Πώς χρησιμοποιείται η τεχνητή νοημοσύνη στη ρομποτική;

Η ρομποτική τεχνητής νοημοσύνης, που μερικές φορές ονομάζεται «φυσική τεχνητή νοημοσύνη» ή «ενσωματωμένη τεχνητή νοημοσύνη», είναι η χρήση της τεχνητής νοημοσύνης για να βοηθήσει τις μηχανές να λειτουργούν στον φυσικό κόσμο. Αντί να δημιουργεί απλώς κείμενο ή εικόνες, το σύστημα πρέπει να συνδυάζει την αντίληψη, τη συλλογιστική και τη δράση.

Ένα ρομπότ μπορεί να χρησιμοποιεί κάμερες, αισθητήρες βάθους, αισθητήρες δύναμης, μικρόφωνα ή αισθητήρες θέσης για να κατανοήσει το περιβάλλον του. Τα μοντέλα τεχνητής νοημοσύνης μπορούν να βοηθήσουν στην ερμηνεία αυτών των σημάτων, στην αναγνώριση αντικειμένων, στην εκτέλεση οδηγιών, στον σχεδιασμό μιας διαδρομής, στην επιλογή τρόπου πιασίματος ή στον προσδιορισμό του πότε μια ενέργεια είναι επικίνδυνη.

Αυτό δεν σημαίνει ότι κάθε ρομπότ είναι ένα ανθρωποειδές γενικής χρήσης. Τα περισσότερα χρήσιμα ρομπότ σήμερα εξακολουθούν να είναι εξειδικευμένα: βραχίονες εργοστασίων, ρομπότ αποθηκών, συστήματα επιθεώρησης, χειρουργικά εργαλεία, drones, αυτόνομα οχήματα, ρομπότ διανομής ή μηχανήματα παροχής υπηρεσιών. Η τεχνητή νοημοσύνη διευρύνει το φάσμα των ερεθισμάτων που μπορούν να αντιλαμβάνονται και στα οποία μπορούν να προσαρμόζονται, αλλά ο εξοπλισμός και το περιβάλλον εξακολουθούν να παίζουν σημαντικό ρόλο.

Για ένα ρομπότ, η αντίληψη σημαίνει τη μετατροπή των ακατέργαστων δεδομένων των αισθητήρων σε μια χρήσιμη κατανόηση του περιβάλλοντος. Μια εικόνα από κάμερα από μόνη της αποτελείται μόνο από εικονοστοιχεία. Μια σάρωση με lidar αποτελείται μόνο από αποστάσεις. Ένας αισθητήρας δύναμης αποτελείται μόνο από αριθμούς. Η τεχνητή νοημοσύνη βοηθά στη μετατροπή αυτών των σημάτων σε αντικείμενα, επιφάνειες, εμπόδια, ανθρώπους, εργαλεία και καταστάσεις της εργασίας.

Τα μοντέλα υπολογιστικής όρασης μπορούν να ανιχνεύουν εξαρτήματα σε μια γραμμή συναρμολόγησης, να ελέγχουν ελαττώματα, να υπολογίζουν το βάθος, να παρακολουθούν ένα κινούμενο αντικείμενο ή να προσδιορίζουν το σημείο στο οποίο πρέπει να προσεγγίσει η αρπάγη ενός ρομπότ. Τα πολυτροπικά μοντέλα μπορούν να συνδυάζουν εικόνες με γλωσσικές οδηγίες, ενώ τα εξειδικευμένα μοντέλα αντίληψης μπορούν να εκτελούνται τοπικά στον εξοπλισμό του ρομπότ για τη λήψη αποφάσεων με χαμηλό χρόνο απόκρισης.

Η αντίληψη είναι επίσης το σημείο από όπου ξεκινά η αβεβαιότητα. Οι αλλαγές στον φωτισμό, οι αντανακλάσεις, οι αποκλείσεις, η σκόνη, η ακαταστασία και τα ασυνήθιστα αντικείμενα μπορούν να προκαλέσουν σύγχυση σε ένα μοντέλο. Ένα αξιόπιστο ρομπότ χρειάζεται ελέγχους αξιοπιστίας, εναλλακτικές συμπεριφορές και επίπεδα ασφάλειας, αντί να θεωρεί ότι κάθε αποτέλεσμα αντίληψης είναι σωστό.

