Tetszik vagy sem, robotok veszik körül minket. Amerikaiak ezrei vezetnek napjainkban olyan autóval dolgozni, amelyek maguk vezetnek. A porszívók önmagukban köröznek a nappali szobáinkba. A Quadcopter drónok automatikusan elcsúsznak a mezőgazdasági területek fölött, és légi felméréseket végeznek, amelyek segítenek a gazdáknak a növények termesztésében. Még a félelmetes kinézetű humanoid robotok is, amelyek olyanok lehetnek, mint amelyek ugrhatnak és futhatnak, mint mi, a közeljövőben forgalmazhatók.
A roboteszközök nagyon jól tudnak mozogni a világban, anélkül, hogy beavatkoznánk. De ezen újfajta képességek ellenére továbbra is jelentős gyengeséggel járnak: a csoport legtehetségesebb tagjait még mindig meg lehet állítani egy egyszerű ajtógombbal.
A kérdés - mondja Matt Mason, a Carnegie Mellon Egyetem robotistája - az, hogy a robotok minden létező képességeként, hogy önállóan mozoghassanak a világon, még nem tudnak fizikailag interakcióba lépni tárgyakkal, ha odaérnek.
„Mit tanultunk a robotikáról? Az első számú lecke, hogy a manipuláció nehéz. Ez ellentétes egyéni tapasztalatainkkal, mivel szinte minden ember képzett manipulátor ”- írja Mason egy nemrégiben írt cikkben.
Ez egy tisztességes pont. Mi, emberek, gondolkodás nélkül manipuláljuk a körülöttünk lévő világot. Szinte öntudatlanul megragadunk, piszkáljuk, csavarjuk, daraboljuk és előkészítjük a tárgyakat, részben hihetetlenül ügyes kezünknek köszönhetően. Ennek eredményeként a függelékeket szem előtt tartva építettük világunkat. Az összes mobiltelefonját, billentyűzetét, rádióját és egyéb eszközünket, amelyeket életünk során kezeltek, kifejezetten úgy tervezték, hogy illeszkedjenek az ujjainkba és a tenyerünkbe.
Nem a meglévő robotok esetében. Jelenleg az egyik legszélesebb körben használt „kézfogó”, az úgynevezett „megfogó”, többé-kevésbé azonos azzal, amelyet a tévében az 1960-as években elképzeltek: két merev fémujjból készült eszköz, amely tárgyakat rögzít közöttük.
Egy olyan ellenőrzött környezetben, mint a futószalag, az ilyen eszközök nagyon jól működnek. Ha egy robot tudja, hogy minden alkalommal, amikor egy adott részre eléri, ugyanabban a helyen és irányban lesz, akkor megragadni triviális. "Nyilvánvaló, hogy milyen rész fog lejövni a szállítószalagról, ami megkönnyíti az érzékelést és az észlelést egy robot számára" - jegyzi meg Jeannette Bohg, a Stanfordi Egyetem robotista.
A való világ viszont rendetlen és tele ismeretlen emberekkel. Gondoljon csak a konyhájára: Előfordulhat, hogy a mosogató mellett szárít az edények, a hűtőszekrényt bélelő lágy és törékeny zöldségek, valamint a szűk fiókba töltött többféle edény is megtalálható. A robot szempontjából Bohg szerint a tárgyak hatalmas tömbjének azonosítása és manipulálása teljes káosz lenne.
- Ez bizonyos módon a Szent Grál, igaz? Nagyon gyakran olyan tárgyak széles skáláját szeretné manipulálni, amelyekkel az emberek általában manipulálnak, és amelyeket emberek manipulálására készítettek ”- mondja Matei Ciocarlie, a robotika kutatója és a Columbia Egyetem gépészmérnöke. „Építhetünk manipulátorokat bizonyos objektumokhoz, konkrét helyzetekben. Az nem probléma. Ez a sokoldalúság, ez a nehézség. ”
Az anyagok hatalmas számú egyedi alakjának és fizikai tulajdonságának kezelésére - legyenek szilárdak, mint egy kés, vagy deformálódóak, mint egy műanyag csomagolás - az ideális robot-függelék szükségszerűen olyan valami, amely hasonlít a végére. a karunk. A merev csontokkal a kezünk is hajlik és hajlik, amikor megfogjuk az elemeket, tehát ha egy robot keze ugyanazt képes megtenni, akkor „ketrecbe” helyezheti tárgyait a fogása belsejében, és mozgathatja őket egy felületen úgy, hogy rájuk ráncolva, mint egy csecsemő. a játékok.
