Atlas – trzy ścieżki uczenia robota
W 40-minutowej prezentacji technicznej opublikowanej na firmowym kanale na YouTube, kierownictwo wyższego szczebla szczegółowo opisuje podejście firmy do budowania maszynowej inteligencji dla rzeczywistej pracy w fabrykach.
Inżynierowie z Boston Dynamics odeszli od idei jednego, uniwersalnego modelu AI, który bezpośrednio tłumaczyłby obraz na komendy dla silników. Zamiast tego przyjęli bardziej pragmatyczne, hybrydowe podejście, łączące trzy metody. Pierwsza to teleoperacja z użyciem gogli VR, gdzie człowiek bezpośrednio, choć zdalnie, steruje robotem, aby ten nauczył się nowego zadania. To szybki, ale pracochłonny sposób.
Druga metoda to uczenie przez wzmacnianie w symulacji komputerowej. Atlas może tam wykonywać dziesiątki tysięcy prób i popełniać błędy bez ryzyka uszkodzenia kosztownego sprzętu, samodzielnie znajdując optymalne rozwiązania. Trzecia i być może najciekawsza, polega na uczeniu przez obserwację. Robot analizuje nagrania ludzi wykonujących prace, a następnie sam próbuje wyciągnąć z tych obserwacji wnioski i znaleźć sposób na odtworzenie czynności.
W ten sposób, zamiast sztywno zaprogramowanych sekwencji ruchów, Atlas nabywa elastyczności i zdolności do wprowadzania poprawek, umiejętności kluczowej w chaotycznym zwykle środowisku fabrycznym, gdzie rzadko wszystko idzie idealnie według planu.
Czytaj też: Oko Saurona migocze mnóstwem świateł. Teleskop Hubble’a uchwycił zderzenia, które nie miały prawa wystąpić
Architektura AI robota Atlas przypomina ludzki mózg
System sterowania Atlasa wzoruje się na podziale funkcji obserwowanym w ludzkim ciele i umyśle. Działa on warstwowo – wyższa, decyzyjna warstwa logiczna formułuje abstrakcyjne cele, takie jak „podnieś komponent” czy „przenieś go na półkę”. Oddzielna, niższa warstwa kontroli motorycznej zajmuje się już czystą fizyką – utrzymaniem równowagi, koordynacją kończyn i precyzją ruchu.
Podobieństwo do ról kory mózgowej i móżdżku samo się tu narzuca – takie rozdzielenie pozwala uniknąć sytuacji, w której algorytm wysokiego poziomu musi na nowo uczyć się podstaw grawitacji przy każdym zadaniu. Podobnie jak ludzki móżdżek automatycznie zarządza równowagą podczas chodzenia, tak warstwa kontrolna Atlasa dba o stabilność, uwalniając „wyższe myślenie” do skupienia się na celu. To eleganckie rozwiązanie, które przekłada się na większą płynność i niezawodność robota.
Czytaj też: Kup sobie Terminatora T-800 za 40500 dolarów
Problemem nie jest technologia, lecz jej opłacalność
Wartość humanoidalnych robotów w przemyśle bywa często podważana. Boston Dynamics przekonuje jednak, że główną barierą nie są ograniczenia inżynieryjne, a rachunek ekonomiczny. Klasyczna, „twarda” automatyzacja w postaci wyspecjalizowanych maszyn bywa zbyt droga i mało elastyczna. Stworzenie i wdrożenie rozwiązań pod jedno, konkretne zadanie potrafi zająć rok i pochłonąć kwoty przekraczające milion dolarów.
W dynamicznym środowisku, gdzie linie produkcyjne często się zmieniają, jest to kompletnie niepraktyczne. Odpowiedzią ma być reprogramowalny robot ogólnego przeznaczenia, którego można przeszkolić do nowej pracy w ciągu dni, a nie lat. Humanoidalna forma nie jest tu kaprysem – pozwala mu działać w przestrzeniach zaprojektowanych dla ludzi, używać tych samych narzędzi i nie wymaga kosztownej przebudowy całej infrastruktury fabrycznej.
Hyundai jako partner do testowania radykalnych zmian
Współpraca z Hyundai Motor Group to coś więcej niż tylko testowanie robota w jednym z ich zakładów – raczej wspólne myślenie o przeprojektowaniu samego procesu produkcyjnego z myślą o systemach robotycznych. Hyundai wnosi do tego partnerstwa skalę, środowiska produkcyjne i kapitał na długoterminowe inwestycje. Boston Dynamics koncentruje się na swoim know-how: rozwiązywaniu skomplikowanych problemów związanych z inżynierią ruchu i rozwojem kontrolnych systemów AI. A że coraz więcej zakładów produkcyjnych wdraża testowo lub praktycznie humanoidalne automaty, z pewnością w najbliższych latach obraz fabrycznych hal zmieni się nie do poznania.