Jak se umělá inteligence využívá v robotice?

Robotika založená na umělé inteligenci, někdy nazývaná také fyzická umělá inteligence nebo ztělesněná umělá inteligence, představuje využití umělé inteligence k tomu, aby stroje mohly fungovat ve fyzickém světě. Systém musí propojovat vnímání, uvažování a jednání, místo aby pouze generoval text nebo obrázky.

Robot může k vnímání svého okolí využívat kamery, hloubkové senzory, snímače síly, mikrofony nebo snímače polohy. Modely umělé inteligence mohou pomoci tyto signály interpretovat, identifikovat objekty, plnit pokyny, plánovat trasu, zvolit způsob uchopení nebo rozhodnout, kdy je určitá akce nebezpečná.

To však neznamená, že každý robot je univerzální humanoid. Většina dnešních užitečných robotů je stále specializovaná: průmyslová ramena, skladové roboty, kontrolní systémy, chirurgické nástroje, drony, autonomní vozidla, doručovací roboty nebo servisní stroje. Umělá inteligence rozšiřuje rozsah toho, co mohou vnímat a čemu se mohou přizpůsobit, ale hardware a prostředí stále hrají důležitou roli.

Pro robota znamená vnímání přeměnu surových dat ze senzorů na užitečné pochopení okolí. Samotný obraz z kamery tvoří pouze pixely. Sken z lidaru představuje pouze vzdálenosti. Snímač síly poskytuje pouze čísla. Umělá inteligence pomáhá tyto signály převádět na objekty, povrchy, překážky, lidi, nástroje a stavy daného úkolu.

Modely počítačového vidění dokážou detekovat součásti na montážní lince, kontrolovat vady, odhadovat hloubku, sledovat pohybující se objekt nebo určit, kam by se měl robotický chapadlo přiblížit. Multimodální modely mohou kombinovat obrázky s jazykovými pokyny, zatímco specializované percepční modely lze spouštět lokálně na hardwaru robota, což umožňuje rozhodování s nízkou latencí.

Právě ve vnímání také začíná nejistota. Změny osvětlení, odrazy, překážky, prach, nepořádek a neobvyklé předměty mohou model zmást. Spolehlivý robot potřebuje kontroly správnosti, záložní chování a bezpečnostní vrstvy, místo aby předpokládal, že každý výsledek vnímání je správný.

Jednou z nejaktivnějších oblastí v oblasti robotiky využívající umělou inteligenci je propojení přirozeného jazyka s akcemi. Člověk může například říct: „Vezmi tu modrou krabici“ nebo „Přesuň tyto součástky na kontrolní podnos.“ Robot musí tento pokyn převést na objekty, souřadnice, pohybové plány a řídicí příkazy.

Modely typu „zrak-jazyk-akce“ jsou určeny právě pro tento druh propojení. Jsou schopny přijmout vizuální vstup a jazykový příkaz a následně vygenerovat akci nebo sled akcí. V praxi tyto modely obvykle spolupracují s řídicími jednotkami nižší úrovně, bezpečnostními omezeními a softwarem specifickým pro daného robota, místo aby nahrazovaly celý robotický systém.

Právě proto se robotika využívající umělou inteligenci liší od chatbotu. Chybnou větu lze opravit, ale nesprávný pohyb může poškodit zařízení nebo ohrozit lidi. Model umělé inteligence představuje pouze jednu vrstvu v rámci širšího systému, který musí ověřovat akce před jejich provedením i v průběhu jejich provádění.

Roboti se mohou učit z mnoha druhů dat: z ukázek provedených lidmi, dálkového ovládání, záznamů ze senzorů, videí, syntetických scén, simulačních prostředí a reálných pokusů. Cílem je vystavit model dostatečné rozmanitosti, aby byl schopen zvládat úkoly i mimo rámec jednoho dokonale předem připraveného scénáře.

