Sviđalo nam se to ili ne, okruženi smo robotima. Hiljade Amerikanaca vozi se na posao ovih dana u automobilima koji se prilično voze. Usisavači samostalno pregledavaju naše dnevne sobe. Dronovi Quadcopter automatski zatvaraju polja na farmi, uzimajući zračne snimke koje pomažu poljoprivrednicima u uzgoju usjeva. Čak i humanoidni roboti koji izgledaju zastrašujuće, oni koji mogu skakati i trčati poput nas, mogli bi biti komercijalno dostupni u skoroj budućnosti.
Robotski uređaji postaju prilično dobri u kretanju po našem svijetu bez ikakve intervencije od nas. No usprkos tim novonastalim vještinama, oni još uvijek dolaze s velikom slabošću: Najtalentiraniji se gomilu i dalje može zaustaviti na svojim tragovima jednostavnom ključem.
Pitanje, kaže Matt Mason, robotičar sa Sveučilišta Carnegie Mellon, je da zbog svih postojećih sposobnosti robota da se samostalno kreću svijetom, oni još uvijek ne mogu fizički utjecati na objekte na značajan način nakon što stignu tamo.
„Što smo naučili od robotike? Pouka broj jedan je da je manipulacija teška. To je suprotno našem individualnom iskustvu, jer je gotovo svaki čovjek vješt manipulator ”, piše Mason u nedavnom preglednom članku.
To je fer poanta. Mi ljudi manipuliramo svijetom oko nas bez razmišljanja. Predmete nesvjesno hvatamo, trljamo, prevrtamo, režemo i drobimo, dijelom zahvaljujući nevjerojatno spretnim rukama. Kao rezultat toga, mi smo izgradili naše svjetove s tim dodacima na umu. Svi mobiteli, tipkovnice, radio i ostali alati s kojima smo se rukovali tijekom svog životnog vijeka dizajnirani su izričito kako bi se uklopili u naše prste i dlanove.
Nije tako za postojeće robote. U ovom trenutku, jedan od najčešće korištenih robotskih dizajna ruku, nazvan "hvataljka", manje je više identičan onima koje su na televiziji zamislili 1960-ih: uređaj napravljen od dva ukočena metalna prsta koji ščepaju predmete između njih.
U kontroliranom okruženju poput montažne linije uređaji poput ovih rade izvrsno. Ako robot zna da će svaki put kada posegne za određenim dijelom biti na istom mjestu i orijentaciji, tada je hvatanje trivijalno. "Jasno je u kakvom će se dijelu spustiti pokretna traka, što robot i percepciju relativno lako čini", napominje Jeannette Bohg, robotičarka sa Sveučilišta Stanford.
Realni svijet je, s druge strane, neuredan i pun nepoznanica. Zamislite samo svoju kuhinju: Moguće je da se pored sudopera suši gomila posuđa, mekano i krhko povrće u hladnjaku i više posuđa uguranih u uske ladice. Iz perspektive robota, kaže Bohg, identificiranje i manipuliranje tim ogromnim nizom objekata bio bi krajnji kaos.
"Ovo je na neki način Sveti Gral, zar ne? Vrlo često želite manipulirati širokim rasponom objekata kojima ljudi najčešće manipuliraju, a načinjeni su da ljudi manipuliraju njima ", kaže Matei Ciocarlie, istraživač robotike i inženjer strojarstva na Sveučilištu Columbia. „Možemo izgraditi manipulatore za određene objekte u specifičnim situacijama. To nije problem. Svestranost je u tome teškoća. "
Da biste se nosili s ogromnim brojem jedinstvenih oblika i fizičkih svojstava tih materijala - bili oni čvrsti poput noža ili deformabilni poput komada plastične omota - idealan robotski dodatak nužno bi bio nešto što nalikuje onome na kraju naše ruke. Čak i kod krutih kostiju, naše se ruke savijaju i savijaju dok hvatamo predmete, tako da ako ruka robota može učiniti isto, mogla bi „kaveziti” predmete unutar svog hvatanja i premještati ih po površini grabeći ih kao dojenče njezine igračke.
Inženjering te svestranosti nije mali podvig. Kada su inženjeri u iRobotu - istoj tvrtki koja vam je donijela usisavač Roomba - razvili fleksibilnu, trostranu "ruku" prije nekoliko godina, to je ocijenjeno kao glavni podvig. Danas se robotičari i dalje okreću od vjerne replike ljudske ruke, gledajući prema ljepljivim materijalima i boljim računalnim alatima poput strojnog učenja kako bi ih kontrolirali.
