Харесва ви или не, ние сме заобиколени от роботи. Хиляди американци се возят на работа в наши дни в коли, които почти сами се карат. Прахосмукачките обикалят сами по хола ни. Quadcopter дронове автоматично прекарват ципове над полетата на фермите, като правят въздушни изследвания, които помагат на фермерите да отглеждат своите култури. Дори страшно изглеждащи хуманоидни роботи, онези, които могат да скачат и да бягат като нас, могат да бъдат достъпни в търговската мрежа в близко бъдеще.
Роботизираните устройства стават доста добри да се движат из нашия свят без никаква намеса от нас. Но въпреки тези новооткрити умения, те все още идват с голяма слабост: Най-талантливите от групата все още могат да бъдат спрени в следите си от обикновена дръжка.
Проблемът, казва Мат Мейсън, роботолог от университета в Карнеги Мелън, е, че за всички съществуващи способности на роботите да се движат по света автономно, те все още не могат физически да взаимодействат с обекти по смислен начин, след като стигнат до там.
„Какво сме научили от роботиката? Урок номер едно е, че манипулацията е трудна. Това противоречи на нашия индивидуален опит, тъй като почти всеки човек е умел манипулатор “, пише Мейсън в скорошна статия за преглед.
Това е справедлив момент. Ние хората манипулираме света около нас, без да мислим. Хващаме, блъскаме, усукваме, раздробяваме и продаваме обекти почти несъзнателно, благодарение отчасти на нашите невероятно сръчни ръце. В резултат на това ние сме изградили нашите светове с тези придатъци. Всички мобилни телефони, клавиатури, радиостанции и други инструменти, с които сме работили през целия си живот, са проектирани изрично, за да се поберат в пръстите и дланите ни.
Не е така за съществуващите роботи. В момента един от най-широко използваните роботизирани ръчни конструкции, наречен „захващач“, е повече или по-малко идентичен с тези, представени по телевизията през 60-те години на миналия век: устройство, направено от два твърди метални пръста, които прищипват предмети между тях.
В контролирана среда като сборна линия устройства като тези работят просто отлично. Ако робот знае, че всеки път, когато посегне към определена част, той ще бъде на едно и също място и ориентация, тогава схващането е тривиално. „Ясно е каква част ще слезе по конвейерната лента, което прави усещането и възприемането сравнително лесно за робота“, отбелязва Жанет Бог, робототехник от Станфордския университет.
Реалният свят, от друга страна, е разхвърлян и пълен с неизвестности. Помислете само за вашата кухня: Може да има купчини съдове, които се сушат до мивката, меки и крехки зеленчуци, облицоващи хладилника, и множество прибори, пълнени в тесни чекмеджета. От гледна точка на робота, казва Бог, идентифицирането и манипулирането на огромен масив от обекти би било пълен хаос.
„Това е по някакъв начин Светия Граал, нали? Много често искате да манипулирате широк спектър от обекти, с които хората обикновено манипулират, и са направени така, че да бъдат манипулирани от хората “, казва Матей Чокарли, изследовател по роботика и машинен инженер в Колумбийския университет. „Можем да изградим манипулатори за конкретни обекти в конкретни ситуации. Това не е проблем. Трудността е в тази гъвкавост. "
За да се справите с огромния брой уникални форми и физически свойства на тези материали - независимо дали са твърди като нож, или деформируеми, като парче пластмасова обвивка - идеалният робот придатък непременно ще бъде нещо, което прилича на това, което е в края на нашите ръце. Дори и с твърди кости, ръцете ни се огъват и огъват, докато хващаме предмети, така че ако ръката на робота може да направи същото, тя може да „постави в клетки” предмети вътре в хващането си и да ги движи по повърхността, като ги реве като бебето нейните играчки.
Разработването на тази универсалност не е малък подвиг. Когато инженерите в iRobot - същата компания, която ви донесе прахосмукачката Roomba - разработиха гъвкава, тристранна „ръка“ преди няколко години, това беше прието като основен подвиг. Днес роботистите продължават да се отклоняват от вярна реплика на човешката ръка, като гледат към пикантни материали и по-добри изчислителни инструменти като машинно обучение, за да ги контролират.
