Hogyan alkalmazzák a mesterséges intelligenciát a robotikában?

A mesterséges intelligencia robotika – amelyet néha fizikai mesterséges intelligenciának vagy megtestesült mesterséges intelligenciának is neveznek – a mesterséges intelligencia alkalmazását jelenti annak érdekében, hogy a gépek a fizikai világban is működhessenek. A rendszernek nem csupán szöveget vagy képeket kell generálnia, hanem össze kell kapcsolnia az észlelést, a gondolkodást és a cselekvést.

Egy robot kamerákat, mélységérzékelőket, erőérzékelőket, mikrofonokat vagy helyzetérzékelőket használhat annak érdekében, hogy megértse a környezetét. A mesterséges intelligencia modellek segíthetnek ezeknek a jeleknek a értelmezésében, tárgyak azonosításában, utasítások követésében, útvonal tervezésében, a megfelelő fogás kiválasztásában, illetve annak eldöntésében, hogy egy adott művelet veszélyes-e.

Ez nem jelenti azt, hogy minden robot általános célú humanoid lenne. A mai leghasznosabb robotok többsége továbbra is speciális feladatkörre van specializálva: gyári karok, raktári robotok, ellenőrző rendszerek, sebészeti eszközök, drónok, önvezető járművek, kézbesítő robotok vagy szolgáltató gépek. A mesterséges intelligencia kiszélesíti az érzékelési és alkalmazkodási képességeiket, de a hardver és a környezet továbbra is fontos szerepet játszik.

Egy robot számára az érzékelés azt jelenti, hogy az érzékelők nyers adatait a környezet hasznos megértésévé alakítja át. Egy kamerakép önmagában csupán pixelekből áll. Egy lidar-letapogatás csupán távolságokat tartalmaz. Egy erőérzékelő pedig csupán számokat ad vissza. A mesterséges intelligencia segít ezeket a jeleket tárgyakká, felületekké, akadályokká, emberekké, eszközökké és a feladat aktuális állapotává alakítani.

A számítógépes látásmodellek képesek felismerni a futószalagon lévő alkatrészeket, hibákat ellenőrizni, a mélységet becsülni, mozgó tárgyakat követni, illetve meghatározni, hová kell a robotfogónak közelednie. A multimodális modellek képesek a képeket nyelvi utasításokkal kombinálni, míg a speciális érzékelési modellek a robot hardverén helyileg futtathatók, így alacsony késleltetésű döntések hozhatók.

Az érzékelés az a pont is, ahol a bizonytalanság kezdődik. A változó fényviszonyok, a tükröződések, az eltakarások, a por, a rendetlenség és a szokatlan tárgyak megzavarhatják a modellt. Egy megbízható robotnak biztonsági ellenőrzésekre, tartalék viselkedési mintákra és biztonsági rétegekre van szüksége, ahelyett, hogy minden érzékelési eredményt helyesnek venné.

A mesterséges intelligencia robotikájának egyik legaktívabb területe a természetes nyelv és a cselekvések összekapcsolása. Előfordulhat, hogy valaki azt mondja: „Vedd fel a kék dobozt!” vagy „Tedd ezeket az alkatrészeket az ellenőrző tálcára!”. A robotnak ezt az utasítást tárgyakra, koordinátákra, mozgási tervekre és vezérlőparancsokra kell leképeznie.

A „látás–nyelv–cselekvés” modelleket éppen ilyen típusú összekötő szerepre tervezték. Képesek feldolgozni a vizuális bemenetet és a nyelvi utasítást, majd egy cselekvést vagy cselekvéssorozatot generálni. A gyakorlatban ezek a modellek általában alacsonyabb szintű vezérlőkkel, biztonsági korlátozásokkal és robot-specifikus szoftverekkel működnek együtt, ahelyett, hogy a teljes robotikai rendszert felváltanák.

Éppen ezért különbözik a mesterséges intelligenciával működő robotika a csevegőrobottól. Egy hibás mondat kijavítható, de egy hibás mozdulat károsíthatja a berendezéseket vagy veszélybe sodorhatja az embereket. A mesterséges intelligencia-modell csupán egy réteg egy nagyobb rendszerben, amelynek a végrehajtás előtt és közben is ellenőriznie kell a műveleteket.

A robotok sokféle adatból képesek tanulni: emberi bemutatókból, távvezérlésből, érzékelőnaplókból, videókból, szintetikus jelenetekből, szimulációs környezetekből és valós körülmények között végzett kísérletekből. A cél az, hogy a modellt olyan mértékű változatosságnak tegyük ki, hogy képes legyen olyan feladatokat is megoldani, amelyek nem egy tökéletesen előre megírt helyzet keretein belül zajlanak.

