Ako sa umelá inteligencia využíva v robotike?

Robotika založená na umelej inteligencii, niekedy nazývaná aj fyzická umelá inteligencia alebo stelesnená umelá inteligencia, spočíva vo využívaní umelej inteligencie na to, aby stroje mohli fungovať vo fyzickom svete. Systém sa neobmedzuje len na generovanie textu alebo obrázkov, ale musí prepojiť vnímanie, uvažovanie a konanie.

Robot môže využívať kamery, snímače hĺbky, snímače sily, mikrofóny alebo snímače polohy, aby pochopil, čo sa nachádza v jeho okolí. Modely umelej inteligencie môžu pomôcť interpretovať tieto signály, identifikovať objekty, plniť pokyny, naplánovať trasu, zvoliť spôsob uchopenia alebo rozhodnúť, kedy je určitá činnosť nebezpečná.

To však neznamená, že každý robot je univerzálny humanoid. Najužitočnejšie roboty sú dnes stále špecializované: priemyselné ramená, skladové roboty, kontrolné systémy, chirurgické nástroje, drony, autonómne vozidlá, doručovacie roboty alebo servisné stroje. Umelá inteligencia rozširuje rozsah toho, čo dokážu vnímať a na čo sa dokážu prispôsobiť, avšak hardvér a prostredie stále zohrávajú dôležitú úlohu.

Pre robota znamená vnímanie premenu surových údajov zo senzorov na užitočné pochopenie okolia. Samotný obraz z kamery pozostáva len z pixelov. Lidarový sken obsahuje iba vzdialenosti. Senzor sily poskytuje len čísla. Umelá inteligencia pomáha tieto signály premeniť na objekty, povrchy, prekážky, ľudí, nástroje a stavy úlohy.

Modely počítačového videnia dokážu detekovať súčiastky na montážnej linke, kontrolovať chyby, odhadovať hĺbku, sledovať pohybujúci sa objekt alebo určiť, kam by sa mal robotický uchopovač priblížiť. Multimodálne modely dokážu kombinovať obrázky s jazykovými pokynmi, zatiaľ čo špecializované modely vnímania môžu bežať lokálne na hardvéri robota, čo umožňuje prijímať rozhodnutia s nízkou latenciou.

Práve vnímanie je tiež zdrojom neistoty. Zmeny osvetlenia, odrazy, zakrytie, prach, neporiadok a nezvyčajné predmety môžu model zmiasť. Spoľahlivý robot potrebuje kontroly správnosti, náhradné správanie a bezpečnostné vrstvy, namiesto toho, aby predpokladal, že každý výsledok vnímania je správny.

Jednou z najaktívnejších oblastí v oblasti robotiky s umelou inteligenciou je prepojenie prirodzeného jazyka s činnosťami. Človek môže povedať napríklad: „Zdvihni modrú krabicu“ alebo „Presuň tieto diely na kontrolný podnos.“ Robot musí túto inštrukciu priradiť k objektom, súradniciam, pohybovým plánom a riadiacim príkazom.

Modely typu „videnie-jazyk-akcia“ sú určené práve na tento druh prepojenia. Dokážu spracovať vizuálny vstup a jazykový príkaz a následne vykonať akciu alebo sled akcií. V praxi tieto modely zvyčajne spolupracujú s riadiacimi jednotkami nižšej úrovne, bezpečnostnými obmedzeniami a softvérom špecifickým pre daného robota, namiesto toho, aby nahrádzali celú robotickú architektúru.

Preto sa robotika s umelou inteligenciou líši od chatbota. Chybnú vetu je možné opraviť, avšak nesprávny pohyb môže poškodiť zariadenie alebo ohroziť ľudí. Model umelej inteligencie je len jednou vrstvou v rozsiahlejšom systéme, ktorý musí overovať akcie pred ich vykonaním aj počas neho.

Roboty sa môžu učiť z mnohých druhov údajov: z ukážok ľudí, diaľkového ovládania, záznamov zo senzorov, videí, syntetických scén, simulačných prostredí a skúšok v reálnom svete. Cieľom je vystaviť model dostatočnej variabilite, aby dokázal zvládnuť úlohy aj mimo jedného dokonale naplánovaného scenára.