A sokoldalúság tervezése nem kis teljesítmény. Amikor az iRobot mérnökei - ugyanabban a társaságban, amely a Roomba porszívót hozta neked - néhány évvel ezelőtt kifejlesztett egy rugalmas, háromujjú „kezet”, azt nagy teljesítménynek nevezték. Manapság a robotisták továbbra is elfordulnak az emberi kéz hűséges másolatától, gonosz anyagok és jobb számítógépes eszközök, például gépi tanulás felé fordulva irányítva őket.
A puha, rugalmas „kéz” keresése
"Az emberhez hasonló megfogók általában sokkal finomabb és drágábbak, mert sokkal több motorjuk van, és egy kis helyre vannak csomagolva" - mondja Dmitrij Berenson, aki a Michigan Egyetemen tanulmányozza az önálló robotmanipulációt. "Tényleg, sok műszaki tudással kell rendelkeznie, hogy működőképessé váljon, és általában rengeteg karbantartással." E korlátozások miatt, mondja, a meglévő emberi jellegű kezeket az ipar nem széles körben használja.
Ahhoz, hogy egy robot kéz praktikus legyen, sőt az emberi képességekhez is közel álljon, szilárdnak, de rugalmasnak kell lennie; képes érzékelni a hideget, meleget és megérinteni nagy felbontással; és elég szelíd ahhoz, hogy törékeny tárgyakat vegyen fel, de elég robusztus ahhoz, hogy ellenálljon a verésnek. Ó, és ezen felül, olcsónak kellene lennie.
A probléma kiküszöbölése érdekében egyes kutatók boldog médiumot akarnak létrehozni. Kipróbálják a kezünket, amelyek utánozzák a sajátosságainkat, de sokkal egyszerűbb megtervezni és felépíteni. Mindegyik lágy latex „ujj” van, amelyet inak-szerű kábelek vezetnek, amelyek kinyitják és bezárják. Az ilyen típusú minták előnye a szó szerinti rugalmasságuk - amikor tárgyakkal találkoznak, körbecsúszhatnak, összetett formájukra formálódhatnak, és szépen fel tudják készíteni.
A mi kezünket szorosan utánozó kezek helyett néhány kutató szilikonból készült puha, rugalmas kézműveken dolgozik. Ebben a képen az üreges szilikon ujjak göndörülnek, amikor levegővel tele vannak, és szokatlan formájú tárgyak köré szorítják őket. (J. MORROW ET AL / IEEE ROBOTIKAI ÉS AUTOMATIKÁCIÓS NEMZETKÖZI KONFERENCIA (ICRA) 2016) Az ilyen vékony „kéz” jelentős javulást jelent a keményfém megfogóhoz képest. De csak a kérdés megoldását kezdik el megoldani. Bár egy gumiszerű ujj kiválóan alkalmas mindenféle tárgy felvételére, küzd a finom motoros készségekkel, amelyek szükségesek az olyan egyszerű feladatokhoz, mint például egy érme résbe helyezése - ami magában foglalja nemcsak az érme tartását, hanem a rés érzésének elkerülését és annak széleinek elkerülését is., és becsúsztatja az érmét. Ezért - mondja Ciocarlie - a puzzle ugyanolyan fontos része olyan érzékelők létrehozása, amelyek a robotoknak jobban megmondják az általuk megérintett tárgyakat.
