Vă place sau nu, suntem înconjurați de roboți. Mii de americani se plimbă în aceste zile în mașini care se duc aproape singuri. Aspiratoarele scot în jurul camerelor noastre de zi pe cont propriu. Dronele Quadcopter se fixează automat pe câmpurile fermei, efectuând sondaje aeriene care îi ajută pe fermieri să-și crească recoltele. Chiar și roboți umanoizi cu aspect înfricoșător, cei care pot sări și alerga ca noi, pot fi disponibili comercial în viitorul apropiat.
Dispozitivele robotice devin destul de bune în mișcarea în lumea noastră fără nici o intervenție din partea noastră. Dar, în ciuda acestor noi abilități, acestea vin în continuare cu o slăbiciune majoră: Cei mai talentați dintre buchete pot fi în continuare opriți în piesele lor de un simplu buton.
Problema, spune Matt Mason, robotist la Universitatea Carnegie Mellon, este că, pentru toate abilitățile existente ale roboților de a se deplasa în întreaga lume în mod autonom, încă nu pot interacționa fizic cu obiectele într-un mod semnificativ odată ce ajung acolo.
„Ce am învățat de la robotică? Lecția numărul unu este că manipularea este grea. Acest lucru este contrar experienței noastre individuale, deoarece aproape fiecare om este un manipulator priceput ”, scrie Mason într-un articol recent de recenzie.
Este un punct corect. Noi, oamenii, manipulăm lumea din jurul nostru fără să ne gândim. Ne apucăm, scotocim, răsucim, tăiem și producem obiecte aproape în mod inconștient, mulțumind în parte mâinilor noastre incredibil de dexter. Drept urmare, ne-am construit lumile cu aceste apendice. Toate telefoanele, tastaturile, radiourile și alte instrumente pe care le-am gestionat de-a lungul vieții au fost concepute în mod explicit pentru a se încadra în degetele și palmele noastre.
Nu așa pentru roboții existenți. În momentul de față, unul dintre cele mai utilizate modele robotice de mână, numit „gripper”, este mai mult sau mai puțin identic cu cele imaginate la TV în anii ’60: un dispozitiv format din două degete rigide din metal care prind obiecte între ele.
Într-un mediu controlat precum o linie de asamblare, dispozitive ca acestea funcționează bine. Dacă un robot știe că de fiecare dată când ajunge pentru o anumită parte, va fi în același loc și orientare, atunci înțelegerea acestuia este banală. „Este clar ce fel de parte va coborî pe banda rulantă, ceea ce face ca percepția și percepția să fie relativ ușoare pentru un robot”, remarcă Jeannette Bohg, robotist la Universitatea Stanford.
Lumea reală, pe de altă parte, este dezordonată și plină de necunoscute. Gândiți-vă doar la bucătăria dvs.: Pot exista grămezi de vase care se usucă lângă chiuvetă, legume moi și fragile care căptușesc frigiderul și mai multe ustensile umplute în sertarele înguste. Din perspectiva unui robot, spune Bohg, identificarea și manipularea acelei game vaste de obiecte ar fi un haos total.
„Este într-un fel Sfântul Graal, nu? Foarte des, doriți să manipulați o gamă largă de obiecte pe care oamenii le manipulează în mod obișnuit și care au fost făcute pentru a fi manipulate de oameni ", spune Matei Ciocarlie, cercetător în robotică și inginer mecanic la Universitatea Columbia. „Putem construi manipulatori pentru obiecte specifice în situații specifice. Asta nu-i o problema. Este dificultatea versatilității. ”
Pentru a face față numărului uriaș de forme unice și proprietăți fizice ale acestor materiale - indiferent dacă sunt solide ca un cuțit, sau deformabile, precum o bucată de înveliș din plastic - un apendice robotic ideal ar fi în mod necesar ceva care seamănă cu ceea ce se află la sfârșitul brațele noastre. Chiar și cu oase rigide, mâinile noastre se îndoaie și se flexează în timp ce apucăm obiectele, așa că dacă mâna unui robot poate face la fel, ar putea „pune în cușcă” obiecte în interiorul apucării sale și le poate muta pe o suprafață, făcându-le ravagii la fel cum face un copil jucăriile ei.
Ingineria conform căreia versatilitatea nu este mică. Când inginerii de la iRobot - aceeași companie care v-a adus aspiratorul Roomba - au dezvoltat o „mână” flexibilă, cu trei degete în urmă cu câțiva ani, aceasta a fost salutată ca un obiect principal. Astăzi, roboțiștii continuă să se îndepărteze de o replică fidelă a mâinii umane, căutând spre materiale zgomotoase și instrumente de calcul mai bune precum învățarea mașinii pentru a le controla.