Potraga za mekim, fleksibilnim "rukama"
"Ljudski hvataljke obično su puno osjetljiviji i skuplji, jer imate puno više motora i oni su upakirani u mali prostor", kaže Dmitrij Berenson, koji proučava autonomne robotske manipulacije na Sveučilištu u Michiganu. "Doista, morate imati mnogo inženjerstva da biste to radili i obično puno održavanja." Zbog tih ograničenja, industrija kaže da postojeće ljudske ruke ne koriste široko.
Da bi robotska ruka bila praktična i čak se približila ljudskoj sposobnosti, morala bi biti čvrsta, ali fleksibilna; biti u stanju osjetiti hladnoću, toplinu i dodir uz visoke rezolucije; i biti dovoljno nježan da pokupi krhke predmete, ali dovoljno čvrst, da izdrži premlaćivanje. Oh, i povrh svega toga, to bi moralo biti jeftino.
Da bi zaobišli ovaj problem, neki istraživači žele stvoriti sretan medij. Ispituju ruke koje oponašaju neke od naših osobina, ali daleko su jednostavnije za dizajn i izgradnju. Svaki koristi mekane "prste" iz lateksa vođene kablovima nalik na tetivu koji ih povlače i otvaraju. Prednost ove vrste dizajna je njihova doslovna fleksibilnost - kada naiđu na predmet, mogu ga prešišati oko njega, oblikovati u njegov složen oblik i uredno ga istrgnuti.
Umjesto ruku koje usko oponašaju naše, neki istraživači rade na mekim, fleksibilnim napravljenim od silikona. Na ovoj slici šuplji silikonski prsti se uvijaju dok ih pune zrakom stišćući ih oko neobično oblikovanih predmeta. (J. MORROW ET AL / IEEE INTERNATIONAL CONFERENCE OF ROBOTICS AND AUTOMATION (ICRA) 2016) Takve ljuskave "ruke" nude veliko poboljšanje u odnosu na držač tvrdog metala. Ali tek počinju rješavati pitanje. Iako gumeni prst odlično djeluje za skupljanje svih vrsta predmeta, borit će se s finim motoričkim sposobnostima potrebnim za jednostavne zadatke poput stavljanja novčića u utor - koji uključuje ne samo držanje novčića, već i osjećaj utora, izbjegavanje njegovih rubova, i klizanje novčića unutra. Zbog toga je, kaže Ciocarlie, stvaranje senzora koji robotima govore više o objektima koje dodiruju jednako važan dio zagonetke.
Naši vrhovi prstiju imaju tisuće pojedinačnih receptora dodira ugrađenih u kožu. "Mi stvarno ne znamo kako izraditi takve vrste senzora, a čak i da jesmo, imali bismo jako teško povezivanje s njima i vraćanje tih podataka", kaže Ciocarlie.
Čisti broj potrebnih senzora stvorio bi drugo, još čvršće pitanje: što učiniti sa svim tim informacijama kada ih imate. Počinju se pojavljivati računske metode koje omogućuju robotu da koristi ogromne količine senzornih podataka za planiranje svog sljedećeg poteza, kaže Berenson. Ali, uspostavljanje tih sposobnosti do mjesta na kojem trebaju biti, može predstavljati najvažnije izazove s kojima se istraživači suočavaju u postizanju autonomne manipulacije. Izgradnja robota koji može koristiti „ruke“ brzo i neprimjetno - čak i u potpuno novim situacijama - možda nije moguća ako ga inženjeri ne mogu obdariti oblikom složene inteligencije.
Ta je moć mozga nešto što mnogi od nas ljudi uzimaju zdravo za gotovo. Da bismo uzeli olovku na stol, jednostavno pružimo ruku i zgrabimo je. Kad jedemo večeru, koristimo krpe, vilice i štapiće za hvatanje naše hrane s milošću i preciznošću. Čak i amputirani koji su izgubili gornje udove mogu naučiti koristiti protetske kuke za zadatke koji zahtijevaju fine motoričke sposobnosti.
"Mogu povezati cipele, mogu napraviti sendvič, mogu se obući - i sve to najjednostavnijim mehanizmom. Dakle, znamo da je moguće ako iza sebe imate pravu inteligenciju “, kaže Berenson.
Podučavanje stroja
Dolazak do te razine inteligencije u robotu može zahtijevati skok u trenutnim metodama koje istraživači koriste za kontrolu nad njima, kaže Bohg. Donedavno je većina softvera za manipulaciju uključivala izradu detaljnih matematičkih modela stvarnih situacija, a zatim je robota pustila da koristi te modele za planiranje svog kretanja. Jedan nedavno izgrađeni robot, koji ima zadatak sastaviti Ikea stolicu, na primjer, koristi softverski model koji može prepoznati svaki pojedinačni komad, razumjeti kako se uklapa zajedno sa susjedima i usporediti ga s onim što izgleda konačni proizvod. Posao montaže može završiti za oko 20 minuta. Zamolite ga da sastavi drugačiji Ikea proizvod i on će biti potpuno oboren.