Стремежът към меки, гъвкави „ръце“
„Човешки хватки са склонни да бъдат много по-деликатни и много по-скъпи, защото имате много повече двигатели и те са натъпкани в малко пространство“, казва Дмитрий Беренсън, който изучава автономни роботизирани манипулации в Мичиганския университет. „Наистина, трябва да имате много инженеринг, за да го направите и обикновено много поддръжка.“ Поради тези ограничения, той казва, че съществуващите човекоподобни ръце не се използват широко от индустрията.
За да може една роботизирана ръка да бъде практична и дори да се доближава до способността на човека, тя трябва да е твърда, но гъвкава; да може да усеща студ, топлина и допир при високи разделителни способности; и бъдете достатъчно нежни, за да вземете крехки предмети, но достатъчно здрави, за да издържате на побой. О, и на всичкото отгоре, би трябвало да е евтино.
За да заобиколят този проблем, някои изследователи се стремят да създадат щастлив носител. Тестват те ръце, които имитират някои от нашите черти, но са далеч по-прости за проектиране и изграждане. Всеки от тях използва меки латексови „пръсти“, задвижвани от сухожилни кабели, които ги дърпат отворени и затворени. Предимството на тези видове дизайни е тяхната буквална гъвкавост - когато се натъкнат на даден предмет, те могат да се сгърчат около него, да оформят до сложната му форма и да го загребят спретнато.
Вместо ръце, които плътно имитират нашите, някои изследователи работят върху меки, гъвкави такива, изработени от силикон. В това изображение кухите силиконови пръсти се извиват, докато се пълнят с въздух, стискайки ги около необичайно оформени предмети. (J. MORROW ET AL / IEEE МЕЖДУНАРОДНА КОНФЕРЕНЦИЯ ЗА РОБОТИКА И АВТОМАТИКА (ICRA) 2016) Такива хрупкави „ръце” предлагат значително подобрение в сравнение с хватката от твърд метал. Но те започват само да решават въпроса. Въпреки че гуменият пръст работи чудесно за събиране на всякакви предмети, той ще се бори с фини двигателни умения, необходими за прости задачи като поставяне на монета в слот - което включва не само задържане на монетата, но и усещане на слота, избягване на краищата му и плъзгане на монетата вътре. По тази причина, казва Чокарли, създаването на сензори, които разказват на роботите повече за обектите, до които се докосват, е също толкова важна част от пъзела.
Нашите собствени пръсти имат хиляди индивидуални допирни рецептори, вградени в кожата. „Ние всъщност не знаем как да изградим тези видове сензори и дори ако го направихме, ще ни е много трудно да ги окабелим и да извлечем тази информация обратно“, казва Чокарли.
Чистият брой необходими сензори би повдигнал втори, още по-труден проблем: какво да правите с цялата тази информация, след като я имате. Започват да се появяват изчислителни методи, които позволяват на робота да използва огромни количества сензорни данни, за да планира следващия си ход, казва Беренсън. Но достигането на тези способности до мястото, където трябва да бъдат, може да козмети всички останали предизвикателства, пред които изследователите са изправени при постигане на автономна манипулация. Изграждането на робот, който може да използва „ръцете“ си бързо и безпроблемно - дори и в напълно нови ситуации - може да не е възможно, освен ако инженерите не могат да го надарят с форма на сложна интелигентност.
Тази мозъчна сила е нещо, което много от нас приемат за даденост. За да вземем молив на бюрото си, просто протягаме ръка и го хващаме. Когато ядем вечеря, използваме щипки, вилици и клечки, за да грабнем храната си с благодат и прецизност. Дори ампутирани, които са загубили горните крайници, могат да се научат да използват протезни куки за задачи, които изискват фини двигателни умения.
„Те могат да завържат обувките си, могат да си направят сандвич, могат да се обличат - и всичко това с най-простия механизъм. Така че ние знаем, че е възможно, ако имате правилната интелигентност зад него “, казва Беренсън.
Преподаване на машината
За да стигнете до това ниво на интелигентност в един робот, може да е необходим скок в съвременните методи, които изследователите използват, за да ги контролират, казва Бог. Доскоро повечето софтуер за манипулиране включваше изграждане на подробни математически модели на реални ситуации, след което оставяйки робота да използва тези модели, за да планира своето движение. Един наскоро построен робот, който има за задача да сглоби стол Ikea, например, използва софтуерен модел, който може да разпознае всяко отделно парче, да разбере как се вписва заедно със съседите си и да го сравнява с това как изглежда крайният продукт. Той може да завърши монтажната работа за около 20 минути. Помолете го да сглоби различен продукт Ikea и той ще бъде напълно размит.