Simulácia je obzvlášť dôležitá, pretože zber fyzických údajov o robotoch je pomalý, nákladný a niekedy aj riskantný. Simulovaný sklad, laboratórny stôl alebo výrobná bunka môžu generovať množstvo príkladov, otestovať zriedkavé okrajové prípady a vytrénovať postupy ešte pred ich nasadením na skutočnom hardvéri.

Najťažšou časťou je prenos. Správanie, ktoré funguje v simulácii, môže zlyhať, ak sa skutočný uchopovač pošmykne, objekt je ťažší, než sa očakávalo, alebo sa zmení osvetlenie. Preto tímy zaoberajúce sa robotikou kombinujú simuláciu so skutočnými údajmi, vyhodnocovaním, jemným doladením a opatrným nasadením.

Roboty s umelou inteligenciou sa už dnes osvedčujú v prostrediach, kde sú úlohy opakované, štruktúrované alebo kritické z hľadiska bezpečnosti. Výrobné roboty dokážu kontrolovať súčiastky, pomáhať pri montáži alebo manipulovať s materiálmi. Skladové roboty sa dokážu pohybovať po uličkách, presúvať tovar a podporovať procesy vybavovania objednávok.

Roboty sa využívajú aj v poľnohospodárstve, baníctve, logistike, medicíne, laboratórnej automatizácii, pri kontrole infraštruktúry a v oblasti verejnej bezpečnosti. V mnohých prípadoch nie je najcennejším systémom humanoid, ale špecializovaný robot, ktorý spoľahlivo vykonáva jednu úlohu v obmedzenom prostredí.

Humanoidné roboty vzbudzujú pozornosť, pretože by mohli fungovať v priestoroch určených pre ľudí. Ich široké nasadenie je však stále náročné. Rovnováha, zručnosť, výdrž batérie, náklady, spoľahlivosť a bezpečnosť zostávajú hlavnými obmedzeniami, aj napriek tomu, že sa kvalita modelov a hardvér neustále zlepšujú.

Digitálne systémy umelej inteligencie môžu fungovať výlučne v rámci dátových centier a softvérových produktov. Robotika sa musí vyrovnať s fyzickým svetom: s trením, hmotnosťou, silou, meniacim sa osvetlením, nerovnými podlahami, krehkými predmetmi, pohybujúcimi sa ľuďmi a hardvérom, ktorý sa opotrebúva.

Dôležitá je aj latencia. Robot môže musieť reagovať v milisekundách, nie v sekundách. Niektoré výpočty sa môžu vykonávať v cloude, ale mnohé rozhodnutia sa musia vykonávať priamo v zariadení alebo v blízkosti robota, aby systém zostal pohotový aj v prípade obmedzeného pripojenia.

Ďalším významným rozdielom je bezpečnosť. Robotický systém vyžaduje senzory, núdzové zastavenia, certifikované riadiace jednotky, povolenia, fyzické obmedzenia a ľudský dohľad. Výkonnejšie modely umelej inteligencie môžu zvýšiť flexibilitu robotov, avšak neodstraňujú potrebu dodržiavania technických predpisov.

Smer je jasný: robotika sa uberá smerom k modelom, ktoré dokážu zovšeobecňovať na väčší počet úloh, učiť sa na základe menšieho počtu ukážok a prispôsobovať sa rôznym robotickým telám. Otvorené súbory údajov v oblasti robotiky, simulačné nástroje a základné modely robotov uľahčujú experimentovanie.

Najpravdepodobnejším pokrokom v blízkej budúcnosti nebude jeden univerzálny domáci robot. Bude to skôr vyššia autonómia v skladoch, továrňach, laboratóriách, nemocniciach, poľnohospodárskych podnikoch, pri kontrolných procesoch a vo vozidlách, ako aj výkonnejšie výskumné platformy pre humanoidov a mobilné manipulátory.

Robotika založená na umelej inteligencii tiež zvýši dopyt po infraštruktúre. Trénovanie robotických modelov môže vyžadovať simuláciu, grafické procesory (GPU), úložisko a vyhodnocovacie procesy. Nasadenie robotov môže vyžadovať čipy pre inferenciu na okraji siete, sieťové pripojenie, monitorovanie a spoľahlivé aktualizácie softvéru. Fyzická umelá inteligencia je preto súčasťou tej istej infraštruktúry ako modely, inferencia, grafické procesory a dátové centrá.