Saját ujjhegyeinknek több ezer egyedi érintőreceptora van beágyazva a bőrbe. "Nem igazán tudjuk, hogyan kell felépíteni az ilyen típusú érzékelőket, és még ha meg is tennénk, akkor nagyon nehéz lesz őket bekötni és az információt visszahozni” - mondja Ciocarlie.
A szükséges érzékelők száma egy második, még knottier kérdést vet fel: mit tegyek az összes információval, ha megvan. Berenson szerint olyan számítási módszerek jelennek meg, amelyek lehetővé teszik a robot számára, hogy hatalmas mennyiségű szenzoros adatot használjon a következő lépés tervezésére. De ha ezeket a képességeket olyan szintre helyezzük, amelyre szükségük van, akkor a kutatók összes többi kihívása ütközhet az autonóm manipuláció elérésében. Olyan robot felépítése, amely gyorsan és zökkenőmentesen tudja használni a kezét - akár teljesen újszerű helyzetekben is - előfordulhat, hogy csak a mérnökök bonyolult intelligencia formájában biztosítják azt.
Ez az agyi képesség valami olyan, amit sok ember ember magától értetődőnek tekint. Ha felveszünk egy ceruzát az asztalunkra, egyszerűen kinyújtjuk és megragadjuk. Vacsora evéskor fogókat, villákat és pálcákat használunk, hogy kegyelemmel és pontossággal megragadjuk ételt. Még azok a amputátumok is, akik elveszítették a felső végtagokat, megtanulhatják a protézishorog használatát olyan feladatok elvégzéséhez, amelyek finom motoros képességeket igényelnek.
„Megköthetik cipőiket, készíthetnek szendvicset, felöltözhetnek - mindezt a legegyszerűbb mechanizmus segítségével. Tehát tudjuk, hogy lehetséges, ha a megfelelő intelligencia mögött áll ”- mondja Berenson.
A gép oktatása
Bohg szerint a robotok intelligencia szintjének eléréséhez nagy szükség lehet a kutatók által jelenleg alkalmazott módszerek ugrására. A közelmúltig a legtöbb manipulációs szoftver részét képezte a valós helyzetek részletes matematikai modelljeinek felépítését, majd hagyta, hogy a robot ezeket a modelleket használja a mozgásának tervezésére. Egy nemrégiben épített robot, amelynek feladata például az Ikea szék összeszerelése, olyan szoftvermodellt használ, amely felismeri az egyes darabokat, megérti, hogy miként illeszkedik a szomszédaikhoz, és összehasonlítja azokat a végtermék kinézetével. Körülbelül 20 perc alatt befejezheti az összeszerelési munkát. Kérje meg, hogy szerezzen be egy másik Ikea terméket, és ez teljesen megmarad.
Az emberek nagyon eltérően fejlesztik a készségeket. Ahelyett, hogy egyetlen keskeny témában mély ismeretekkel rendelkeznénk, a tudást menet közben elnyerjük a példákból és a gyakorlatból, megerősítve a működő kísérleteket, és elbocsátva azokat, amelyek nem. Gondoljon vissza arra az első alkalomra, amikor megtanulta, hogyan kell aprítani a hagymát - ha egyszer kitalálta, hogyan kell kést tartani és néhányszor szeletelni, akkor valószínűleg nem kellett a semmiből indulnia, amikor burgonyát találkozott. Szóval hogyan kaphat robotot erre?
Bohg úgy gondolja, hogy a válasz a „gépi tanulásban” rejlik, egyfajta iteratív folyamatban, amely lehetővé teszi a robot számára, hogy megértse, melyik manipulációs kísérlet sikeres és melyik nem -, és lehetővé teszi, hogy felhasználja ezt az információt manőverezéshez olyan helyzetekben, amelyekben még soha nem találkozott.
"Mielőtt a gépi tanulás belépett a robotika területére, az a feladat, hogy modellezzük a manipuláció fizikáját - egy tárgy és annak környezetének matematikai leírását kell kidolgozniuk" - mondja. „A gépi tanulás lehetővé teszi, hogy adjunk egy robotnak egy csomó példát olyan tárgyakról, amelyeket valaki megjegyez, és megmutatja:„ Itt jó hely megragadni. ”„ A robot ezeket a múltbeli adatokat felhasználhatja egy teljesen új objektum megnézésére, és megértheti, hogyan kell fogd meg.
