یک گروه بین‌المللی از پژوهشگران قصد دارند با الهام از رقص زنبورها، جایگزینی را برای شبکه‌های بی‌سیم ارائه دهند و به برقراری ارتباط میان ربات‌ها کمک کنند.
به گزارش ایسنا و به نقل از نیو اطلس، ما در مورد ربات‌هایی شنیده‌ایم که از طریق شبکه‌های بی‌سیم با یکدیگر ارتباط برقرار می‌کنند تا در انجام دادن وظایف همکاری داشته باشند. با وجود این، گاهی اوقات چنین شبکه‌هایی، یک گزینه کارآمد نیستند. یک روش جدید به جای ارائه این گزینه، با الهام از رقص زنبورها، ربات‌ها را به رقصیدن وادار می‌کند.
از آنجا که زنبورهای عسل زبان گفتاری ندارند، اغلب با تکان دادن بدن خود، اطلاعات را به یکدیگر منتقل می‌کنند. این الگوی حرکات که به عنوان "رقص تکان دادن" شناخته می‌شود، ممکن است توسط یک زنبور مورد استفاده قرار بگیرد تا به زنبورهای دیگر بگوید که منبع غذایی در کجا قرار دارد. جهت حرکات منطبق با جهت غذا، نسبت به کندو و خورشید است؛ در حالی که مدت رقص نشان‌دهنده فاصله غذا از کندو است.
یک گروه بین‌المللی از پژوهشگران با الهام از این رفتار تصمیم گرفتند تا بررسی کنند که آیا همین سیستم می‌تواند توسط ربات‌ها و انسان‌ها در مکان‌هایی مانند محل وقوع بلایای طبیعی که شبکه‌های بی‌سیم در آنجا در دسترس نیستند، استفاده شود یا خیر.
این پژوهش، به سرپرستی پروفسور "آبهرا روی چودهری" (Abhra Roy Chowdhury)، پژوهشگر "مؤسسه دانش هند" (IISc) و "کاوستوب جوشی" (Kaustubh Joshi)، دانشجوی مقطع دکتری "دانشگاه مریلند" (UMD) انجام شده است.
در سیستم اثبات مفهومی که این گروه پژوهشی ابداع کرده‌اند، شخصی با حرکات دست به یک ربات پیام‌رسان موسوم به "ترتلبات" (Turtlebot) مجهز به دوربین کار می‌کند. این ربات با استفاده از الگوریتم‌های ردیابی می‌تواند حرکات رمزگذاری‌شده را تفسیر کند. سپس ربات پیام‌رسان چرخ‌دار، به سمت یک ربات دیگر حرکت می‌کند و به ردیابی الگویی روی زمین در مقابل آن ربات می‌پردازد.
همان طور که ربات دوم با دوربین حسگر خود تماشا می‌کند، جهت مورد نظر را براساس جهت‌گیری الگو مشخص می‌کند و براساس مدت زمانی که برای ردیابی طول می‌کشد، مسافتی را که باید طی شود، تعیین می‌کند. سپس ربات برای مدت زمان مشخص‌شده، در جهت مشخص‌شده حرکت می‌کند و سیستم تشخیص شیء خود را برای شناسایی محموله مورد نظر پس از رسیدن به مقصد به کار می‌برد.
در آزمایش‌هایی که تاکنون انجام شده‌اند، هر دو ربات تقریبا در ۹۳ درصد مواقع، حرکات و رقص‌های تکان دادن را به طور دقیق تفسیر کرده و به آنها عمل کرده‌اند.
این پژوهش، در مجله "Frontiers in Robotics and AI" به چاپ رسید.