Как ни крути, нас окружают роботы. Тысячи американцев ездят на работу в эти дни на автомобилях, которые в значительной степени ездят сами. Пылесосы бегают по нашим жилым комнатам самостоятельно. Дроны Quadcopter автоматически проносятся над полями фермы, принимая аэрофотосъемки, которые помогают фермерам выращивать урожай. Даже страшно выглядящие роботы-гуманоиды, которые могут прыгать и бегать, как мы, могут появиться в продаже в ближайшем будущем.
Роботизированные устройства становятся довольно хорошими в передвижении по всему миру без нашего вмешательства. Но, несмотря на эти вновь обретенные навыки, они по-прежнему имеют серьезную слабость: самых талантливых из группы все еще можно остановить на их пути простой дверной ручкой.
Проблема, говорит Мэтт Мейсон, робототехник из Университета Карнеги-Меллона, заключается в том, что для всех существующих способностей роботов перемещаться по миру автономно, они еще не могут физически взаимодействовать с объектами осмысленно, как только они туда доберутся.
«Что мы узнали из робототехники? Урок номер один в том, что манипулирование сложно. Это противоречит нашему индивидуальному опыту, поскольку почти каждый человек является опытным манипулятором », - пишет Мейсон в недавней обзорной статье.
Это справедливо. Мы, люди, манипулируем окружающим миром, не задумываясь. Мы почти бессознательно хватаем, тыкаем, крутим, рубим и подталкиваем предметы, отчасти благодаря нашим невероятно ловким рукам. В результате мы построили наши миры с учетом этих придатков. Все мобильные телефоны, клавиатуры, радиоприемники и другие инструменты, с которыми мы работали на протяжении всей нашей жизни, были разработаны специально для наших пальцев и ладоней.
Не так для существующих роботов. В настоящее время одна из наиболее широко используемых конструкций роботов для рук, называемая «захватом», более или менее идентична тем, которые представлялись на телевидении в 1960-х годах: устройство, состоящее из двух жестких металлических пальцев, которые зажимают предметы между ними.
В контролируемой среде, такой как сборочная линия, устройства, подобные этим, прекрасно работают. Если робот знает, что каждый раз, когда он достигает определенной части, он будет находиться в одном и том же месте и ориентации, то схватить его - тривиально. «Понятно, какая часть будет спускаться по конвейерной ленте, что делает восприятие и восприятие для робота относительно легким», - отмечает Джанетт Бог, роботизатор из Стэнфордского университета.
Реальный мир, с другой стороны, грязен и полон неизвестных. Подумайте о своей кухне: рядом с раковиной могут высыхать кучи посуды, мягкие и хрупкие овощи, выстилающие холодильник, и множество посуды, набитой в узкие ящики. По словам Бога, с точки зрения робота, выявление и манипулирование этим огромным количеством объектов было бы полным хаосом.
«В каком-то смысле это Святой Грааль, верно? Очень часто вы хотите манипулировать широким спектром объектов, которыми обычно манипулируют люди, и которые были созданы для манипулирования людьми », - говорит Матей Чокарли, исследователь робототехники и инженер-механик в Колумбийском университете. «Мы можем создавать манипуляторы для конкретных объектов в конкретных ситуациях. Это не проблема. Трудность заключается в универсальности ».
Чтобы справиться с огромным количеством уникальных форм и физических свойств этих материалов - будь они твердыми, как нож, или деформируемыми, как кусок полиэтиленовой пленки - идеальный роботизированный придаток обязательно будет чем-то похожим на то, что находится в конце наши руки. Даже с жесткими костями наши руки сгибаются и сгибаются, когда мы хватаем предметы, поэтому, если рука робота может делать то же самое, он может «засадить» предметы внутри своего захвата и перемещать их по поверхности, сгребая их, как младенец. ее игрушки.
Разработка универсальности - это не маленький подвиг. Когда инженеры iRobot - той же компании, которая подарила вам пылесос Roomba - несколько лет назад разработали гибкую трехпальцевую «руку», это было провозглашено крупным достижением. Сегодня робототехники продолжают отворачиваться от точной копии человеческой руки, ища мягкие материалы и более совершенные вычислительные инструменты, такие как машинное обучение для управления ими.
