گروه تحقیقاتی "دارت" به بررسی کاربرد هوش مصنوعی در مهندسی کنترل می‌پردازد
- توسعه کاربردهای عملی
خلاصه مطلب
تحقیقات در زمینه کاربرد هوش مصنوعی در مهندسی کنترل
گروه تحقیقاتی "روش‌های مبتنی بر داده در مهندسی کنترل" در دانشگاه پادربورن آلمان، به مدت چهار سال به بررسی چگونگی استفاده بهینه از هوش مصنوعی در حوزه مهندسی کنترل پرداخته است. این تکنولوژی برای کنترل و هدایت سیستم‌ها استفاده می‌شود، به عنوان مثال در صنعت برای اتوماسیون فرآیندهایی نظیر کار با ماشین‌آلات و تجهیزات. داده‌ها، به خصوص به صورت اندازه‌گیری‌ها، در این فرآیند نقش اساسی دارند. لذا استفاده از الگوریتم‌های یادگیری مبتنی بر داده در مهندسی کنترل بسیار منطقی به نظر می‌رسد.
این گروه تحقیقاتی بر روی توسعه روش‌های ترکیبی که رویکردهای سنتی کنترل را با هوش مصنوعی ترکیب می‌کند، تمرکز داشت. آن‌ها دریافتند که این تکنیک‌های ترکیبی مزایای بسیاری برای درک و بهینه‌سازی سیستم‌های فنی فراهم می‌کنند، به خصوص زمانی که این سیستم‌ها به طور کامل با مدل‌های کلاسیک قابل توصیف نیستند. دکتر جولیا تیمِرمَن، مدیر گروه، اظهار داشت: "در تمامی مراحل طراحی مهندسی کنترل، تحقیقات ما نشان داد که استفاده از یادگیری ماشینی، یعنی هوش مصنوعی، مدل‌های خطا را بهبود می‌بخشد و نواقص را اصلاح می‌کند. در نتیجه، کنترل سیستم نیز بهبود یافت." این پروژه در چارچوب حمایت از دانشمندان جوان حوزه هوش مصنوعی انجام شد. وزارت فدرال آموزش و تحقیقات آلمان با مبلغی حدود ۱.۶ میلیون یورو از این پروژه حمایت کرد. هدف این برنامه تشویق بیشتر زنان به مشارکت در تحقیق در زمینه هوش مصنوعی و ایجاد فرصت‌های رهبری دانشگاهی برای آنان است.
توسعه کاربردهای عملی
علاوه بر کارهای نظری در زمینه روش‌های ترکیبی، کارکنان و دانشجویان دکترا در پروژه Dart دو کاربرد عملی را توسعه دادند: یک ربات گلف خودران و یک مکعب خودمتعادل‌کننده. ربات گلف با استفاده از روش‌های ترکیبی در زمینه‌هایی مانند تشخیص تصویر و پیش‌بینی سرعت ضربه کار می‌کند. تیمِرمَن اشاره کرد: "این مکانیزم ضربه زدن نیز فرصت‌های خوبی برای ارزیابی روش‌های جدید در شرایط واقعی فراهم می‌کند." مکعب خودمتعادل‌کننده نیز چالش‌های کنترلی زیادی به همراه دارد. با شتاب و توقف شدید چرخ‌های داخل مکعب، این مکعب می‌تواند روی یک لبه و در آینده روی یک گوشه جابجا شده و در آنجا تثبیت شود.
موفقیت‌های دیگری که در طول مدت پروژه به دست آمد، مستقیماً به نفع دانشمندان و دانشجویان دانشگاه پادربورن بود: سه پایان‌نامه دکترا موفق، ۲۴ پایان‌نامه کارشناسی و استخدام ده نیروی کمکی دانشجویی. این امکان را فراهم کرد که دانشجویان به صورت فشرده به موضوعات علمی در زمینه یادگیری ماشینی بپردازند. دانش‌های تازه کسب شده را می‌توانند پس از فارغ‌التحصیلی به شرکت‌های منطقه منتقل کنند. تیمِرمَن گفت: "زیرا حتی اگر روش‌های یادگیری ماشینی در حال حاضر بسیار محبوب هستند، استفاده از آن‌ها همیشه برای هر کاربردی مناسب نیست. این نگاه انتقادی به کاربرد روندهای مدرن تحقیقاتی در حوزه مهندسی کنترل نیز موضوع گروه Dart بود."