Simulace je obzvláště důležitá, protože sběr fyzických dat o robotech je pomalý, nákladný a někdy i riskantní. Simulované skladové prostory, laboratorní pracoviště nebo výrobní buňka mohou generovat mnoho příkladů, testovat vzácné okrajové případy a trénovat postupy ještě předtím, než budou nasazeny na skutečném hardwaru.

Nejtěžší částí je přenos do praxe. Chování, které funguje v simulaci, může selhat, když skutečný chapadlový manipulátor sklouzne, je předmět těžší, než se očekávalo, nebo se změní osvětlení. Proto robotické týmy kombinují simulaci se skutečnými daty, vyhodnocením, doladěním a opatrným nasazením.

Roboti využívající umělou inteligenci již dnes nacházejí uplatnění v prostředích, kde se provádějí opakující se, strukturované nebo bezpečnostně kritické úkoly. Výrobní roboti mohou kontrolovat součástky, pomáhat při montáži nebo manipulovat s materiály. Skladoví roboti se mohou pohybovat po uličkách, přesouvat zásoby a podporovat pracovní postupy při vyřizování objednávek.

Roboti se také využívají v zemědělství, těžebním průmyslu, logistice, medicíně, automatizaci laboratoří, kontrole infrastruktury a v oblasti veřejné bezpečnosti. V mnoha případech není nejcennějším systémem humanoid, ale specializovaný robot, který spolehlivě vykonává jednu konkrétní úlohu v omezeném prostředí.

Humanoidní roboti přitahují pozornost, protože by mohli pracovat v prostorech určených pro lidi. Jejich široké nasazení je však stále obtížné. I přes zlepšující se kvalitu modelů a hardwaru zůstávají hlavními překážkami rovnováha, obratnost, výdrž baterie, náklady, spolehlivost a bezpečnost.

Digitální systémy umělé inteligence mohou fungovat výhradně v rámci datových center a softwarových produktů. Robotika se musí vypořádat s fyzickým světem: třením, hmotností, silou, proměnlivým osvětlením, nerovnými podlahami, křehkými předměty, pohybujícími se lidmi a opotřebovávajícím se hardwarem.

Důležitá je také latence. Robot může potřebovat reagovat v řádu milisekund, nikoli sekund. Některé výpočty lze provádět v cloudu, ale mnoho rozhodnutí musí být zpracováno přímo v zařízení nebo v blízkosti robota, aby systém zůstal pohotový i při omezeném připojení.

Dalším významným rozdílem je bezpečnost. Robotický systém vyžaduje senzory, nouzová zastavení, certifikované řídicí jednotky, oprávnění, fyzická omezení a lidský dohled. Výkonnější modely umělé inteligence mohou roboty učinit flexibilnějšími, ale neodstraňují nutnost dodržování technických zásad.

Směr je jasný: robotika směřuje k modelům, které dokážou generalizovat napříč větším počtem úkolů, učit se na základě menšího počtu ukázek a přizpůsobovat se různým robotickým tělesům. Otevřené datové sady z oblasti robotiky, simulační nástroje a základní robotické modely usnadňují experimentování.

Nejpravděpodobnějším pokrokem v blízké budoucnosti nebude jeden univerzální domácí robot. Bude jím spíše vyšší míra autonomie ve skladech, továrnách, laboratořích, nemocnicích, zemědělských provozech, při kontrolních procesech a ve vozidlech, a také výkonnější výzkumné platformy pro humanoidní roboty a mobilní manipulátory.

Robotika založená na umělé inteligenci rovněž zvýší poptávku po infrastruktuře. Trénování robotických modelů může vyžadovat simulaci, grafické procesory (GPU), úložiště a vyhodnocovací procesy. Nasazení robotů může vyžadovat čipy pro inferenci na okraji sítě, síťové připojení, monitorování a spolehlivé aktualizace softwaru. Fyzická umělá inteligence je tedy součástí stejné infrastruktury jako modely, inferenční procesy, grafické procesory (GPU) a datová centra.