Humanoidalny robot do zadań magazynowych
Dlaczego akurat składanie ręcznika jest takie istotne? Bo to zadanie, które dla człowieka jest intuicyjne i automatyczne, a dla tradycyjnie programowanego robota stanowi niemal niewykonalną zagadkę. KR-1 to konstrukcja stworzona z myślą o pracy w logistyce – ma dwa ramiona, porusza się na kołowej podstawie i jest wyposażony we wbudowany system sztucznej inteligencji. Jego głównym zadaniem ma być precyzyjne przenoszenie przedmiotów w magazynach. Najważniejsza w tej maszynie jest jednak nie budowa, a sposób, w jaki została nauczona nowej umiejętności. Zamiast otrzymać szczegółową instrukcję krok po kroku, KR-1uczył się poprzez obserwację i powtarzanie, gromadząc doświadczenie, podobnie jak człowiek.
Inżynierowie z Kinsi Robotics zastosowali tu metodę uczenia kinestetycznego – operator fizycznie prowadził ramiona robota KR-1, pokazując mu, jak prawidłowo złożyć ręcznik. System rejestrował przy tym nie tylko ruchy, ale także obraz z kamer. Proces ten powtarzano wielokrotnie, za każdym razem układając ręcznik w inny sposób – czasem był zmięty, czasem rozłożony częściowo. Dzięki temu KR-1 nie uczył się jednej sztywnej sekwencji, a zestawu wzorców i relacji między tym, co widzi, a tym, jak ma się poruszyć.
Po fazie „pokazów” rozpoczęło się właściwe szkolenie modelu. Algorytm analizował zebrane dane, samodzielnie znajdując powiązania między wyglądem materiału a potrzebnymi chwytami i ruchami. Nie dostawał gotowych etykiet, np. „to jest róg” – miał to wydedukować sam, obserwując, które punkty na materiale są zazwyczaj chwytane i w jaki sposób zmienia się kształt tkaniny przy określonych działaniach.
Czytaj też: Kup sobie Terminatora T-800 za 40500 dolarów
Miękki przedmiot taki jak ręcznik nie da się dobrze przewidzieć
Dla robota sztywny przedmiot w rodzaju pudełka to stosunkowo proste zadanie – jego geometria jest niezmienna, a ruch można precyzyjnie obliczyć. Z miękką, podatną tkaniną jest zupełnie inaczej, ręcznik ugina się, układa w nieprzewidywalne fałdy i inaczej reaguje za każdym razem. Tradycyjne programowanie, oparte na równaniach fizyki, tu praktycznie zawodzi, bo wymagałoby uwzględnienia astronomicznej liczby zmiennych.
Dlatego podejście oparte na uczeniu maszynowym ma taki potencjał. KR-1, poprzez wielokrotne powtórzenia, buduje rodzaj intuicji dotyczącej zachowania materiału. Uczy się na podstawie konsekwencji swoich działań – jeśli chwyci w określony sposób, ręcznik ułoży się tak, a nie inaczej.
Robot idzie do szkoły
Eksperyment z ręcznikiem wyznacza kierunek, w którym może podążać robotyka. Zamiast skomplikowanego, odgórnego programowania każdego zadania, maszyny mogą nabywać umiejętności poprzez demonstracje i praktykę. Otwiera to teoretycznie drzwi do zastosowań w domu, przy obsłudze delikatnych przedmiotów w fabrykach czy pakowaniu niestandardowych towarów.
Problemem jest tu skalowanie tej metody – czym innym jest nauczenie robota jednej, specyficznej czynności w kontrolowanym środowisku, czym innym sprawienie, by w realnym, chaotycznym świecie radził sobie z setkami różnych przedmiotów i zadań, a jeszcze czym innym przełożenie tego na ewentualną masową produkcję – to zupełnie inny poziom trudności. Pokaz KR-1 Kinsi Robotics jest jednak przekonującym dowodem, że warto próbować.