညီ တွက်ချက်ပြီး ညွှန်ကြားချက်တွေ ထုတ်ပေးပါတယ်။
မျက်မြင် စနစ် (ကင်မရာ) မပါဝင်တဲ့ စနစ်တွေ ကျတော့ ညီညာတဲ့ မျက်နှာပြင် ပေါ်မှာပဲ ကောင်းကောင်း ထိန်းချုပ်မှု ပေးနိုင်ပြီး မျက်နှာပြင် မညီညာဘူး ဆိုရင် အဆင်ပြေအောင် မထိန်းချုပ်နိုင် တော့ပါဘူး။
ကင်မရာက ရိုက်ယူရရှိတဲ့ မျက်မြင် ပုံရိပ်တွေကို အချိန်မှီ ခွဲခြမ်း စိတ်ဖြာ ပေးရတာ တကယ်က မလွယ်ပါဘူး။ ကင်မရာက ရိုက်ကူးလိုက်တဲ့ ပုံရိပ်တွေဟာ ရှုပ်ထွေး လှတာမို့ အရင် စနစ်ဟောင်း တွေက ဒီ ပုံရိပ်တွေကို စနစ်တကျနဲ့ မြန်မြန် ဆန်ဆန် ခွဲခြမ်း စိတ်ဖြာ ပေးနိုင်စွမ်း မရှိကြ ပါဘူး။
အရင် က စနစ်တွေက ဒီလို ရရှိတဲ့ ပုံရိပ်တွေကို အသုံးချ နိုင်ဖို့ Height Map လို့ ခေါ်တဲ့ မြေပြင် အနိမ့်အမြင့် တွေကို အသေးစိတ် မှတ်သားထားတဲ့ မြေပုံကို အသုံး ချကြရပါတယ်။ ဒီ မြေပုံကို ရရှိဖို့ ကြိုတင်ပြီး ရေးဆွဲထားရ ပါတယ်။
အကယ်လို့ ကြိုတင် ရေးဆွဲ ထားတဲ့ မြေပုံ မရှိခဲ့ဘူး ဆိုရင်တော့ စက်ရုပ် လှုပ်ရှား သွားလာ နေစဉ်မှာ မြေပြင်ကို အာရုံခံ ထောက်လှမ်းပြီး ရေးဆွဲရပါတယ်။ ဒီလို မြေပုံ ရေးဆွဲရတဲ့ လုပ်ငန်းစဉ်က အချိန် ကြာသလို အမှားအယွင်းလဲ များပါတယ်။
အခု စနစ်ကို တီထွင်ရာမှာတော့ MIT ပညာရှင် တွေဟာ အရင် ရှိပြီးသား စက်ရုပ်တွေရဲ့ ထိန်းချုပ် စနစ်တွေ ထဲက အကောင်းဆုံး နည်းပညာ တွေကို စုစည်း အသုံး ပြုခဲ့ ကြပါတယ်။ ဒီလို ရရှိလာတဲ့ ထိန်းချုပ် စနစ်ကိုမှာ ကင်မရာက ရိုက်ကူးတဲ့ မျက်မြင် ပုံရိပ်တွေကို အချိန်နဲ့ တပြေးညီ ခွဲခြမ်း စိတ်ဖြာ ပေးနိုင်တဲ့ အခြား စနစ် တစ်ခုနဲ့ ချိတ်ဆက် ပေးလိုက်တာပါ။
သူတို့ရဲ့ စက်ရုပ်မှာ ပါတဲ့ ကင်မရာက မြေပြင်က အကွာအဝေး အနိမ့်အမြင့်ကို မှတ်တမ်းတင် ရိုက်ကူး ပေးနိုင်စွမ်း ရှိပါတယ်။ ဒီ ပုံရိပ်တွေက ရရှိတဲ့ အချက်အလက် တွေကို စက်ရုပ်ရဲ့ အဆင့်မြင့် ထိန်းချုပ် စနစ် ဆီကို ပို့ဆောင် ပေးပါတယ်။ တချိန်ထဲမှာပဲ စက်ရုပ်ရဲ့ ကိုယ်နေဟန်ထား၊ ခြေလက်တွေရဲ့ အနေအထား၊ အဆစ်တွေရဲ့ အနေအထား၊ သွားနေတဲ့ အရှိန်နှုန်းနဲ့ ဦးတည်ရာ အရပ် အစ ရှိတာတွေကိုလဲ ဒီ အဆင့်မြင့် ထိန်းချုပ် စနစ်ဆီကို အကြောင်းကြား ပေးပါတယ်။