Ένας από τους πιο δραστήριους τομείς στη ρομποτική τεχνητής νοημοσύνης είναι η σύνδεση της φυσικής γλώσσας με τις ενέργειες. Κάποιος μπορεί να πει, για παράδειγμα, «πάρε το μπλε κουτί» ή «μετακίνησε αυτά τα εξαρτήματα στον δίσκο ελέγχου». Το ρομπότ πρέπει να αντιστοιχίσει αυτή την οδηγία σε αντικείμενα, συντεταγμένες, σχέδια κίνησης και εντολές ελέγχου.

Τα μοντέλα «όραση-γλώσσα-δράση» έχουν σχεδιαστεί για να λειτουργούν ως τέτοια γέφυρα. Μπορούν να δέχονται οπτικά δεδομένα και μια γλωσσική εντολή και, στη συνέχεια, να παράγουν μια ενέργεια ή μια ακολουθία ενεργειών. Στην πράξη, τα μοντέλα αυτά συνήθως λειτουργούν σε συνδυασμό με ελεγκτές χαμηλότερου επιπέδου, περιορισμούς ασφαλείας και λογισμικό ειδικά σχεδιασμένο για ρομπότ, αντί να αντικαθιστούν ολόκληρο το ρομποτικό σύστημα.

Γι’ αυτό ακριβώς η ρομποτική με τεχνητή νοημοσύνη διαφέρει από ένα chatbot. Μια λανθασμένη πρόταση μπορεί να διορθωθεί, αλλά μια λανθασμένη κίνηση μπορεί να προκαλέσει ζημιά στον εξοπλισμό ή να θέσει σε κίνδυνο τους ανθρώπους. Το μοντέλο τεχνητής νοημοσύνης αποτελεί μόνο ένα επίπεδο ενός ευρύτερου συστήματος, το οποίο πρέπει να επαληθεύει τις ενέργειες πριν και κατά τη διάρκεια της εκτέλεσής τους.

Τα ρομπότ μπορούν να μάθουν από πολλά είδη δεδομένων: επιδείξεις από ανθρώπους, τηλεχειρισμό, αρχεία καταγραφής αισθητήρων, βίντεο, συνθετικές σκηνές, περιβάλλοντα προσομοίωσης και δοκιμές στον πραγματικό κόσμο. Ο στόχος είναι να εκτεθεί το μοντέλο σε επαρκή ποικιλία, ώστε να μπορεί να χειριστεί εργασίες πέρα από ένα σενάριο που έχει σχεδιαστεί με απόλυτη ακρίβεια.

Η προσομοίωση είναι ιδιαίτερα σημαντική, καθώς η συλλογή δεδομένων από φυσικά ρομπότ είναι αργή, δαπανηρή και, ενίοτε, επικίνδυνη. Μια προσομοιωμένη αποθήκη, ένας εργαστηριακός πάγκος ή μια μονάδα παραγωγής μπορεί να παράγει πολλά παραδείγματα, να δοκιμάσει σπάνιες ακραίες περιπτώσεις και να εκπαιδεύσει στρατηγικές πριν από την εφαρμογή τους σε πραγματικό υλικό.

Το δύσκολο σημείο είναι η μεταφορά. Μια συμπεριφορά που λειτουργεί στην προσομοίωση μπορεί να αποτύχει όταν μια πραγματική αρπάγη γλιστρήσει, ένα αντικείμενο είναι βαρύτερο από το αναμενόμενο ή αλλάζει ο φωτισμός. Γι’ αυτό οι ομάδες ρομποτικής συνδυάζουν την προσομοίωση με πραγματικά δεδομένα, αξιολόγηση, τελειοποίηση και συντηρητική εφαρμογή.

Τα ρομπότ που λειτουργούν με τεχνητή νοημοσύνη είναι ήδη χρήσιμα σε περιβάλλοντα όπου οι εργασίες είναι επαναλαμβανόμενες, δομημένες ή κρίσιμες για την ασφάλεια. Τα ρομπότ της μεταποιητικής βιομηχανίας μπορούν να επιθεωρούν εξαρτήματα, να βοηθούν στη συναρμολόγηση ή να χειρίζονται υλικά. Τα ρομπότ των αποθηκών μπορούν να κινούνται στους διαδρόμους, να μετακινούν αποθέματα και να υποστηρίζουν τις ροές εργασιών εκτέλεσης παραγγελιών.

