به گزارش ساوت چاینا مورنینگ پست و بر اساس مقاله‌ای که در ژورنال علمی معتبر هوش ماشینی نیچر منتشر شد، یک الگوریتم هوش مصنوعی تصاویر محیط را به‌صورت بلادرنگ (Real-time) تجزیه‌وتحلیل می‌کند و از طریق هدفون‌های انتقال استخوانی (bone conduction headphones)، دستورالعمل‌های جهت‌یابی خلاصه و قابل درک را به کاربر ارائه می‌دهد.
در این سیستم، حسگرهایی به شکل موتورهای مصنوعی لمسی (artificial skin sensory motors) روی هر مچ دست قرار دارند که محیط اطراف کاربر را پایش می‌کنند و در صورت تشخیص موانع احتمالی در طرفین، هشدار لرزشی ارسال می‌کنند.
این فناوری توسط مهندسانی از دانشگاه شانگهای جیاتونگ، آزمایشگاه هوش مصنوعی شانگهای و دانشگاه علم و فناوری هنگ‌کنگ توسعه‌یافته و در همکاری با آزمایشگاه کلیدی علوم اعصاب پزشکی دانشگاه فودان طراحی شده است.
این پژوهش مسیر را برای سیستم‌های کمک بصری کاربرپسند هموار می‌کند و راه‌های جایگزینی برای بهبود کیفیت زندگی افراد دارای اختلال بینایی ارائه می‌دهد.
این سیستم هوش مصنوعی برای ارائه تجربه‌ای شهودی‌تر برای کاربران طراحی شده است. توضیحات صوتی طولانی درباره محیط می‌تواند کاربران را خسته و گیج کند و باعث شود تمایلی به استفاده از این سیستم‌ها نداشته باشند. برخلاف سیستم‌های مسیریابی خودرو که دستورالعمل‌های مفصل ارائه می‌دهند، هدف دانشمندان کاهش خروجی سیستم هوش مصنوعی و انتقال تنها اطلاعات کلیدی برای مسیریابی به شکلی است که مغز به‌راحتی آن را درک کند.
تیم محققین از سخت‌افزارهای سبک و فشرده استفاده کرده تا این سیستم قابل حمل باشد. در این مطالعه، ۲۰ فرد نابینا یا کم‌بینا دعوت شدند تا این سیستم را مورد آزمایش قرار دهند.
بر اساس مقاله منتشرشده، بازخورد ۲۰ شرکت‌کننده در مطالعه نشان داد که این سیستم از نظر عملکرد قابل‌اعتماد و کارایی بالا عملکرد خوبی داشته است.
کاربران برای آشنایی با این سیستم در یک محیط داخلی، حدود ۱۰ تا ۲۰ دقیقه زمان نیاز دارند و در این مدت چندین بار در محل موردنظر قدم می‌زنند تا با نحوه عملکرد آن آشنا شوند.
پس از تعیین مقصد توسط کاربر از طریق دستورات صوتی، الگوریتم هوش مصنوعی تصاویر دریافتی از دوربینی که بین دو ابروی کاربر نصب شده را پردازش می‌کند تا جهت مقصد را تخمین زده و مسیر مناسب و بدون مانع را تشخیص دهد.
این الگوریتم که به‌صورت محلی روی خود دستگاه اجرا می‌شود، برای شناسایی ۲۱ شیء مختلف در فواصل و زوایای گوناگون آموزش دیده است. این اشیاء شامل موارد زیر می‌شوند: مبلمان مانند تخت، میز، صندلی و در، وسایل آشپزخانه مانند سینک، ظروف، مواد غذایی، لوازم‌خانگی مانند تلویزیون و افراد دیگر.
این آموزش قابلیت گسترش دارد تا بتواند طیف گسترده‌تری از اشیاء را نیز تشخیص دهد.
علاوه بر نشانه‌های صوتی، سنسورهای فوق‌باریک پوست مصنوعی که روی مچ کاربران نصب شده‌اند، قادر به تشخیص فاصله بین دست‌ها و اشیاء اطراف هستند. برای مثال، اگر فاصله کاربر با دیواری در سمت چپ کمتر از یک آستانه مشخص شود، سنسور مچ سمت چپ لرزش می‌دهد و کاربر را به حرکت به سمت راست تشویق می‌کند.
به‌گفته‌ی محققان، این پوست مصنوعی فوق‌باریک می‌تواند به کاربران کمک کند تا اشیاء را با دقت بیشتری لمس یا بردارند، زیرا اطلاعات دقیقی درباره فاصله دست آن‌ها تا شیء هدف ارائه می‌دهد.
تیم تحقیقاتی قصد دارد همچنان به بهبود دقت و ایمنی سیستم در محیط‌های بیرونی بپردازد، چرا که این محیط‌ها در مقایسه با فضاهای داخلی پیچیده‌تر هستند.
منبع: scmp