Ljudi razvijaju vještine vrlo različito. Umjesto dubokog znanja o jednoj uskoj temi, apsorbiramo znanje u pokretu iz primjera i prakse, pojačavajući pokušaje koji djeluju i odbacujući one koji to ne čine. Pomislite na prvi put kada ste naučili nasjeckati luk - nakon što ste nekoliko puta smislili kako držati nož i krišku, vjerojatno niste morali početi ispočetka kad ste naišli na krumpir. Pa kako može dobiti robota za to?
Bohg smatra da se odgovor možda krije u "strojnom učenju", svojevrsnom iterativnom procesu koji omogućava robotu da shvati koji su pokušaji manipulacije uspješni, a koji ne - i omogućuje mu da koristi te podatke za manevriranje u situacijama s kojima se nikada nije susreo.
"Prije nego što je strojno učenje ušlo u područje robotike, bilo je sve o modeliranju fizike manipulacije - smislivši matematičke opise predmeta i njegove okoline", kaže ona. "Strojno učenje omogućuje nam da robotu pružimo hrpu primjera objekata koje je netko napomenuo, pokazujući to:" Ovdje je dobro mjesto za hvatanje. "" Robot bi mogao koristiti te prošle podatke kako bi pogledao potpuno novi objekt i razumio kako shvati to.
Ova metoda predstavlja veliku promjenu u odnosu na prethodne tehnike modeliranja, ali može proći neko vrijeme prije nego što je dovoljno sofisticirana da roboti omoguće potpuno učenje samostalno, kaže Berenson. Mnogi postojeći algoritmi strojnog učenja trebaju se hraniti velikim brojem podataka o mogućim ishodima - poput svih potencijalnih poteza u šahovskoj igri - prije nego što mogu započeti s najboljim mogućim napadom. U drugim će slučajevima možda trebati stotine, ako ne i tisuće pokušaja manipulacije određenim objektom prije nego što nalete na strategiju koja djeluje.
To će se morati promijeniti ako se robot želi kretati i komunicirati sa svijetom onoliko brzo koliko ljudi mogu. Umjesto toga, kaže Berenson, idealni robot trebao bi biti u stanju razviti nove vještine u samo nekoliko koraka pomoću pokušaja i pogreške ili biti u mogućnosti ekstrapolirati nove radnje iz jednog primjera.
Apollo, robot kojeg je izgradila inženjerka Jeannette Bohg, pokušava pomaknuti cilindar preko stola, dok kartonska kutija blokira put. U ovom eksperimentu, istraživač je premještao kutiju na nova mjesta na stolu dok se ruka pomicala, prisiljavajući Apolona da ponovno izračuna svoju putanju. Zbunjena slika u donjem desnom kutu prikazuje pogled iz Apolonove perspektive, podvlačeći koliko je teško robotu prepoznati i komunicirati s objektima oko njega. (SUDSKI JEANNETTE BOHG) „Veliko je pitanje koje treba prevladati jest kako ažurirati modele robota ne sa 10 milijuna primjera, već jednim ?“, Kaže on. "Da se to prebaci na mjesto gdje piše:" U redu, ovo nije uspjelo, pa što ću učiniti dalje? " To je pravo pitanje učenja. "
Mason, robotičar iz Carnegie Mellon, slaže se. Izazov programiranja robota da rade ono što radimo nepromišljeno, kaže, sažeo je nešto što se zove Moravec-ov paradoks (nazvan po pioniru robotike Hansu Moravecu, koji također predaje u Carnegie Mellon). Ukratko, navodi se da roboti često s lakoćom upravljaju onim što je teško ljudima, ali ono što je za nas druga priroda nevjerojatno je teško programirati. Na primjer, računalo može igrati šah bolje od bilo koje osobe, ali pokazalo se da je nevjerojatno teško prepoznati i podići šah.
Za Masona to i dalje zvuči istinito. Unatoč postupnom napretku koji istraživači postižu na robotskim upravljačkim sustavima, kaže, osnovni koncept autonomne manipulacije možda je jedan od najtvrđih matica koje polje još uvijek nije puklo.
"Racionalno i svjesno razmišljanje relativno je nedavni razvoj u evoluciji", kaže on. "Imamo sve ove mentalne uređaje koji su tijekom stotina milijuna godina razvili sposobnost vršenja nevjerojatnih stvari, poput kretanja, manipulacije, opažanja. Ipak, sve se te stvari događaju ispod svjesne razine.
"Možda su stvari koje smatramo višom kognitivnom funkcijom, poput mogućnosti igranja šaha ili algebre - možda su te stvari mrtvo trivijalne u odnosu na mehanizme manipulacije."
Knovable Magazine je neovisna novinarska nastojanja časopisa Annual Review . 
