I když robotici dokázali přimět roboty, aby v laboratoři dělali působivé věci, jako je parkour, vše bylo pečlivě naplánováno, aby se rozvinulo v přísně kontrolovaném prostředí. Autonomně pracující robot ve vaší domácnosti je stále poněkud znepokojující, zejména v domácnostech s dětmi a domácími mazlíčky. Domy se navíc liší designem a uspořádání místností a objektů je ještě rozmanitější.
Mezi odborníky na robotiku existuje široce uznávaný názor známý jako „Moravcův paradox“: co je těžké pro lidi, je snadné pro stroje, a co je snadné pro lidi, je těžké pro stroje. To se ale díky umělé inteligenci (AI) mění. Roboti začínají být schopni provádět úkoly, jako je skládání prádla, vaření a vykládání nákupních košíků, které byly ještě nedávno považovány za téměř nemožné pro roboty.
Podle nejnovějšího vydání MIT Technology Review je robotika jako obor v inflexním bodě: roboti se stěhují z laboratoře do milionů domácností. Robotika je na pokraji svého vlastního vrcholu.
Domácí roboti nemohou být příliš drahí
Roboti byli v minulosti synonymem toho, že jsou drahí, s vysoce komplexními modely, které stály stovky tisíc dolarů, takže byly pro většinu rodin nedostupné. Například PR2, jedna z prvních iterací domácího robota, vážil 200 kilogramů a stál 400 $,000 USD.
Naštěstí postupně vzniká nová generace levnějších robotů. Stretch3, nový domácí robot vyvinutý americkým startupem HelloRobot, má mnohem rozumnější cenu 24 950 dolarů a váží 24,5 kilogramu. Má malou mobilní základnu, joystick, na kterém visí kamera, nastavitelné rameno a držák s přísavkou na konci, který lze ovládat ovladačem.
Mezitím tým výzkumníků ze Stanfordské univerzity v USA vybudoval systém nazvaný MobileALOHA (Low-Cost Open Source Hardware for Remote Operation), který umožňuje robotovi naučit se vařit krevety s pomocí pouhých 20 kusů dat, včetně lidských. demonstrace. Tým použil běžně dostupné komponenty k sestavení cenově výhodnějšího robota, i když to také stálo desítky tisíc dolarů, ale předchozí podobné modely mohly klidně stát stovky tisíc dolarů.
Umělá inteligence vytváří „univerzální robotický mozek“
To, co tyto nové roboty odděluje od jejich „předchůdců“, je ve skutečnosti jejich software. Díky boomu umělé inteligence se nyní těžiště technologií přesouvá od drahých robotů dosahujících fyzické obratnosti k neuronovým sítím, které budují „univerzální robotický mozek“.
Odborníci na robotiku využívají hluboké učení a neuronové sítě k vytvoření „mozkových“ systémů, které se dokážou učit z prostředí a podle toho upravovat chování robotů v aplikacích, spíše než tradiční pečlivé plánování a pečlivé školení.
V létě 2023 společnost Google představila RT-2, model vize-verbální akční, který získává obecné porozumění světu z online textu a obrázků používaných pro školení a také z vlastních interakcí, a překládá to data do robotických akcí.
Výzkumný ústav Toyota, Kolumbijská univerzita a tým MIT již učí roboty rychle mnoha novým úkolům pomocí techniky učení umělé inteligence zvané imitační učení a také generativní umělé inteligence. Tento přístup posune expanzi generativních technik umělé inteligence z oblasti textu, obrázků a videa do oblasti pohybu robotů.
Covariant, startup, který vyrostl z dnes již zrušené divize výzkumu robotiky OpenAI, místo toho vytvořil multimodální model RFM-1, který přijímá podněty z textu, obrázků, videa a příkazů robota. Generativní umělá inteligence umožňuje robotům porozumět pokynům a vytvářet obrázky nebo videa související s těmito úkoly.
Více dat plodí chytřejší roboty
Síla velkých modelů umělé inteligence, jako je GPT-4, spočívá v hromadění velkého množství dat z internetu, ale to neplatí pro roboty, kteří potřebují data shromážděná speciálně pro ně. Potřebují fyzické ukázky, jak otevírat pračky a ledničky, zvednout talíř nebo skládat prádlo. Právě teď jsou tato data velmi vzácná a jejich sběr trvá dlouho.
Google Deep Mind spustil nový program s názvem Open Source X-Embodiment Collaboration, který to má změnit. V loňském roce se společnost spojila s asi 150 výzkumníky ve 34 laboratořích, aby shromáždili data od 22 různých robotů, včetně HelloRobot's Stretch 3. Výsledná datová sada, která bude vydána v říjnu 2023, bude obsahovat 527 dovedností robota, jako je vybírání, tlačení a stěhování.
Existuje také robot s názvem RT-X, pro kterého výzkumníci speciálně postavili dvě verze modelu, které lze provozovat lokálně na počítačích v různých laboratořích a přistupovat přes web.
Větší, webově dostupný model byl předem trénován pomocí internetových dat, aby se z velkých jazykových a obrazových modelů vyvinul „vizuální zdravý rozum“. Když výzkumníci spustili model RT-X na mnoha různých robotech, zjistili, že tito roboti jsou o 50 % úspěšnější v učení dovedností než systémy vyvinuté nezávisle v každé laboratoři.
Stručně řečeno, je to více dat, která tvoří chytřejší roboty.