Почему все-таки сложно делать роботов (+ видео)

Так почему же создание роботов является не простой задачей? Если вы поговорите с робототехниками, они скажут вам, что потребовались годы, прежде чем они создали реально работающего робота для выполнения конкретной задачи. И хотя вы можете увидеть видео с впечатляющими достижениями, реальность часто оказывается более отрезвляющей. Вспомните видео с падающими роботами на DARPA Robotics Challenge. Так в чем же трудности?

Энергия

Большинство роботов должны работать без подключения к электрической розетке. Поэтому они должны нести свой собственный источник энергии, будь то аккумуляторная батарея или топливный бак. Малые беспилотные летательные аппараты могут работать, как правило, менее 1 часа. Такой же срок службы батареи и у большинства продвинутых гуманоидов, таких как ATLAS от Boston Dynamics. Таким образом, к тому времени, когда робот выйдет за дверь и сделает несколько шагов, может подойти время для подзарядки.

Новые типы аккумуляторов обеспечивают определенный прогресс в решении этой задачи. Взять тот же робот ATLAS, который год назад был привязан к сети проводами, теперь носит свой собственный аккумулятор. Основная проблема состоит в том, что на движение робота часто уходит очень много энергии. У большинство дронов основная часть энергии уходит на вращение винтов, а не на вычисления, зондирование местностти и связь вместе взятые. Большие батареи могут дать роботу больше энергии, но и сделают его более тяжелым, что увеличивает расход энергии при перемещении. Реальность такова, что роботы часто привязаны к зарядной станции.

Помимо энергии, реальной проблемой также является эффективность. Например, мышцы человека обеспечивают внушительную силу, доступную не всем роботам. Биологические мышцы при генерации такого же усилия все еще на порядок меньше и легче двигателей роботов.

Сенсорное обнаружение

Вы когда-нибудь задумывались, почему в большинстве демонстраций роботы манипулируют объектами с яркими цветами или с QR-кодом?

Роботам по-прежнему с трудом дается распознавание обычных объектов. И хотя алгоритмы машинного обучения доказали свою эффективность, позволяя компьютерам четко различать контрастные цвета, роботы также должны знать, как использовать объекты и как с ними взаимодействовать. Видеокамеры в этом отношении полезны, но обработка изображений по-прежнему остается обременительной задачей.

Датчики типа Microsoft Kinect и лазерные дальномеры позволяют роботам создавать карты окружающей их среды. С помощью полученных массивов точек роботы могут обнаруживать препятствия, строить карты и узнавать, где они находятся. И это уже шаг вперед. В отличие от видеокамер, датчики прикосновения и звука по-прежнему редко используются в роботизированных системах. К счастью, роботам доступен ряд специальных датчиков, включая акселерометры, датчики температуры или газов, а также GPS, которые хорошо подходят для решения определенных задач.

Манипуляция

Промышленные роботы очень успешно циклически манипулируют предварительно определенными объектами. Но манипуляция в свободных условиях является одной из самых сложных задач в области робототехники. Наиболее успешные коммерческие роботы для домашней среды, в том числе роботы телеприсутствия, пылесосы и персональные роботы, не предназначены для подбора объектов. Amazon решил эту проблему на своем складе путем создания команды людей и роботов для выполнения заказов. Роботы подвозят рабочим полки, из которых рабочие выбирают товары и упаковывают их в коробки. Только в прошлом году компания Amazon организовала специальный конкурс (Amazon Picking Challenge), чтобы найти перспективные решения проблемы. Конкурс был выигран командой Team RBO из Берлина.

Некоторые компании пытаются решить эти проблемы, используя манируляторы с очень точным перемещением. Альтернативным решением стали проверенные манипуляторы из промышленного сектора или мягкие манипуляторы, которые соответствуют объектам разной формы.

Познавательная (когнитивная) способность

Современные роботы обычно используют эффективные алгоритмы, которые позволяют им выполнять специфические задачи, например, навигация из точки А в точку Б или перемещение объекта на конвейере. Разработка совместных роботов для предприятий или для дома все чаще будет требовать от них способностей воспринимать новую среду и обучаться новой работе. То, что кажется простой задачей для нас, может превратиться в сложную когнитивную тренировку для робота.

Глубинное обучение ИИ также предоставляет новые возможности. Команда из Университета Цюриха недавно показала беспилотники, которые научились летать по лесным тропам, используя технологию глубинных нейронных сетей.

Даже при наличии встроенного обучения робота важно понимать, что мы все еще далеки от того, что напоминает человеческий разум или понимание. Навигация по лесной тропе в основном требует обработки масссива данных из большого количества изображений лесной тропы и выполнения правильных моторных команд в ответ. Это ближе к человеческому обучению через практику, а не развитию реального понимания законов физики.

Неструктурированные среды

В мире творится полный бардак, и большинству роботов сложно работать в неструктурированных средах. Вот почему коммерческие роботы оказались наиболее успешными на фабриках, в складских помещениях или на дорогах, в воздухе и под водой. С другой стороны, очень мало роботов, которые автономно работают в домашних условиях, исключая пылесосы в виде роботов. Для создания пылесоса Dyson 360 eye потребовалось более 100 000 часов времени на макетирование и 16 лет разработки, прежде чем компания убедилась в его навигационных способностях для комнаты.

Интеграция

Хитрость к пониманию интеграции в том, чтобы «думать» как робот. Что требуется для нового робота, чтобы принести стакан воды для пожилого человека в доме? Сначала робот должен иметь карту дома, возможно, построив ее с нуля, перемещаясь по коридорам и комнатам. Затем он должен понять команду от человека, потенциально с помощью алгоритма распознавания речи. Затем, используя карту, робот планирует траекторию перемещения, избегая препятствий, и постоянно обновляет оценку своего местонахождения. Затем подойдет к шкафу, возьмет стакан, наполнит его водой. Используя массу познаний и прецизионные манипуляторы, перед тем как принести человеку воду.

Эта задача требует безопасного оборудования, впечатляющего набора датчиков и сложных алгоритмов которые в настоящее время существуют только как автономные части, если есть вообще. Интегрировать все эти компоненты в одном роботе очень сложно, и это только для одной задачи – доставки стакана с водой.

В робототехнике достигнуты большие успехи в разработке новых технологий и решении специфических задач. После нескольких лет пребывания в исследовательских лабораториях, новые роботы только начинают выходить на потребительский рынок. Но мы все еще очень далеки от создания совершенных роботов. Для их воплощения потребуются серьезные достижения в области энергетики, зондирования, манипуляции, когнитивного познания и интеграции.