Căutarea unor „mâini” moi, flexibile
„Grip-urile umane tind să fie mult mai delicate și mult mai scumpe, pentru că ai mult mai multe motoare și sunt ambalate într-un spațiu mic”, spune Dmitry Berenson, care studiază manipularea robotică autonomă la Universitatea din Michigan. „Într-adevăr, trebuie să aveți multă inginerie pentru ca acesta să funcționeze și, de obicei, multă întreținere.” Din cauza acestor limitări, spune el, mâinile umane existente nu sunt utilizate pe scară largă de industrie.
Pentru ca o mână robotică să fie practică și chiar să se apropie de capacitatea unui om, ar trebui să fie fermă, dar flexibilă; să poată simți frigul, căldura și atingerea la rezoluții mari; și să fie suficient de blând pentru a ridica obiecte fragile, dar suficient de robust pentru a rezista la o bătaie. Oh, și, pe deasupra, toate, ar trebui să fie ieftin.
Pentru a rezolva această problemă, unii cercetători caută să creeze un mediu fericit. Testează mâini care imită unele dintre trăsăturile proprii, dar sunt mult mai simple de proiectat și construit. Fiecare folosește „degete” din latex moale, conduse de cabluri asemănătoare cu tendoanele care le trag deschise și închise. Avantajul acestor tipuri de design este flexibilitatea lor literală - atunci când întâlnesc un obiect, pot ghemui în jurul lui, forma formei sale complexe și pot să-l scoată bine.
În loc de mâini care imită îndeaproape pe ale noastre, unii cercetători lucrează la cele moi, flexibile din silicon. În această imagine, degetele goale de silicon se încolăc în timp ce sunt umplute cu aer, strecurându-le în jurul obiectelor cu formă neobișnuită. (J. MORROW ET AL / IEEE CONFERINȚĂ INTERNAȚIONALĂ PE ROBOTICI ȘI AUTOMATIZARE (ICRA) 2016) Astfel de „mâini” obosite oferă o îmbunătățire majoră față de un dispozitiv de prindere din metal dur. Dar încep să rezolve doar problema. Deși un deget cauciucat funcționează excelent pentru a ridica tot felul de obiecte, acesta se va confrunta cu abilitățile motrice fine necesare sarcinilor simple precum plasarea unei monede într-un slot - ceea ce presupune nu doar ținerea monedei, ci și simțirea slotului, evitarea marginilor acesteia. și glisând moneda în interior. Din acest motiv, spune Ciocarlie, crearea de senzori care spun roboților mai multe despre obiectele pe care le ating este o parte la fel de importantă a puzzle-ului.
Degetele proprii au mii de receptori individuali de atingere încorporati în piele. „Nu știm cu adevărat să construim acele tipuri de senzori și, chiar dacă am fi făcut-o, am avea foarte greu să le conectăm și să obținem informațiile respective”, spune Ciocarlie.
Numărul mare de senzori necesari ar ridica o a doua problemă, și mai șovăială: ce să faci cu toate acele informații odată ce ai această informație. Metodele de calcul care permit unui robot să folosească cantități uriașe de date senzoriale pentru a-și planifica următoarea mișcare încep să apară, spune Berenson. Dar obținerea acelor abilități până acolo unde trebuie să fie, poate arunca toate celelalte provocări ale cercetătorilor în realizarea unei manipulări autonome. Construirea unui robot care își poate folosi „mâinile” rapid și perfect - chiar și în situații complet inedite - poate să nu fie posibil, decât dacă inginerii îl pot înzestra cu o formă de inteligență complexă.
Acea putere cerebrală este un lucru pe care mulți dintre noi oamenii îl asumăm. Pentru a ridica un creion de pe biroul nostru, pur și simplu îl întindem și îl apucăm. Atunci când mâncăm cină, folosim broaște, furculițe și betisoare pentru a ne mânca mâncarea cu grație și precizie. Chiar și amputații care și-au pierdut membrele superioare pot învăța să folosească cârlige protetice pentru sarcini care necesită abilități motrice fine.
„Își pot lega pantofii, pot face un sandviș, se pot îmbrăca - totul cu cel mai simplu mecanism. Deci știm că este posibil dacă aveți inteligența potrivită în spatele ei ”, spune Berenson.
Predarea mașinii
Pentru a controla acest nivel de inteligență într-un robot poate fi nevoie de un salt în metodele actuale pe care cercetătorii le folosesc pentru a le controla, spune Bohg. Până de curând, cele mai multe programe de manipulare au implicat construirea unor modele matematice detaliate ale situațiilor din lumea reală, apoi lăsând robotului să folosească acele modele pentru a-și planifica mișcarea. Un robot construit recent însărcinat să asambleze un scaun Ikea, de exemplu, folosește un model software care poate recunoaște fiecare piesă individuală, să înțeleagă cum se potrivește cu vecinii săi și să o compare cu aspectul produsului final. Se poate termina lucrarea de asamblare în aproximativ 20 de minute. Cereți-l să asambleze un produs Ikea diferit, și va fi complet flummox.
