W jaki sposób sztuczna inteligencja znajduje zastosowanie w robotyce?

Robotyka oparta na sztucznej inteligencji, nazywana czasem fizyczną sztuczną inteligencją lub ucieleśnioną sztuczną inteligencją, polega na wykorzystaniu sztucznej inteligencji w celu ułatwienia maszynom funkcjonowania w świecie fizycznym. System ten nie ogranicza się jedynie do generowania tekstu lub obrazów, lecz musi łączyć percepcję, rozumowanie i działanie.

Robot może wykorzystywać kamery, czujniki głębokości, czujniki siły, mikrofony lub czujniki położenia, aby zorientować się w otoczeniu. Modele sztucznej inteligencji mogą pomóc w interpretacji tych sygnałów, identyfikacji obiektów, wykonywaniu poleceń, planowaniu trasy, wyborze sposobu chwytu lub ocenie, kiedy dane działanie jest niebezpieczne.

Nie oznacza to jednak, że każdy robot jest humanoidem o wszechstronnym zastosowaniu. Większość obecnie użytecznych robotów to wciąż urządzenia specjalistyczne: ramiona fabryczne, roboty magazynowe, systemy kontrolne, narzędzia chirurgiczne, drony, pojazdy autonomiczne, roboty dostawcze czy maszyny usługowe. Sztuczna inteligencja poszerza zakres tego, co mogą one postrzegać i do czego mogą się dostosowywać, ale sprzęt i otoczenie nadal mają znaczenie.

Dla robota percepcja oznacza przekształcanie surowych danych z czujników w użyteczną wiedzę o otoczeniu. Sam obraz z kamery to tylko piksele. Skan z lidaru to tylko odległości. Czujnik siły to tylko liczby. Sztuczna inteligencja pomaga przekształcić te sygnały w obiekty, powierzchnie, przeszkody, ludzi, narzędzia i stany zadania.

Modele wizji komputerowej mogą wykrywać elementy na linii montażowej, sprawdzać obecność wad, szacować głębokość, śledzić poruszający się obiekt lub określać, gdzie chwytak robota powinien się zbliżyć. Modele multimodalne potrafią łączyć obrazy z instrukcjami językowymi, natomiast wyspecjalizowane modele percepcyjne mogą działać lokalnie na sprzęcie robota, umożliwiając podejmowanie decyzji z niewielkim opóźnieniem.

Właśnie w procesie postrzegania rodzi się niepewność. Zmiany oświetlenia, odbicia, zasłonięcia, kurz, bałagan i nietypowe przedmioty mogą dezorientować model. Niezawodny robot wymaga mechanizmów sprawdzania poprawności, zachowań awaryjnych oraz warstw zabezpieczeń, zamiast zakładać, że każdy wynik postrzegania jest prawidłowy.

Jednym z najbardziej dynamicznie rozwijających się obszarów robotyki opartej na sztucznej inteligencji jest powiązanie języka naturalnego z działaniami. Człowiek może powiedzieć na przykład: „podnieś niebieskie pudełko” lub „przenieś te części na tacę kontrolną”. Robot musi przełożyć tę instrukcję na obiekty, współrzędne, plany ruchu i polecenia sterujące.

Modele typu „wizja-język-działanie” zostały zaprojektowane właśnie z myślą o tego rodzaju połączeniu. Potrafią one przetwarzać sygnały wizualne oraz polecenia językowe, a następnie generować działanie lub sekwencję działań. W praktyce modele te zazwyczaj współpracują z kontrolerami niższego poziomu, ograniczeniami bezpieczeństwa oraz oprogramowaniem specyficznym dla danego robota, a nie zastępują cały stos robotyczny.

Właśnie dlatego robotyka oparta na sztucznej inteligencji różni się od chatbota. Błędne zdanie można poprawić, ale błędny ruch może spowodować uszkodzenie sprzętu lub narazić ludzi na niebezpieczeństwo. Model sztucznej inteligencji stanowi jedynie jedną z warstw większego systemu, który musi weryfikować działania przed ich wykonaniem oraz w trakcie ich realizacji.

Roboty mogą uczyć się na podstawie wielu rodzajów danych: demonstracji wykonywanych przez ludzi, teleoperacji, zapisów z czujników, nagrań wideo, scen syntetycznych, środowisk symulacyjnych oraz prób przeprowadzonych w rzeczywistych warunkach. Celem jest zapewnienie modelowi wystarczającej różnorodności, aby mógł on radzić sobie z zadaniami wykraczającymi poza jeden, idealnie zaplanowany scenariusz.

