Forscher des Woods Hole Oceanographic Institution (WHOI), des MIT und des Toyota Technological Institute haben ein Rahmenwerk namens Shared Autonomy for Remote Collaboration (SHARC) entwickelt, das es Fernteilnehmern ermöglicht, robotergesteuerte Probenahmeprozesse in der Tiefsee zu kontrollieren. Das Framework ermöglicht eine Echtzeit-Zusammenarbeit zwischen mehreren Betreibern über einfache Sprache und Handgesten mithilfe von Virtual-Reality-Brillen. Dabei übernimmt der Roboter niedrigrangige Aufgaben, während die Menschen sich um die höhere Szenenwahrnehmung und Zielsetzung kümmern. SHARC wurde erfolgreich während einer ozeanographischen Expedition im östlichen Pazifik getestet und ermöglichte Wissenschaftlern, Proben zu sammeln und Messungen aus tausenden Kilometern Entfernung durchzuführen. Das Framework hat das Potenzial, den Zugang zur Tiefsee zu demokratisieren und das Wissen über den Ozean bei der breiten Öffentlichkeit zu fördern. Es ist flexibel einsetzbar und kann auf verschiedene Roboterarme und Fahrzeuge in verschiedenen Betriebskontexten angewendet werden, wie beispielsweise bei der Wartung von Unterwasser-Infrastruktur oder bei Deep-Space-Operationen. Die Forschung wurde von verschiedenen Organisationen finanziert, darunter die National Science Foundation und die NASA.

Einführung

In den letzten Jahren haben Wissenschaftler dank innovativer Technologien bedeutende Fortschritte in der Tiefseeforschung gemacht. Eine solche Durchbruch ist die Entwicklung eines Rahmenwerks namens “Shared Autonomy for Remote Collaboration” (SHARC), das die Art und Weise revolutioniert, wie entfernte Teilnehmer die robotergesteuerten Probennahmeprozesse in der Tiefsee kontrollieren können.

Zusammenfassung:

Das SHARC-Rahmenwerk ermöglicht Echtzeit-Zusammenarbeit zwischen mehreren Betreibern durch Sprache und Handgesten mithilfe von Virtual Reality-Brillen. Es delegiert Aufgaben zwischen Menschen und Robotern und ermöglicht so eine effiziente und effektive Erforschung der Tiefsee.

Das SHARC-Rahmenwerk

Das SHARC-Rahmenwerk wurde von Forschern des Woods Hole Oceanographic Institution (WHOI), des MIT und des Toyota Technological Institute in Chicago entwickelt. Es soll eine nahtlose Zusammenarbeit zwischen menschlichen Bedienern und Robotersystemen im Kontext der Tiefseeforschung ermöglichen.

Zusammenfassung:

Das SHARC-Rahmenwerk ermöglicht Echtzeit-Zusammenarbeit zwischen menschlichen Bedienern und Robotersystemen, um eine effiziente Erforschung und Probenentnahme in der Tiefsee zu erleichtern.

Wie funktioniert SHARC?

SHARC funktioniert durch die Delegation von spezifischen Zuständigkeiten sowohl an den Roboter als auch an den menschlichen Bediener. Der Roboter ist mit der Durchführung von Aufgaben auf niedriger Ebene, wie Manövrieren und Probenentnahme, betraut, während Menschen sich mit der Szenenverständnis und Zielsetzung auf höherer Ebene befassen.

Zusammenfassung:

SHARC teilt die Aufgaben zwischen Roboter und menschlichen Bedienern auf, wobei der Roboter Aufgaben auf niedriger Ebene erledigt und Menschen sich auf Szenenverständnis und Zielsetzung auf höherer Ebene konzentrieren.

Echtzeit-Zusammenarbeit durch Sprache und Handgesten

Eine wichtige Funktion des SHARC-Rahmenwerks ist die Möglichkeit zur Echtzeit-Zusammenarbeit zwischen mehreren Bedienern, die sich möglicherweise Kilometer entfernt vom Roboter befinden. Dies wird durch die Verwendung von Virtual Reality-Brillen ermöglicht, die den Teilnehmern die Kommunikation mit dem Roboter durch einfache Sprache und Handgesten ermöglichen.