Τα ρομπότ χρησιμοποιούνται επίσης στη γεωργία, την εξόρυξη, την εφοδιαστική, την ιατρική, τον αυτοματισμό εργαστηρίων, την επιθεώρηση υποδομών και τη δημόσια ασφάλεια. Σε πολλές περιπτώσεις, το πιο πολύτιμο σύστημα δεν είναι ένα ανθρωποειδές ρομπότ, αλλά ένα εξειδικευμένο ρομπότ που εκτελεί αξιόπιστα μία συγκεκριμένη εργασία σε ένα περιορισμένο περιβάλλον.

Τα ανθρωποειδή ρομπότ προσελκύουν το ενδιαφέρον, καθώς μπορούν να λειτουργούν σε χώρους που έχουν σχεδιαστεί για ανθρώπους. Ωστόσο, η ευρεία χρήση τους εξακολουθεί να είναι δύσκολη. Η ισορροπία, η επιδεξιότητα, η διάρκεια ζωής της μπαταρίας, το κόστος, η αξιοπιστία και η ασφάλεια παραμένουν σημαντικοί περιορισμοί, παρά τη βελτίωση της ποιότητας των μοντέλων και του υλικού.

Τα ψηφιακά συστήματα τεχνητής νοημοσύνης μπορούν να λειτουργούν εξ ολοκλήρου εντός κέντρων δεδομένων και προϊόντων λογισμικού. Η ρομποτική, από την άλλη, έχει να κάνει με τον φυσικό κόσμο: τριβή, βάρος, δύναμη, μεταβαλλόμενο φως, ανώμαλα δάπεδα, εύθραυστα αντικείμενα, ανθρώπους που κινούνται και υλικό που φθείρεται.

Η καθυστέρηση παίζει επίσης ρόλο. Ένα ρομπότ μπορεί να χρειαστεί να αντιδράσει σε χιλιοστά του δευτερολέπτου, όχι σε δευτερόλεπτα. Ορισμένες επεξεργασίες μπορούν να πραγματοποιηθούν στο cloud, αλλά πολλές αποφάσεις πρέπει να εκτελούνται απευθείας στη συσκευή ή κοντά στο ρομπότ, ώστε το σύστημα να παραμένει ανταποκρινόμενο ακόμη και όταν η σύνδεση είναι περιορισμένη.

Η ασφάλεια αποτελεί μια άλλη σημαντική διαφορά. Ένα ρομποτικό σύστημα απαιτεί αισθητήρες, διακόπτες έκτακτης ανάγκης, πιστοποιημένους ελεγκτές, άδειες, φυσικά όρια και ανθρώπινη εποπτεία. Τα πιο εξελιγμένα μοντέλα τεχνητής νοημοσύνης μπορούν να κάνουν τα ρομπότ πιο ευέλικτα, αλλά δεν καταργούν την ανάγκη για τεχνική πειθαρχία.

Η κατεύθυνση είναι σαφής: η ρομποτική εξελίσσεται προς μοντέλα που μπορούν να γενικεύουν τις γνώσεις τους σε περισσότερες εργασίες, να μαθαίνουν από λιγότερες επιδείξεις και να προσαρμόζονται σε διαφορετικά ρομποτικά σώματα. Τα ανοιχτά σύνολα δεδομένων ρομποτικής, τα εργαλεία προσομοίωσης και τα βασικά μοντέλα ρομπότ διευκολύνουν τον πειραματισμό.

Η πιο πιθανή πρόοδος στο άμεσο μέλλον δεν είναι η δημιουργία ενός ενιαίου οικιακού ρομπότ. Πρόκειται για τη βελτίωση της αυτονομίας σε αποθήκες, εργοστάσια, εργαστήρια, νοσοκομεία, αγροκτήματα, διαδικασίες επιθεώρησης και οχήματα, καθώς και για την ανάπτυξη πιο ικανών ερευνητικών πλατφορμών για ανθρωποειδή ρομπότ και κινητούς χειριστές.

Η ρομποτική τεχνητής νοημοσύνης θα αυξήσει επίσης τη ζήτηση για υποδομές. Η εκπαίδευση μοντέλων ρομπότ μπορεί να απαιτεί προσομοίωση, GPU, χώρο αποθήκευσης και διαδικασίες αξιολόγησης. Η ανάπτυξη ρομπότ μπορεί να απαιτεί τσιπ συμπερασμού στην άκρη του δικτύου, δικτύωση, παρακολούθηση και αξιόπιστες ενημερώσεις λογισμικού. Η φυσική τεχνητή νοημοσύνη αποτελεί, επομένως, μέρος του ίδιου πλαισίου υποδομών με τα μοντέλα, τον συμπερασμό, τις GPU και τα κέντρα δεδομένων.