ربات نجات هوشمند

ربات نجات هوشمند با استفاده از هوش مصنوعی، سنسورها و ROS2، افراد را در محیط‌های خطرناک شناسایی کرده، مسیر‌یابی هوشمند انجام داده و اطلاعات حیاتی را برای عملیات امداد ارسال می‌کند.

پردازش و کنترل با ROS2

استفاده از Raspberry Pi و سیستم ROS2 امکان مدیریت سنسورها، کنترل حرکت، پردازش داده‌ها و هماهنگی وظایف ربات را فراهم می‌کند. این ساختار ماژولار، توسعه و ارتقای ربات را آسان‌تر می‌کند.

تشخیص انسان با هوش مصنوعی

ربات از سنسور راداری برای اندازه‌گیری ضربان قلب و نرخ تنفس استفاده کرده و با کمک مدل یادگیری عمیق، انسان را از حیوانات تشخیص می‌دهد. این قابلیت به یافتن افراد زیر آوار یا در شرایط اضطراری کمک می‌کند.

تشخیص شرایط محیطی و ارسال داده

سنسورهای مختلف، اطلاعاتی مانند دما، رطوبت، فشار، گازهای خطرناک و لرزش‌ها را جمع‌آوری کرده و به مرکز کنترل ارسال می‌کنند. این اطلاعات برای ارزیابی شرایط محیطی و اتخاذ تصمیمات بهتر در عملیات نجات استفاده می‌شوند.

موقعیت‌یابی و مسیریابی هوشمند

ربات با کمک GPS، سنسورهای حرکتی و پردازش تصویر، مسیر خود را مشخص کرده و در محیط‌های پیچیده و ناپایدار حرکت می‌کند. قابلیت تشخیص موانع و اصلاح مسیر به آن کمک می‌کند تا بدون دخالت انسانی به سمت هدف حرکت کند.

سیستم تشخیص انسان از سنسور R60ABD1 و مدل‌های یادگیری عمیق استفاده می‌کند تا انسان‌ها را از حیوانات تشخیص دهد. این فناوری برای جستجو و نجات افراد در شرایط اضطراری مانند زیر آوار یا در محیط‌های کم‌نور بسیار مؤثر است، بدون نیاز به تماس فیزیکی، با اندازه‌گیری ضربان قلب و نرخ تنفس.

تشخیص انسان با هوش مصنوعی

هوش مصنوعی ما با بهره‌گیری از الگوریتم‌های یادگیری عمیق طراحی شده تا بتواند موجودات زنده را تنها بر اساس داده‌های فیزیولوژیکی و حرکتی—از جمله نرخ ضربان قلب، نرخ تنفس و سطح فعالیت بدنی—به دو دسته‌ی "انسان" و "حیوان" تفکیک کند. هدف این مدل، شناسایی الگوهای پنهان در این داده‌هاست؛ الگوهایی که ممکن است برای انسان قابل تشخیص نباشند، اما توسط شبکه عصبی قابل یادگیری هستند.

در قلب این سیستم، از شبکه‌ای عمیق شامل لایه‌های BiLSTM (Long Short-Term Memory) و BiGRU (Gated Recurrent Unit) استفاده شده است. این لایه‌ها به مدل توانایی تحلیل توالی‌های زمانی را می‌دهند، یعنی می‌تواند تغییرات لحظه‌ای در پارامترهای ورودی را درک کرده و تصمیم‌گیری دقیق‌تری انجام دهد. جهت‌دار بودن دوطرفه (bidirectional) این لایه‌ها باعث می‌شود مدل هم گذشته و هم آینده‌ی نسبی داده را در زمان پردازش هر لحظه، در نظر بگیرد.

تماشای ویدیو

درباره ما

ما یک تیم رباتیک وابسته به دبیرستان انرژی اتمی هستیم که در زمینه طراحی و توسعه ربات‌ها و سیستم‌های هوشمند فعالیت می‌کنیم. هدف ما ارائه راه‌حل‌های نوین و کاربردی در زمینه‌های مختلف از جمله جستجو و نجات، نظارت بر سلامت، و کمک به بهبود شرایط بحرانی است. مشتریان ما شامل سازمان‌ها و نهادهای مختلف مانند آتش‌نشانی‌ها، تیم‌های امداد و نجات، مراکز بهداشتی، و شرکت‌های فعال در صنعت رباتیک و هوش مصنوعی هستند. ما همچنین موفق به کسب جوایز در مسابقات روبوکاپ شده‌ایم که گواهی بر تخصص و تعهد ما در این زمینه است.