Oamenii dezvoltă abilități foarte diferit. În loc să avem cunoștințe profunde pe un singur subiect restrâns, absorbim cunoștințe din zbor din exemplu și practică, consolidând încercările care funcționează și respingând cele care nu. Gândiți-vă la prima dată când ați învățat cum să tocați o ceapă - odată ce v-ați dat seama cum să țineți cuțitul și felia de câteva ori, probabil că nu a trebuit să porniți de la zero când ați întâlnit un cartof. Deci, cum face un robot să facă asta?
Bohg consideră că răspunsul poate sta în „învățarea automată”, un fel de proces iterativ care permite unui robot să înțeleagă ce încercări de manipulare au succes și care nu sunt - și îi permite să utilizeze informațiile respective pentru a manevra în situații în care nu a fost întâlnit niciodată.
„Înainte de învățarea automată a intrat în domeniul roboticii, a fost vorba despre modelarea fizicii manipulării - venind cu descrieri matematice ale unui obiect și ale mediului său”, spune ea. „Învățarea automată ne permite să oferim unui robot o mulțime de exemple de obiecte pe care cineva le-a adnotat, arătându-l:„ Aici este un loc bun pentru a apuca ”. Un robot ar putea folosi aceste date anterioare pentru a privi un obiect complet nou și a înțelege cum să apucă-l.
Această metodă reprezintă o schimbare majoră față de tehnicile de modelare anterioare, dar poate trece cu ceva timp înainte să fie suficient de sofisticat pentru a permite roboților să învețe în întregime pe cont propriu, spune Berenson. Mulți algoritmi existenți de învățare automată trebuie să fie alimentați cu cantități mari de date despre rezultatele posibile - ca toate mișcările potențiale dintr-un joc de șah - înainte de a putea începe să elaboreze cel mai bun plan posibil de atac. În alte cazuri, pot avea nevoie de sute, dacă nu de mii, de încercări de manipulare a unui obiect dat înainte de a se poticni cu o strategie care funcționează.
Asta va trebui să se schimbe dacă un robot trebuie să se deplaseze și să interacționeze cu lumea cât de repede poate. În schimb, spune Berenson, un robot ideal ar trebui să poată dezvolta noi abilități în doar câțiva pași folosind încercarea și eroarea sau să poată extrapola noi acțiuni dintr-un singur exemplu.
Apollo, un robot construit de inginerul Jeannette Bohg, încearcă să mute un cilindru pe o masă în timp ce o cutie de carton își blochează drumul. În acest experiment, un cercetător a mutat cutia în noi locații de pe masă, în timp ce brațul se mișca, forțându-l pe Apollo să-și recalculeze traiectoria în zbor. Imaginea plictisită din colțul din dreapta jos arată o vedere din perspectiva lui Apollo, subliniind cât de greu este pentru un robot să recunoască și să interacționeze cu obiectele din jurul său. (CURTEA JEANNETTE BOHG) „Marea întrebare de depășit este: cum actualizăm modelele unui robot nu cu 10 milioane de exemple, ci unul ?”, Spune el. "Pentru a ajunge într-un punct în care spune:„ OK, nu a funcționat, deci ce fac în continuare? " Aceasta este adevărata întrebare de învățare pe care o văd. ”
Mason, robotul de la Carnegie Mellon, este de acord. El afirmă că provocarea programării roboților pentru a face ceea ce facem fără minte, este rezumată la ceva numit paradoxul lui Moravec (numit după pionierul roboticii Hans Moravec, care învață și la Carnegie Mellon). Acesta afirmă, pe scurt, că ceea ce este greu pentru oameni este de multe ori gestionat cu ușurință de către roboți, dar ceea ce este a doua natură pentru noi este incredibil de greu de programat. Un computer poate juca șah mai bine decât orice persoană, de exemplu, dar obținerea acestuia pentru a recunoaște și ridica o piesă de șah de la sine se dovedește a fi uimitor de dificilă.
Pentru Mason, asta încă sună adevărat. În ciuda progresului progresiv pe care cercetătorii îl fac în sistemele de control robotizat, spune el, conceptul de bază al manipulării autonome poate fi unul dintre cele mai dure nuanțe pe care câmpul încă nu le-a crăpat.
„Gândirea rațională și conștientă este o dezvoltare relativ recentă în evoluție”, spune el. „Avem toate aceste alte mașini mentale care de-a lungul a sute de milioane de ani au dezvoltat capacitatea de a face lucruri uimitoare, cum ar fi locomoție, manipulare, percepție. Cu toate acestea, toate aceste lucruri se întâmplă sub nivelul conștient.
„Poate că lucrurile despre care considerăm că sunt funcții cognitive superioare, cum ar fi să putem juca șah sau să facem algebră - poate că chestiile sunt moarte banale în comparație cu mecanica manipulării.”
Knowable Magazine este un efort jurnalistic independent din Review-uri anuale. 