Ez a módszer jelentős változást jelent a korábbi modellezési technikákhoz képest, de eltarthat egy ideig, mielőtt elég kifinomult lesz, hogy a robotok teljes mértékben megtanulhassák a magukat - mondja Berenson. Számos meglévő gépi tanulási algoritmusnak hatalmas mennyiségű adatot kell adagolnia a lehetséges eredményekről - mint például a sakkjába tartozó összes lehetséges lépésről -, mielőtt elkezdenék kidolgozni a lehető legjobb támadási tervet. Más esetekben több száz, ha nem akár több ezer kísérletre van szükségük egy adott objektum manipulálására, mielőtt megbotlik egy működő stratégián.
Ennek meg kell változnia, ha egy robotnak mozognia kell és a lehető leggyorsabban kell kommunikálnia a világgal. Ehelyett, mondja Berenson, az ideális robotnak képesnek kell lennie arra, hogy néhány lépésben új képességeket fejlesszen ki próba és hiba alkalmazásával, vagy képes legyen új példákat extrapolálni egyetlen példáról.
Az Apollo, a Jeannette Bohg mérnök által felépített robot, megpróbálja mozgatni egy hengert az asztalon, miközben egy kartondoboz blokkolja az utat. Ebben a kísérletben egy kutató a kar elmozdulásával az asztal új helyére helyezte a dobozt, és arra kényszerítette az Apollt, hogy repülés közben újra kiszámítsa a pályáját. A jobb alsó sarokban lévő zavarodott kép az Apollo nézőpontját szemlélteti, rámutatva arra, hogy milyen nehéz a robot számára felismerni és kölcsönhatásba lépni a körülötte lévő tárgyakkal. (COURTESY JEANNETTE BOHG) „A legyőzendő nagy kérdés az, hogy hogyan frissíthetjük egy robot modelljét nem 10 millió példával, hanem egy ?” - mondja. „Ha olyan pontra jutom, hogy azt mondják:„ Rendben, ez nem működött, tehát mit tegyek tovább? ” Ez az igazi tanulási kérdés, amelyet látom. ”
Mason, a Carnegie Mellon robotista egyetért ezzel. Azt mondja, hogy a robotok programozásának kihívása arra, hogy azt tegyük, amit tudatlanul cselekszünk, Moravec paradoxonjának nevezik (ezt a nevét Hans Moravec robotikai úttörõnek nevezték el, aki szintén tanít Carnegie Mellonnál). Röviden kijelenti, hogy az emberek számára nehéz feladatokat a robotok gyakran könnyedén kezelik, de számunkra a második természet hihetetlenül nehéz programozni. Például egy számítógép jobban képes sakkozni, mint bárki más -, de a sakkdarab felismerése és felvétele önmagában megdöbbentően nehéznek bizonyult.
Mason számára ez még mindig igaz. Annak ellenére, hogy a kutatók fokozatosan haladnak a robotvezérlő rendszerek területén, azt mondja, az autonóm manipuláció alapfogalma lehet az egyik legkeményebb dió, amelyet a mezőnek még meg kell repednie.
"A racionális, tudatos gondolkodás viszonylag új fejlemény az evolúcióban" - mondja. Megvan mindez a mentális gép, amely több millió millió év alatt kifejlesztette azon képességét, hogy csodálatos dolgokat csináljon, mint például a mozgás, a manipuláció és az észlelés. Mindazonáltal ezek a dolgok a tudatos szint alatt zajlanak.
"Lehet, hogy azok a dolgok, amelyeket magasabb kognitív funkciónak gondolunk, mint például sakkot játszani vagy algebrat csinálni - valószínűleg az a cucc triviaális, mint a manipuláció mechanikája."
A Knowable Magazine egy független újságírói törekvés, amelyet az Annual Reviews készített. 
