Kaip DI naudojamas robotikoje?

DI robotika, kartais vadinama fiziniu DI arba įkūnytu DI, reiškia dirbtinio intelekto naudojimą mašinoms, veikiančioms fiziniame pasaulyje. Sistema turi ne tik generuoti tekstą ar vaizdus, bet ir susieti suvokimą, samprotavimą ir veiksmą.

Robotas gali naudoti kameras, gylio jutiklius, jėgos jutiklius, mikrofonus ar padėties jutiklius, kad suprastų aplinką. DI modeliai padeda interpretuoti šiuos signalus, atpažinti objektus, vykdyti nurodymus, planuoti kelią, pasirinkti sugriebimą arba nustatyti, kada veiksmas nesaugus.

Tai nereiškia, kad kiekvienas robotas yra universalus humanoidas. Dauguma šiandien naudingų robotų vis dar specializuoti: gamykliniai manipuliatoriai, sandėlių robotai, tikrinimo sistemos, chirurginiai įrankiai, dronai, autonominės transporto priemonės, pristatymo robotai ar paslaugų įrenginiai. DI išplečia jų suvokimą ir prisitaikymą, bet aparatinė įranga ir aplinka išlieka labai svarbios.

Robotui suvokimas reiškia neapdorotų jutiklių duomenų pavertimą naudingu aplinkos supratimu. Kameros vaizdas tėra pikseliai, lidar skenavimas tėra atstumai, o jėgos jutiklis tėra skaičiai. DI padeda šiuos signalus paversti objektais, paviršiais, kliūtimis, žmonėmis, įrankiais ir užduoties būsenomis.

Kompiuterinės regos modeliai gali aptikti detales surinkimo linijoje, tikrinti defektus, įvertinti gylį, sekti judantį objektą ar nustatyti, iš kur turėtų artėti griebtuvas. Multimodaliniai modeliai gali jungti vaizdus su kalbiniais nurodymais, o specializuoti suvokimo modeliai gali veikti vietoje roboto įrangoje, kai reikia mažos delsos.

Suvokimas taip pat yra vieta, kur prasideda neapibrėžtumas. Apšvietimo pokyčiai, atspindžiai, uždengimai, dulkės, netvarka ir neįprasti objektai gali suklaidinti modelį. Patikimam robotui reikia pasitikėjimo patikrų, atsarginių veiksmų ir saugos sluoksnių, o ne prielaidos, kad kiekvienas suvokimo rezultatas teisingas.

Viena aktyviausių DI robotikos sričių yra natūralios kalbos susiejimas su veiksmais. Žmogus gali pasakyti: „paimk mėlyną dėžę“ arba „perkelk šias detales į tikrinimo padėklą“. Robotas turi paversti tokį nurodymą objektais, koordinatėmis, judėjimo planais ir valdymo komandomis.

Regos, kalbos ir veiksmo modeliai skirti tokiam tiltui. Jie gali priimti vaizdinę įvestį ir kalbinį nurodymą, tada sugeneruoti veiksmą arba veiksmų seką. Praktikoje šie modeliai paprastai veikia kartu su žemesnio lygio valdikliais, saugos ribojimais ir robotui pritaikyta programine įranga, o ne pakeičia visą robotikos sistemą.

Todėl DI robotika skiriasi nuo pokalbių roboto. Neteisingą sakinį galima pataisyti, bet neteisingas judesys gali sugadinti įrangą arba kelti pavojų žmonėms. DI modelis yra tik vienas didesnės sistemos sluoksnis, kuris turi tikrinti veiksmus prieš vykdymą ir jo metu.

Robotai gali mokytis iš daugelio duomenų rūšių: žmonių demonstracijų, nuotolinio valdymo, jutiklių žurnalų, vaizdo įrašų, sintetinių scenų, simuliacijos aplinkų ir realių bandymų. Tikslas yra parodyti modeliui pakankamai įvairovės, kad jis galėtų veikti ne vien idealiai suprogramuotoje situacijoje.