В поисках мягких, гибких «рук»
«Человеческие захваты имеют тенденцию быть намного более тонкими и намного более дорогими, потому что у вас намного больше двигателей, и они упакованы в небольшое пространство», - говорит Дмитрий Беренсон, который изучает автономные манипуляции с роботами в Мичиганском университете. «На самом деле, для того, чтобы это работало, нужно много инженерных разработок и, как правило, много технического обслуживания». Из-за этих ограничений, говорит он, существующие человеческие руки не широко используются в промышленности.
Чтобы рука робота была практичной и даже приближалась к человеческим способностям, она должна быть твердой, но гибкой; уметь чувствовать холод, жару и осязание в высоких разрешениях; и быть достаточно мягким, чтобы подбирать хрупкие предметы, но достаточно крепким, чтобы выдерживать удары Да, и вдобавок ко всему, это должно быть дешево.
Чтобы обойти эту проблему, некоторые исследователи стремятся создать счастливую среду. Они тестируют руки, которые имитируют некоторые из наших собственных черт, но их гораздо проще спроектировать и построить. Каждый из них использует мягкие латексные «пальцы», управляемые сухожильными кабелями, которые открывают и закрывают их. Преимущество такого рода конструкций заключается в их буквальной гибкости - когда они сталкиваются с объектом, они могут сжиматься вокруг него, придавать ему сложную форму и аккуратно черпать его.
Вместо рук, которые имитируют наши собственные, некоторые исследователи работают над мягкими, гибкими, изготовленными из силикона. На этом изображении полые силиконовые пальцы скручиваются, когда они заполнены воздухом, сжимая их вокруг предметов необычной формы. (J. MORROW ET AL / IEEE МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ ПО РОБОТИКЕ И АВТОМАТИЗАЦИИ (ICRA) 2016) Такие мягкие «руки» предлагают значительное улучшение по сравнению с захватом из твердого металла. Но они только начинают решать проблему. Несмотря на то, что резиновый палец отлично подходит для захвата всевозможных предметов, он будет бороться с мелкими моториками, необходимыми для простых задач, таких как установка монеты в прорезь - которая включает в себя не только удержание монеты, но и ощущение прорези, избегая ее краев и вставив монету внутрь. По этой причине, говорит Чокарли, создание датчиков, которые больше сообщают роботам об объектах, к которым они прикасаются, является не менее важной частью головоломки.
Наши кончики пальцев имеют тысячи индивидуальных сенсорных рецепторов, встроенных в кожу. «На самом деле мы не знаем, как создавать датчики такого типа, и даже если бы мы это сделали, нам было бы очень сложно их подключить и получить эту информацию обратно», - говорит Чокарли.
Само необходимое количество датчиков может вызвать еще одну, еще более запутанную проблему: что делать со всей этой информацией, когда она у вас есть. По словам Беренсона, вычислительные методы, которые позволяют роботу использовать огромные сенсорные данные для планирования своего следующего движения, начинают появляться. Но получение этих способностей там, где они должны быть, может превзойти все другие проблемы, с которыми сталкиваются исследователи в достижении автономных манипуляций. Создание робота, способного быстро и без проблем использовать его «руки» - даже в совершенно новых ситуациях - может оказаться невозможным, если инженеры не могут наделить его формой сложного интеллекта.
Эта интеллектуальная сила - это то, что многие из нас, людей, принимают как должное. Чтобы взять карандаш на нашем столе, мы просто протягиваем руку и берем его. Когда мы обедаем, мы используем щипцы, вилки и палочки для еды, чтобы хватать пищу с изяществом и точностью. Даже люди с ампутированными конечностями, которые потеряли верхние конечности, могут научиться использовать протезы для выполнения задач, требующих мелкой моторики.
«Они могут связать свою обувь, они могут сделать бутерброд, они могут одеться - и все это с помощью самого простого механизма. Таким образом, мы знаем, что это возможно, если у вас есть правильный интеллект », - говорит Беренсон.
Учить машину
По словам Бога, для достижения такого уровня интеллекта в роботе может потребоваться скачок в современных методах, которые исследователи используют для управления ими. До недавнего времени большинство программных манипуляций включало создание подробных математических моделей реальных ситуаций, а затем позволяло роботу использовать эти модели для планирования своего движения. Например, недавно созданный робот, которому поручено собрать кресло Ikea, использует программную модель, которая может распознавать каждый отдельный элемент, понимать, как он сочетается с соседями, и сравнивать его с тем, как выглядит конечный продукт. Он может закончить сборку за 20 минут. Попросите его собрать другой продукт Ikea, и он будет полностью сбит с толку.