ဒီ အဆင့်မြင့် ထိန်းချုပ် စနစ်အတွက် အာရုံကြော ကွန်ယက် (Neural Network) ကို အသုံးပြု ထားပါတယ်။ ဒီ ကွန်ယက်ဟာ အလွယ် ပြောရရင် ဉာဏ်ရည်တု ပဲ ဖြစ်ပါတယ်။ ဒီ ဉာဏ်ရည်တုဟာ သူ့ရဲ့ အတွေ့အကြုံ တွေကနေ သင်ခန်းစာ ယူပြီး သူ့ရဲ့ ထိန်းချုပ်မှု စနစ်ကို ပိုကောင်းအောင် ပြုပြင် နိုင်စွမ်း ရှိပါတယ်။
ဒီ ဉာဏ်ရည်တုကနေ စက်ရုပ် သွားရမယ့် လမ်းကြောင်း၊ ခုန်ရမယ့် အမြင့် နဲ့ အကွာအဝေး အစ ရှိတာတွေကို တွက်ချက်ပြီး ထုတ်ပေးပါတယ်။ ဒီ အချက်အလက် တွေကို နောက် ထိန်းချုပ် ယူနစ် တစ်ခုဆီကို ပို့ပေးပါတယ်။ ဒီ ထိန်းချုပ် စနစ်က ဘာလုပ်ပေးလဲ ဆိုတော့ ခုနက ထုတ်ပေးတဲ့ သွားရမယ့် လမ်းကြောင်း၊ အမြင့်၊ အကွာအဝေး၊ အမြန်နှုန်း စတာတွေပေါ် မူတည်ပြီး စက်ရုပ်ရဲ့ ခြေတွေ လက်တွေကို ဘယ်လို လှုပ်ရှား ရမလဲ ဆိုတာ တွက်ချက်ပေးတာပဲ ဖြစ်ပါတယ်။ (စက်ရုပ်က ခြေဆစ် စုစုပေါင်း ၁၂ ခုတောင် ပါတာဆိုတော့ ဒီ ခြေဆစ် တစ်ခုချင်း စီအတွက်လဲ တွက်ချက်ရပါ သေးတယ်။) ဒီ ခြေလက်တွေကို ထိန်းချုပ်တဲ့ ယူနစ်ကတော့ ဉာဏ်ရည်တု မဟုတ်ပဲ ရိုးရိုး ကွန်ပြူတာ တစ်လုံးပဲ ဖြစ်ပါတယ်။
“ဒီလို လှုပ်ရှားမှု ထိန်းချုပ်တာကို အပိုင်းလိုက် အဆင့်ဆင့် ခွဲထားခြင်း အားဖြင့် စက်ရုပ်ကို ပိုမို ကောင်းမွန်တဲ့ ထိန်းချုပ်မှု ပေးနိုင်စွမ်း ရှိလာပါတယ်။ တနည်းတော့ စက်ရုပ်က ပိုပြီး “ယဉ်ကျေး” လာပါတယ်။ ခြေလက်တွေ လှုပ်ရှားမှုကို တွက်ချက်ပေးတာကို ရိုးရိုး စနစ်ကိုပဲ အသုံးပြု ထားတဲ့ အတွက် ဒီ အဆင့်မှာ ကျွန်တော်တို့က လိုအပ်သလို ကန့်သတ်မှု ထိန်းချုပ်မှု တွေ လုပ်ထားနိုင်ပါတယ်။ ဒီလို ထိန်းချုပ်နိုင်မှု မျိုးက ဉာဏ်ရည်တု ဆိုရင် ထိန်းဖို့ သိပ်မဖြစ်နိုင် ပါဘူး” လို့ မာဂိုးလစ်(စ) က ပြောပါတယ်။
ဉာဏ်ရည်တုကိုလမ်းလျှောက်ဘယ်လိုသင်မလဲ
ဒီနေရာမှာ ဉာဏ်ရည်တုကို လမ်းလျှောက် သင်ပေးဖို့ လိုလာပါတယ်။ ဒီလို သင်ကြား ပေးရာမှာ သိပ္ပံ ပညာရှင် တွေက trial and error ခေါ်တဲ့ အမှားကနေ သင်ယူတဲ့ နည်းစနစ်ကို အသုံးချခဲ့ ကြပါတယ်။ ဒါကို “အားဖြည့် နည်းဖြင့် သင်ကြားခြင်း (reinforcement learning)” လို့လဲ ခေါ်ပါတယ်။