A szimuláció azért különösen fontos, mert a robotokról származó fizikai adatok gyűjtése lassú, költséges és néha kockázatos is. Egy szimulált raktár, laborasztal vagy gyártócellában számos példa generálható, ritka szélsőséges esetek tesztelhetők, és a stratégiák betaníthatók, mielőtt azokat valódi hardveren alkalmaznák.

A legnehezebb rész az átültetés. Egy viselkedés, amely szimulációban jól működik, kudarcot vallhat, ha a valódi fogó megcsúszik, a tárgy a vártnál nehezebb, vagy megváltozik a megvilágítás. Éppen ezért a robotikai csapatok a szimulációt valós adatokkal, értékeléssel, finomhangolással és óvatos bevezetéssel kombinálják.

A mesterséges intelligenciával működő robotok máris hasznosak olyan környezetekben, ahol a feladatok ismétlődőek, strukturáltak vagy biztonsági szempontból kritikusak. A gyártási robotok alkatrészeket vizsgálhatnak, segíthetnek az összeszerelésben vagy anyagokat kezelhetnek. A raktári robotok a folyosókon közlekedhetnek, árukat mozgathatnak és támogathatják a rendelés-teljesítési munkafolyamatokat.

A robotokat a mezőgazdaságban, a bányászatban, a logisztikában, az orvostudományban, a laboratóriumi automatizálásban, az infrastruktúra-ellenőrzésben és a közbiztonság területén is alkalmazzák. Sok esetben nem a humanoid robot a legértékesebb rendszer, hanem egy speciális robot, amely egy adott feladatot megbízhatóan végrehajt egy korlátozott környezetben.

A humanoid robotok azért keltik fel a figyelmet, mert olyan terekben is működhetnek, amelyeket emberek számára terveztek. Széles körű bevezetésük azonban továbbra is nehézségekbe ütközik. Az egyensúly, a kézügyesség, az akkumulátor-élettartam, a költségek, a megbízhatóság és a biztonság továbbra is jelentős korlátozó tényezők, még akkor is, ha a modellek minősége és a hardver folyamatosan javul.

A digitális mesterséges intelligencia-rendszerek teljes egészükben adatközpontokban és szoftvertermékeken belül működhetnek. A robotika viszont a fizikai világgal kell megbirkózzon: súrlódással, tömeggel, erővel, változó fényviszonyokkal, egyenetlen padlóval, törékeny tárgyakkal, mozgó emberekkel és elhasználódó hardverrel.

A késleltetés is fontos szempont. Előfordulhat, hogy egy robotnak milliszekundumok alatt kell reagálnia, nem pedig másodpercek alatt. Bizonyos következtetések levonása a felhőben is megtörténhet, de sok döntést magán az eszközön vagy a robot közelében kell végrehajtani, hogy a rendszer akkor is gyorsan reagáljon, ha a kapcsolat korlátozott.

A biztonság egy másik jelentős különbség. Egy robotikai rendszerhez érzékelők, vészleállítók, hitelesített vezérlők, engedélyek, fizikai korlátok és emberi felügyelet szükséges. A fejlettebb mesterséges intelligencia-modellek rugalmasabbá tehetik a robotokat, de nem szüntetik meg a mérnöki fegyelem szükségességét.

Az irány egyértelmű: a robotika olyan modellek felé halad, amelyek több feladatra is általánosíthatók, kevesebb bemutatóból képesek tanulni, és különböző robotvázakhoz is alkalmazkodni tudnak. A nyílt robotikai adatkészletek, a szimulációs eszközök és a robot-alapmodellek megkönnyítik a kísérletezést.

A legvalószínűbb rövid távú fejlődés nem egy univerzális háztartási robot megjelenése lesz. Inkább a raktárakban, gyárakban, laboratóriumokban, kórházakban, mezőgazdasági üzemekben, az ellenőrzési munkafolyamatokban és a járművekben megvalósuló nagyobb fokú autonómia, valamint a humanoidok és a mobil manipulátorok számára kifejlesztett, nagyobb képességű kutatási platformok jelentik majd a fejlődést.

A mesterséges intelligencia-alapú robotika szintén növelni fogja az infrastruktúra iránti keresletet. A robotmodellek betanítása szimulációt, GPU-kat, tárolókapacitást és értékelési folyamatokat igényelhet. A robotok üzembe helyezése pedig peremhálózati következtetési chipeket, hálózati megoldásokat, felügyeletet és megbízható szoftverfrissítéseket igényelhet. A fizikai mesterséges intelligencia tehát ugyanazon infrastruktúra-kontextus részét képezi, mint a modellek, a következtetés, a GPU-k és az adatközpontok.