Люди развивают навыки совсем по-другому. Вместо того, чтобы иметь глубокие знания по одной узкой теме, мы на лету усваиваем знания из примера и практики, усиливая попытки, которые работают, и отбрасывая те, которые не работают. Вспомните первый раз, когда вы узнали, как нарезать лук - как только вы поймете, как держать нож и нарезать его несколько раз, вам, скорее всего, не придется начинать с нуля, когда вы столкнулись с картофелем. Так как же заставить робота сделать это?
Бог считает, что ответ может заключаться в «машинном обучении», своего рода итеративном процессе, который позволяет роботу понять, какие попытки манипуляции успешны, а какие нет, и позволяет ему использовать эту информацию для маневрирования в ситуациях, с которыми он никогда не сталкивался.
«До того, как машинное обучение вошло в сферу робототехники, все было посвящено моделированию физики манипуляции - придумыванию математических описаний объекта и его среды», - говорит она. «Машинное обучение позволяет нам дать роботу несколько примеров объектов, которые кто-то аннотировал, показывая ему:« Здесь хорошее место для захвата ». Робот мог бы использовать эти прошлые данные, чтобы посмотреть на совершенно новый объект и понять, как понять это.
Этот метод представляет собой серьезное изменение по сравнению с предыдущими методами моделирования, но может пройти некоторое время, прежде чем он станет достаточно сложным, чтобы позволить роботам учиться самостоятельно, говорит Беренсон. Многие существующие алгоритмы машинного обучения должны быть снабжены огромными объемами данных о возможных результатах - как и все потенциальные ходы в шахматной игре - прежде чем они смогут приступить к разработке наилучшего возможного плана атаки. В других случаях им могут понадобиться сотни, если не тысячи, попыток манипулировать данным объектом, прежде чем они наткнутся на стратегию, которая работает.
Это должно измениться, если робот хочет двигаться и взаимодействовать с миром так быстро, как только могут люди. Вместо этого, по словам Беренсона, идеальный робот должен уметь развивать новые навыки всего за несколько шагов, используя метод проб и ошибок, или уметь экстраполировать новые действия из одного примера.
Аполлон, робот, созданный инженером Жанетт Бог, пытается переместить цилиндр через стол, в то время как картонная коробка преграждает ему путь. В этом эксперименте исследователь перемещал коробку в новые места на столе, когда рука двигалась, заставляя Аполлона пересчитывать его траекторию на лету. Смешанное изображение в правом нижнем углу показывает вид с точки зрения Аполлона, подчеркивая, насколько трудно роботу распознавать и взаимодействовать с объектами вокруг него. (ДЖОРНЕТ ДЖИННЕТ БОГ) «Большой вопрос, который необходимо решить, - как мы можем обновить модели роботов не 10 миллионами примеров, а одним ?», - говорит он. «Чтобы довести его до точки, где говорится:« Хорошо, это не сработало, так что мне делать дальше? » Это реальный вопрос обучения, который я вижу ».
Мейсон, робототехник из Карнеги-Меллона, соглашается. Он говорит, что задача программистов-роботов делать то, что мы делаем бездумно, сводится к так называемому парадоксу Моравека (названного в честь пионера робототехники Ганса Моравека, который также преподает в Carnegie Mellon). Короче говоря, в ней говорится, что роботам трудно с легкостью справляться с тем, что трудно делать людям, но то, что для нас является второй натурой, невероятно сложно программировать. Например, компьютер может играть в шахматы лучше, чем кто-либо другой, но заставить его узнать и подобрать шахматную фигуру самостоятельно оказалось невероятно сложно.
Для Мейсона это все еще звучит правдоподобно. По его словам, несмотря на постепенный прогресс, достигнутый исследователями в области роботизированных систем управления, базовая концепция автономных манипуляций может стать одним из самых крепких орешков в этой области.
«Рациональное, осознанное мышление - относительно недавнее развитие в эволюции», - говорит он. «У нас есть все эти другие умственные механизмы, которые за сотни миллионов лет развили способность делать удивительные вещи, такие как локомоция, манипулирование, восприятие. И все же все это происходит ниже уровня сознания.
«Может быть, материал, который мы считаем высшей когнитивной функцией, например, возможность играть в шахматы или заниматься алгеброй, - может быть, этот материал совершенно тривиален по сравнению с механикой манипулирования».
Knowable Magazine - это независимый журналистский журнал Ежегодных Обзоров. 