ဒီလို သင်ကြားရာမှာ စက်ရုပ်ရဲ့ ဉာဏ်ရည်တုကို ကွန်ပြူတာနဲ့ အတု ပြုလုပ်ထားတဲ့ (Simulation) မြေမျက်နှာပြင် အမျိုးမျိုး ပေါ်မှာ ပြေးစေပါတယ်။ (ကွန်ပြူတာထဲ မှာ ပြေးစေတာပါ၊ အပြင်မှာ တကယ် မပြေးခိုင်း သေးပါဘူး)။ အောင်မြင်အောင် ပြေးနိုင်တဲ့ အခါတိုင်းမှာ ဉာဏ်ရည်တုကို ဆုချီးမြှင် ပါတယ်။ တဖြည်းဖြည်းနဲ့ ဉာဏ်ရည်တုက ဘယ်လို လှုပ်ရှားမှုတွေကို လုပ်ဆောင်ရင် ဆုရသလဲ ဆိုတာကို သင်ကြား တတ်မြောက် သွားပါတယ်။
ဒီ အဆင့် ရောက်ပြီ ဆိုမှ ထိန်းချုပ် ယူနစ်ကို စက်ရုပ်မှာ တပ်ဆင်ပြီး သစ်တုံး တွေနဲ့ မြေပြင်မှာ ပြုလုပ်ထားတဲ့ အတားအဆီး တွေ ပေါ်မှာ လက်တွေ့ စမ်းသပ်ပြီး လျှောက်စေ ပါတယ်။
“MIT က လုပ်ထားတဲ့ စက်ရုပ် ပေါ်မှာ MIT က ထွင်တဲ့ ထိန်းချုပ်စနစ်နဲ့ တပ်ဆင်ပြီး စမ်းရတာ ဆိုတော့ ပျော်စရာတော့ အကောင်းသားဗျ” လို့ မာဂိုးလစ်စ် က ပြောပါတယ်။
“ဒီ ချီတာ ကျားသစ် စက်ရုပ်လေးက အတော်လေးကို အဆင့်မြင့်တဲ့ စနစ် ဖြစ်ပါတယ်။ သူ့မှာ တပ်ဆင်ထားတဲ့ ပစ္စည်း ကိရိယာ တွေကလဲ Online ကနေ အလွယ်တကူ လှမ်းမှာလို့ ရတဲ့ ပစ္စည်းတွေ ဖြစ်ကြပါတယ်။ နောက်ပြီး အစိတ်အပိုင်း တွေကို Modular စနစ်နဲ့ လုပ်ထားတာမို့ အပိုင်းလိုက် ဖြုတ်ပြီး ပြောင်းလို့ လဲလို့ ရပါတယ်။
ကင်မရာ အသစ် လဲချင်သလား၊ ဘက်ထရီ ပြောင်းတပ် ချင်သလား။ အွန်လိုင်း ကနေ လှမ်းမှာလိုက်ရုံ ပါပဲ။ နောက်ပြီး ပစ္စည်းတွေ ဖြုတ်ရ တပ်ရတာ ကလဲ သိပ်မခက်ပါဘူး” လို့ သူက ဆက်ပြောပါတယ်။
ဒီ နေရာမှာ နဲနဲ ခက်တာလေး တခုကတော့ စက်ရုပ်ရဲ့ လက်ရှိ အခြေအနေကို အတိအကျ သိအောင် လုပ်ဖို့ပဲ ဖြစ်ပါတယ်။ စက်ရုပ်မှာ တပ်ထားတဲ့ အာရုံခံ ကိရီယာ (Sensor) တွေက အချိန် ကြာလာတာနဲ့ အမျှ အီလက် ထရောနစ် ဆူညံသံ (Noise) တွေနဲ့ ပြည့်လာပြီး တိကျမှုလဲ လျှော့နည်း ကျဆင်း လာပါတယ်။
ပုံမှန်ဆို သိပ်ပြဿနာ မရှိလှ ပေမယ့် ခြေလှမ်းတွေကို အတိအကျ လှမ်းရမယ့် အခြေအနေ မျိုးဆို အမှားအယွင်း ရှိလာရင် ပြဿနာ ဖြစ်လာနိုင်ပါတယ်။ ဒါ့ကြောင့် ဒီလို အခြေအနေ မျိုးမှာ စက်ရုပ်ရဲ့ အနေအထားနဲ့ ခြေချောင်းတွေ၊ အဆစ်တွေရဲ့ တကယ့် အနေအထားကို အတိအကျ သိနိုင်ဖို့ လှုပ်ရှားမှု အာရုံံခံ တဲ့ စနစ်ကိုလဲ အသုံးပြု ထားပါတယ်။
သူတို့ရဲ့ စနစ်ကို လက်တွေ့ စမ်းသပ် ရာမှာတော့ အခြား ထိန်းချုပ်ယူနစ် တစ်ခုထဲ သုံးထားတဲ့ စနစ်တွေထက် အပြတ်အသတ် သာနေတာကို တွေ့ရှိကြရပါတယ်။ အတားအဆီး တွေကို ကျော်ဖြတ်ရာ မှာလဲ အတားအဆီး အားလုံးရဲ့ ၉၀% ကို အောင်အောင် မြင်မြင် ကျော်ဖြတ်နိုင်ခဲ့ ပါတယ်။