Simuliacija ypač svarbi, nes fizinių robotų duomenis rinkti lėta, brangu ir kartais rizikinga. Simuliuotas sandėlis, laboratorinis stalas ar gamyklos celė gali sugeneruoti daug pavyzdžių, išbandyti retus kraštinius atvejus ir treniruoti politiką prieš diegimą realioje įrangoje.

Sunkioji dalis yra perkėlimas. Simuliacijoje veikiantis elgesys gali nepavykti, kai realus griebtuvas slysta, objektas yra sunkesnis nei tikėtasi arba pasikeičia apšvietimas. Todėl robotikos komandos jungia simuliaciją su realiais duomenimis, vertinimu, fine-tuning ir atsargiu diegimu.

DI valdomi robotai jau naudingi aplinkose, kur užduotys kartojasi, yra struktūruotos arba svarbios saugai. Gamybos robotai gali tikrinti detales, padėti surinkti gaminius ar tvarkyti medžiagas. Sandėlių robotai gali judėti praėjimais, perkelti atsargas ir padėti vykdyti užsakymus.

Robotai taip pat naudojami žemės ūkyje, kasyboje, logistikoje, medicinoje, laboratorijų automatizavime, infrastruktūros patikrose ir viešajame saugume. Dažnai vertingiausia sistema nėra humanoidas, o specializuotas robotas, patikimai atliekantis vieną darbą ribotoje aplinkoje.

Humanoidiniai robotai patraukia dėmesį, nes galėtų veikti žmonėms sukurtose erdvėse. Tačiau juos vis dar sunku plačiai diegti. Pusiausvyra, vikrumas, baterijos veikimo laikas, kaina, patikimumas ir sauga tebėra dideli apribojimai, net gerėjant modeliams ir įrangai.

Skaitmeninės DI sistemos gali veikti vien duomenų centruose ir programiniuose produktuose. Robotika turi susidurti su fiziniu pasauliu: trintimi, svoriu, jėga, kintančiu apšvietimu, nelygiomis grindimis, trapiais objektais, judančiais žmonėmis ir dėvima įranga.

Svarbi ir delsa. Robotui gali reikėti reaguoti milisekundėmis, o ne sekundėmis. Dalis inferencijos gali vykti debesijoje, bet daug sprendimų turi būti vykdomi įrenginyje arba arti roboto, kad sistema išliktų greita net riboto ryšio sąlygomis.

Sauga yra dar vienas didelis skirtumas. Robotikos sistemai reikia jutiklių, avarinio stabdymo, patikrintų valdiklių, leidimų, fizinių ribų ir žmogaus priežiūros. Galingesni DI modeliai gali padaryti robotus lankstesnius, bet nepanaikina griežtos inžinerinės disciplinos poreikio.

Kryptis aiški: robotika juda link modelių, kurie gali apibendrinti daugiau užduočių, mokytis iš mažiau demonstracijų ir prisitaikyti prie skirtingų robotų kūnų. Atviri robotikos duomenų rinkiniai, simuliacijos įrankiai ir robotų pamatiniai modeliai palengvina eksperimentavimą.

Artimiausiu metu labiausiai tikėtina pažanga nėra vienas universalus namų robotas. Tai geresnė autonomija sandėliuose, gamyklose, laboratorijose, ligoninėse, ūkiuose, patikros procesuose ir transporto priemonėse, taip pat pajėgesnės tyrimų platformos humanoidams ir mobiliems manipuliatoriams.

DI robotika taip pat didins infrastruktūros poreikį. Robotų modelių treniravimui gali reikėti simuliacijos, GPU, saugyklos ir vertinimo srautų. Robotų diegimui gali reikėti kraštinės inferencijos lustų, tinklų, stebėsenos ir patikimų programinės įrangos atnaujinimų. Todėl fizinis DI priklauso tai pačiai infrastruktūros istorijai kaip modeliai, inferencija, GPU ir datacentrai.