Symulacja ma szczególne znaczenie, ponieważ gromadzenie danych z rzeczywistych robotów jest procesem powolnym, kosztownym, a czasem ryzykownym. Symulowany magazyn, stanowisko laboratoryjne lub komórka produkcyjna pozwalają wygenerować wiele przykładów, przetestować rzadkie przypadki skrajne oraz wyszkolić algorytmy przed ich wdrożeniem na rzeczywistym sprzęcie.

Najtrudniejsze jest przeniesienie wyników z symulacji do rzeczywistości. Zachowanie, które sprawdza się w symulacji, może zawieść, gdy chwytak poślizgnie się, obiekt okaże się cięższy niż oczekiwano lub zmieni się oświetlenie. Dlatego zespoły zajmujące się robotyką łączą symulację z danymi rzeczywistymi, oceną, dopracowywaniem i ostrożnym wdrażaniem.

Roboty oparte na sztucznej inteligencji już teraz sprawdzają się w środowiskach, w których zadania mają charakter powtarzalny, ustrukturyzowany lub mają kluczowe znaczenie dla bezpieczeństwa. Roboty produkcyjne mogą przeprowadzać kontrolę części, wspomagać montaż lub przenosić materiały. Roboty magazynowe potrafią poruszać się po korytarzach, przemieszczać towary i wspierać procesy realizacji zamówień.

Roboty znajdują również zastosowanie w rolnictwie, górnictwie, logistyce, medycynie, automatyzacji laboratoriów, kontroli infrastruktury oraz bezpieczeństwie publicznym. W wielu przypadkach najcenniejszym systemem nie jest robot humanoidalny, lecz wyspecjalizowany robot, który niezawodnie wykonuje jedno zadanie w ściśle określonym środowisku.

Roboty humanoidalne przyciągają uwagę, ponieważ mogą funkcjonować w przestrzeniach przeznaczonych dla ludzi. Nadal jednak trudno jest je wdrożyć na szeroką skalę. Równowaga, zręczność, żywotność baterii, koszt, niezawodność i bezpieczeństwo pozostają głównymi ograniczeniami, mimo że jakość modeli i sprzętu ulega poprawie.

Cyfrowe systemy oparte na sztucznej inteligencji mogą działać wyłącznie w centrach danych i oprogramowaniu. Robotyka natomiast musi radzić sobie ze światem fizycznym: tarciem, ciężarem, siłą, zmiennym oświetleniem, nierównymi podłogami, delikatnymi przedmiotami, poruszającymi się ludźmi oraz zużywającym się sprzętem.

Ważne jest również opóźnienie. Robot może musieć reagować w ciągu milisekund, a nie sekund. Niektóre operacje wnioskowania mogą odbywać się w chmurze, ale wiele decyzji musi być realizowanych bezpośrednio na urządzeniu lub w pobliżu robota, aby system zachował szybkość reakcji nawet przy ograniczonej łączności.

Kolejną istotną różnicą jest bezpieczeństwo. System robotyczny wymaga czujników, wyłączników awaryjnych, certyfikowanych sterowników, uprawnień, fizycznych ograniczeń oraz nadzoru ze strony człowieka. Bardziej zaawansowane modele sztucznej inteligencji mogą zwiększyć elastyczność robotów, ale nie eliminują one konieczności stosowania zasad inżynierii.

Kierunek jest jasny: robotyka zmierza w stronę modeli, które potrafią uogólniać wiedzę na wiele zadań, uczyć się na podstawie mniejszej liczby demonstracji i dostosowywać się do różnych konstrukcji robotów. Otwarte zbiory danych dotyczących robotyki, narzędzia symulacyjne oraz podstawowe modele robotów ułatwiają prowadzenie eksperymentów.

Najbardziej prawdopodobnym osiągnięciem w najbliższej przyszłości nie jest jeden uniwersalny robot domowy. Będzie to raczej większa autonomia w magazynach, fabrykach, laboratoriach, szpitalach, gospodarstwach rolnych, procesach kontrolnych i pojazdach, a także bardziej zaawansowane platformy badawcze dla humanoidów i mobilnych manipulatorów.

Robotyka oparta na sztucznej inteligencji spowoduje również wzrost zapotrzebowania na infrastrukturę. Trenowanie modeli robotów może wymagać symulacji, procesorów graficznych (GPU), pamięci masowej oraz procesów oceny. Wdrażanie robotów może wymagać chipów do wnioskowania brzegowego, sieci, monitorowania oraz niezawodnych aktualizacji oprogramowania. Fizyczna sztuczna inteligencja stanowi zatem część tej samej infrastruktury, co modele, wnioskowanie, procesory graficzne (GPU) i centra danych.