“ကျွန်တော်တို့ စနစ်ရဲ့ အားသာချက် တစ်ရပ်ကတော့ စက်ရုပ်ရဲ့ ကိုယ်နေဟန်ထားကို သင့်တော် သလို ပြောင်းလဲ ပေးနိုင်တာပဲ ဖြစ်ပါတယ်။ ဥပမာ လူလမ်းလျှောက်တာ ကြည့်ရင် မြောင်း ကျယ်ကျယ် တစ်ခု ကို ခုန်ကျော် တော့မယ်ဆို အရင် ခပ်လှမ်းလှမ်း ကနေ အရှိန်ယူ ပြေးလာပြီးမှာ ခုန်ကျော်လိမ့်မယ်။ ဒီလိုပဲ ကျွန်တော်တို့ ထိန်းချုပ် စနစ်ကလဲ မြောင်းရဲ့ အကျယ် ပေါ် မူတည်ပြီး ကိုယ်နေဟန်ထား၊ အရှိန် အစရှိတာ တွေကို လိုသလို ပြောင်းလဲ ပေးနိုင်ပါတယ်။” လို့ သုတေသီ တွေက ရှင်းပြပါတယ်။
လက်တွေ့အသုံးချနိုင်ဖို့
သိပ္ပံ ပညာရှင် တွေက သူတို့ရဲ့ စနစ်ဟာ စမ်းသပ်ခန်း ထဲမှာ အောင်အောင် မြင်မြင် အလုပ်လုပ်နိုင်တယ် ဆိုတာက ပြနိုင်ခဲ့ ပေမယ့် လက်တွေ့ အသုံးချ နိုင်တဲ့ အဆင့်ထိ ရောက်ဖို့ကတော့ အတော်လေး လိုပါသေးတယ်။
အနာဂါတ် စက်ရုပ် တွေမှာတော့ ဒီ့ထက် ပိုပြီး အားကောင်းတဲ့ ကွန်ပြူတာကို စက်ရုပ်ပေါ်မှာ တပ်ဆင်သွား နိုင်ဖို့ ကြိုးစား နေပါတယ်။ နောက်ပြီး စက်ရုပ်ရဲ့ အခြေအနေကို အာရုံခံတဲ့ စနစ်ကိုလဲ ပိုကောင်းအောင် ပြုပြင်နိုင်ဖို့ ကြိုးစား နေပါတယ် (အခုက အပြင်က motion sensor အကူအညီ ယူနေရပါတယ်)။
အဆစ်တွေကို ထိန်းချုပ်တဲ့ အဆင့်နိမ့် (သာမန် ကွန်ပြူတာ) ထိန်းချုပ် ယူနစ်ကို ပိုကောင်းအောင် ပြုပြင်ဖို့လဲ ရှိပါသေးတယ်။ နောက်ပြီး အဆင့်မြင့် ထိန်းချုပ်ယူနစ် (ဉာဏ်ရည်တု ယူနစ်) ကိုလဲ အလင်း အမှောင် အမျိုးမျိုးမှာ အလုပ်လုပ်နိင်အောင် သင်ကြားပေးဖို့ ရှိပါတယ်။
“ဉာဏ်ရည်တု ရဲ့ စွမ်းဆောင်ရည်က ဘယ်လောက် ပြောင်းလွယ် ပြင်လွယ် ရှိလဲ ဆိုတာကို မြင်ရတာက အံ့မခန်း ပါပဲ။ အခု ဉာဏ်ရည်တုက နှစ်ပေါင်း များစွာ သုံးစွဲလာတဲ့ နည်းစနစ် တွေကို ကျော်ဖြတ်ပြီး ထိန်းချုပ် သွားနိုင်တာ ပါ။ ကျွန်တော် ကတော့ အနာဂါတ် စက်ရုပ်တွေရဲ့ စွမ်းဆောင်မှု အတွက် အတော်လေး စိတ်လှုပ်ရှား နေမိပါတယ်” လို့ ပူးပေါင်း တီထွင် သူ တစ်ဦး ဖြစ်တဲ့ ပါမေက္ခ ကင် က ပြောပါတယ်။
Reference: One Giant Leap for MIT’s Robotic Mini Cheetah | SciTech Daily