Zusammenfassung:

Das SHARC-Rahmenwerk ermöglicht Echtzeit-Zusammenarbeit durch Virtual Reality-Brillen und ermöglicht es den Bedienern, mit dem Roboter durch Sprache und Handgesten zu kommunizieren.

Erfolgreiche Tests und Anwendungen

Das SHARC-Rahmenwerk wurde während einer ozeanografischen Expedition im östlichen Pazifischen Ozean erfolgreich getestet. Durch diese Tests konnten Wissenschaftler Proben nehmen und Messungen aus Tausenden von Kilometern Entfernung vornehmen, was die Wirksamkeit von SHARC bei der Ermöglichung der ferngesteuerten Tiefseeforschung zeigt.

Zusammenfassung:

Das SHARC-Rahmenwerk wurde erfolgreich getestet, was es Wissenschaftlern ermöglicht, ferngesteuert Proben zu entnehmen und Messungen in der Tiefsee vorzunehmen.

Potentieller Einfluss auf die Tiefseeforschung und das Verständnis der Ozeane

SHARC hat das Potenzial, den Zugang zur Tiefsee zu demokratisieren und das Verständnis der Ozeane in der breiten Öffentlichkeit zu fördern. Durch die Möglichkeit zur ferngesteuerten Erforschung und die Einbeziehung einer breiteren Teilnehmergruppe kann SHARC zu einem besseren Verständnis der Tiefsee und ihrer Bedeutung für unseren Planeten beitragen.

Zusammenfassung:

SHARC kann den Zugang zur Tiefsee demokratisieren und das Verständnis der Ozeane fördern, indem es mehr Teilnehmer in die ferngesteuerte Erforschung einbezieht.

Flexibilität und Anwendungen von SHARC

Das SHARC-Rahmenwerk ist äußerst flexibel und kann auf verschiedene betriebliche Kontexte angewendet werden. Es ist nicht auf einen spezifischen Roboterarm oder ein bestimmtes Fahrzeug beschränkt und kann daher an verschiedene Technologien angepasst werden. Einige potenzielle Anwendungen umfassen die Wartung subseaner wissenschaftlicher Infrastrukturen und den Einsatz im Weltraum.

Zusammenfassung:

SHARC ist ein vielseitiges Rahmenwerk, das auf verschiedene Roboterarme und -fahrzeuge in verschiedenen betrieblichen Kontexten angewendet werden kann und dadurch sein Anwendungspotenzial erweitert.

Förderung und Zusammenarbeit

Die Entwicklung des SHARC-Rahmenwerks wurde durch die Finanzierung durch verschiedene Organisationen ermöglicht, darunter die National Science Foundation und die NASA. Die Forschungszusammenarbeit umfasste Wissenschaftler des Woods Hole Oceanographic Institution (WHOI), des MIT und des Toyota Technological Institute in Chicago.

Zusammenfassung:

Die Forschung und Entwicklung des SHARC-Rahmenwerks wurde von namhaften Organisationen finanziert und umfasste die Zusammenarbeit von Forschern mehrerer Institutionen.

Quelle

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

You May Also Like

Machine-Learning-Ansatz zur Berechnung von Übergangszuständen in chemischen Reaktionen

Forscher vom MIT haben eine maschinelle Lernmethode entwickelt, um Übergangszustände in chemischen…

Ein potenzieller Wirkstoffkandidat zur Behandlung der Amyotrophen Lateralsklerose (ALS)

Forscher der Universität Helsinki haben einen potenziellen Wirkstoff entdeckt, der zur Behandlung…

Von der Verbrennung angetriebener insektengroßer Roboter: Ein Durchbruch in der Robotik

Forscher der Cornell University haben einen robotischen Insekt entwickelt, der durch Verbrennung…

Die Rolle des Retinsäurerezeptors Alpha (RARα) bei der T-Zell-Aktivierung und Immunantwort

Eine neue Studie, veröffentlicht im Journal Immunity, zeigt, dass der nukleare Rezeptor…