Хората развиват умения много различно. Вместо да имаме дълбоки познания по една тясна тема, ние поглъщаме знания в движение от пример и практика, засилвайки опитите, които работят, и отхвърляйки тези, които не го правят. Помислете за първия път, когато научихте как да накълцате лук - след като разберете как да държите ножа и резена няколко пъти, вероятно не е трябвало да започнете от нулата, когато срещнете картоф. И така, как човек накара робот да направи това?
Бог смята, че отговорът може да се крие в „машинното обучение“, нещо като итеративен процес, който позволява на робота да разбере кои опити за манипулация са успешни и кои не - и му позволява да използва тази информация за маневриране в ситуации, в които никога не се среща.
„Преди машинното обучение да навлезе в областта на роботиката, всичко беше свързано с моделиране на физиката на манипулиране - измисляне на математически описания на обект и неговата среда“, казва тя. „Машинното обучение ни позволява да дадем на робот куп примери за предмети, които някой е коментирал, показвайки го:„ Тук е добро място за хващане. “Робот може да използва тези минали данни, за да разгледа изцяло нов обект и да разбере как схване го
Този метод представлява голяма промяна от предишните техники за моделиране, но може да мине известно време, преди да е достатъчно усъвършенстван, за да може роботите да се учат изцяло самостоятелно, казва Беренсън. Много съществуващи алгоритми за машинно обучение трябва да бъдат подавани огромно количество данни за възможни резултати - като всички потенциални движения в шахматната игра - преди те да започнат да изработват възможно най-добрия план за атака. В други случаи може да им трябват стотици, ако не и хиляди, опити за манипулиране на даден обект, преди да се натъкнат на стратегия, която работи.
Това ще трябва да се промени, ако един робот трябва да се движи и да взаимодейства със света толкова бързо, колкото хората могат. Вместо това, казва Беренсън, идеалният робот трябва да може да развие нови умения само за няколко стъпки, използвайки проба и грешка, или да може да екстраполира нови действия от един-единствен пример.
Аполон, робот, построен от инженер Жанет Бог, се опитва да премести цилиндър през маса, докато картонена кутия прегражда пътя му. В този експеримент изследовател премести кутията на нови места на масата, докато ръката се движеше, принуждавайки Аполон да преизчисли траекторията си в движение. Смесеното изображение в долния десен ъгъл показва изглед от гледна точка на Аполон, подчертавайки колко е трудно роботът да разпознава и взаимодейства с обекти около него. (СЪДЪРЖАНИЕ JEANNETTE BOHG) „Големият въпрос, който трябва да се преодолее, е как да актуализираме моделите на робота не с 10 милиона примера, а един ?“, Казва той. „За да стигна до момент, в който пише:„ Добре, това не работи, така че какво да правя след това? “ Това е истинският учебен въпрос, който виждам. "
Мейсън, роботизиран от Карнеги Мелън, е съгласен. Предизвикателството да програмираме роботи да правят това, което правим безсмислено, казва той, се обобщава от нещо, наречено парадокс на Моравец (кръстен на пионера по роботика Ханс Моравец, който също преподава в Карнеги Мелън). Накратко се посочва, че това, което е трудно за хората, често се справя с лекота от роботи, но това, което е втора природа за нас, е изключително трудно да се програмира. Компютърът може да играе шах по-добре от всеки човек, например - но да го накараш да разпознае и вземе сам шахмат се оказа трудно.
За Мейсън това все още звучи вярно. Въпреки постепенния напредък, който изследователите постигат в роботизираните системи за управление, той казва, че основната концепция за автономна манипулация може да бъде една от най-трудните ядки, които областта все още не трябва да пропука.
„Рационалното, осъзнато мислене е сравнително скорошно развитие в еволюцията“, казва той. „Имаме всичко това други умствени машини, които в продължение на стотици милиони години развиват способността да правят невероятни неща, като локомоция, манипулация, възприятие. И все пак всички тези неща се случват под съзнателното ниво.
„Може би нещата, за които мислим, че са по-високи познавателни функции, като например да умеем да играем шах или да правим алгебра - може би тези неща са мъртви тривиални в сравнение с механиката на манипулацията.
Списание Knovable е независимо журналистическо начинание от Годишните прегледи. 