Medtem ko je robotikom uspelo pripraviti robote, da izvajajo impresivne stvari, kot je parkour v laboratoriju, je bilo vse skrbno načrtovano, da se odvija v strogo nadzorovanem okolju. Samostojno delo robota v vašem domu je še vedno nekoliko vznemirljivo, zlasti v domovih z otroki in hišnimi ljubljenčki. Poleg tega se hiše razlikujejo po zasnovi, še bolj pestra pa je razporeditev prostorov in predmetov.
Med strokovnjaki za robotiko je splošno priznano stališče, imenovano "Moravčev paradoks": kar je težko za ljudi, je lahko za stroje in kar je lahko za ljudi, je težko za stroje. Toda zahvaljujoč umetni inteligenci (AI) se to spreminja. Roboti začenjajo opravljati naloge, kot so zlaganje perila, kuhanje in razkladanje nakupovalnih košar, ki so še pred kratkim veljale za skoraj nemogoče za robote.
Glede na zadnjo številko MIT Technology Review je robotika kot področje na prelomnici: roboti se selijo iz laboratorijev v milijone domov. Robotika je na robu svojega vrhunca.
Domači roboti ne morejo biti predragi
Roboti so bili v preteklosti sinonim za to, da so dragi, saj so zelo zapleteni modeli stali na stotine tisoč dolarjev, zaradi česar si jih večina družin ni mogla privoščiti. Na primer PR2, ena najzgodnejših iteracij domačega robota, je tehtal 200 kilogramov in stal 400 000 USD.
Na srečo se postopoma pojavlja nova generacija cenejših robotov. Stretch3, novi domači robot, ki ga je razvilo ameriško zagonsko podjetje HelloRobot, ima veliko bolj razumno ceno 24.950 dolarjev in tehta 24,5 kilograma. Ima majhno mobilno podlago, igralno palico, s katere visi kamera, nastavljivo roko in pritrditev s priseskom na koncu, ki jo je mogoče upravljati s krmilnikom.
Medtem je skupina raziskovalcev na univerzi Stanford v ZDA zgradila sistem, imenovan MobileALOHA (Low-Cost Open Source Hardware for Remote Operation), ki robotu omogoča, da se nauči kuhati kozice s pomočjo samo 20 podatkov, vključno s človeškimi. demonstracije. Ekipa je uporabila standardne komponente za izdelavo robota z ugodnejšo ceno, čeprav je tudi ta stal več deset tisoč dolarjev, vendar bi prejšnji podobni modeli zlahka stali več sto tisoč dolarjev.
AI gradi "univerzalne robotske možgane"
Kar te nove robote loči od njihovih "predhodnikov", je pravzaprav njihova programska oprema. Zahvaljujoč razcvetu umetne inteligence se zdaj težišče tehnologije premika z dragih robotov, ki dosegajo fizično spretnost, na nevronske mreže, ki gradijo "univerzalne robotske možgane".
Strokovnjaki za robotiko uporabljajo globoko učenje in nevronske mreže za ustvarjanje "možganskih" sistemov, ki se lahko učijo iz okolja in temu primerno prilagajajo vedenje robotov v aplikacijah, namesto tradicionalnega skrbnega načrtovanja in mukotrpnega usposabljanja.
Poleti 2023 je Google predstavil RT-2, model vizije-besednega dejanja, ki pridobi splošno razumevanje sveta iz spletnega besedila in slik, ki se uporabljajo za usposabljanje, pa tudi iz lastnih interakcij, in prevaja, da podatke v robotska dejanja.
Toyotin raziskovalni inštitut, univerza Columbia in ekipa MIT so robote že hitro naučili številnih novih nalog s pomočjo učne tehnike umetne inteligence, imenovane imitacijsko učenje, in generativne umetne inteligence. Ta pristop bo spodbudil širitev generativnih tehnik umetne inteligence s področja besedila, slik in videa na področje gibanja robotov.
Covariant, startup, ki je izšel iz zdaj zaprtega oddelka za raziskave robotike OpenAI, je namesto tega zgradil multimodalni model, RFM-1, ki sprejema namige iz besedila, slik, videa in robotskih ukazov. Generativni AI omogoča robotom razumevanje navodil in ustvarjanje slik ali videoposnetkov, povezanih s temi nalogami.
Več podatkov ustvari pametnejše robote
Moč velikih modelov umetne inteligence, kot je GPT-4, je v kopičenju velikih količin podatkov iz interneta, vendar to ne velja za robote, ki potrebujejo podatke, zbrane posebej zanje. Potrebujejo fizične predstavitve, kako odpreti pralne stroje in hladilnike, pobrati krožnik ali zložiti perilo. Trenutno je teh podatkov zelo malo in njihovo zbiranje traja dolgo časa.
Google Deep Mind je lansiral nov program, imenovan Open Source X-Embodiment Collaboration, da bi to spremenil. Lani je podjetje sodelovalo s približno 150 raziskovalci v 34 laboratorijih, da bi zbrali podatke iz 22 različnih robotov, vključno s HelloRobotovim Stretch 3. Končni nabor podatkov, ki bo objavljen oktobra 2023, bo vključeval 527 robotovih veščin, kot so nabiranje, potiskanje , in premikanje.
Obstaja tudi robot, imenovan RT-X, za katerega so raziskovalci izdelali posebej dve različici modela, ki ju je mogoče izvajati lokalno na računalnikih v različnih laboratorijih in dostopati prek spleta.
Večji, spletno dostopni model je bil predhodno usposobljen z internetnimi podatki za razvoj "vizualne zdrave pameti" iz velikih jezikovnih in slikovnih modelov. Ko raziskovalci zaženejo model RT-X na številnih različnih robotih, ugotovijo, da so takšni roboti 50 % uspešnejši pri učenju spretnosti kot sistemi, razviti neodvisno v vsakem laboratoriju.
Skratka, več podatkov je tisto, kar naredi pametnejše robote.