Robot obejrzał 170 lat ludzkiego życia. Efekt może zmienić przyszłość robotyki
Humanoidalny robot nie musi już być uczony wyłącznie przez mozolne wykonywanie kolejnych ćwiczeń. Dyna Robotics pokazało model Dyna-2, który wykorzystuje ponad milion godzin nagrań przedstawiających ludzi wykonujących codzienne czynności. To podejście ma pomóc maszynom lepiej rozumieć otaczający je świat. Wyniki pierwszych testów sugerują, że w rozwoju robotyki właśnie ilość ludzkiego doświadczenia może okazać się jednym z najważniejszych czynników.
Robot nie musi wszystkiego robić sam, żeby się nauczyć
Doszliśmy do momentu, w którym największym problemem współczesnej robotyki nie jest już samo zbudowanie odpowiedniej maszyny, która potrafi chodzić, chwytać przedmioty czy poruszać rękami. Znacznie trudniejsze okazuje się nauczenie jej wykonywania tych czynności w świecie, który nieustannie się zmienia i jest w zasadzie nieprzewidywalny. Człowiek bez większego zastanowienia podniesie kubek, otworzy szafkę albo przekręci nakrętkę, gdy wymaga tego sytuacja. Jednak dla robota każda z tych czynności może oznaczać dziesiątki analiz i decyzji dotyczących położenia, siły nacisku czy chociażby trajektorii ruchu.
Dotychczas jednym ze sposobów rozwiązania tego problemu była teleoperacja. Człowiek po prostu sterował robotem i tym samym pokazywał mu, jak wykonać określone zadanie, a system maszyny wszystko zapisywał i zapamiętywał na przyszłość. Okazuje się jednak, że jest to metoda czasochłonna i bardzo droga, dodatkowo trudno dzięki niej stworzyć naprawdę ogromne zbiory danych. Dyna Robotics postanowiło wyjść problemowi naprzeciw.
Firma postanowiła wykorzystać nagrania z perspektywy pierwszej osoby, na których ludzie wykonują różnego rodzaju codziennych czynności. W ten sposób roboty mogły obserwować całe sekwencje ludzkiego zachowania. I jest to istotna zmiana, bo kamera może dostarczyć znacznie więcej materiału. Nagranie pokazuje bowiem nie tylko sam ruch ręki, lecz także jego kontekst. Robot może dzięki temu uczyć się przewidywania kolejnych etapów działania i zależności pomiędzy ruchem a zmianami zachodzącymi w otoczeniu.
Milion godzin nagrań zamiast tysięcy godzin sterowania
Podobną drogę rozwoju widać również w innych projektach. Przykładowo naukowcy z Uniwersytetu Maryland pokazali w tym roku system HumanEgo, który potrafi wykorzystywać nagrania z perspektywy człowieka do nauki manipulowania przedmiotami, nawet bez wcześniejszego trenowania konkretnego robota.
Skala projektu Dyna-2 robi wrażenie także ze względu na samą liczbę nagrań. Milion godzin materiału odpowiada około 170 latom ciągłego czasu dla człowieka. Warto pamiętać, że model nie został przy tym wstępnie wytrenowany na nagraniach z udziałem robotów. Jego zadaniem było nauczenie się zależności pomiędzy obrazem, ruchem i przewidywaniem tego, jakie będą konsekwencje każdego działania. Dopiero później wiedza ta została przeniesiona na konkretne maszyny. Dyna Robotics sprawdzało w ten sposób modele wykorzystujące od 1000 do miliona godzin.
Według przedstawionych przez firmę wyników wraz ze zwiększaniem zbioru danych poprawiała się zdolność do wykonywania zadań przez roboty. W jednym z testów dotyczących 39 różnych zadań wynik wzrósł od około 20 proc. przy najmniejszym zbiorze do 53 proc. po wykorzystaniu miliona godzin nagrań. Nie oznacza to oczywiście, że robot po obejrzeniu filmu automatycznie potrafi powtórzyć każdą ludzką czynność idealnie. Jednak testy wyraźnie wskazują, że wiedza zdobyta z obserwacji człowieka może jest równie przydatna co programowanie.
Co ciekawe, firma podaje również przykład znacznie mniejszego treningu. Wystarczyło około 13 minut danych z teleoperacji, aby dostosować system do zadania polegającego na odkręceniu nakrętki butelki przy użyciu dwóch pięciopalczastych dłoni robota. Można powiedzieć, że jest to mały krok dla ludzkości, ale wielki dla samych robotów.
Roboty zaczynają korzystać z ludzkiego doświadczenia
Założenie stojące za Dyna-2 jest ważne również z innego powodu. W przypadku sztucznej inteligencji działającej wyłącznie w świecie cyfrowym zdobywanie danych jest stosunkowo łatwe. Robot musi natomiast nauczyć się praw fizyki poprzez kontakt z samą rzeczywistością. Musi wiedzieć, że szklanka może się przewrócić lub pęknąć, miękki przedmiot zachowuje się przecież zupełnie inaczej niż metalowy, a zbyt mocny chwyt może coś zepsuć lub uszkodzić.
Dlatego rozwój tak zwanej fizycznej AI coraz częściej opiera się na modelach, które próbują przewidywać konsekwencje swoich działań. Dyna-2 analizuje jednocześnie przyszłe klatki obrazu i kolejne działania. Dzięki temu nie chodzi wyłącznie o rozpoznanie obiektu, ale także o przewidzenie, jak zmieni się sytuacja po wykonaniu danego ruchu. Takie podejście przypomina wręcz sposób, w jaki człowiek wykorzystuje wcześniejsze doświadczenia, zanim podejmie konkretne decyzję.
Nie jest to jednak jeszcze dowód na to, że humanoidalne roboty są już gotowe zastąpić ludzi w większości prac. Branża nadal mierzy się z problemami związanymi z niezawodnością, kosztami, szybkością działania oraz przenoszeniem umiejętności pomiędzy różnymi maszynami. Najnowsze prezentacje robotów pokazują zresztą wyraźny rozdźwięk między efektownymi demonstracjami a praktycznym zastosowaniem. Podczas tegorocznej World Robot Conference w Pekinie prezentowano maszyny wykonujące zadania w fabrykach, magazynach i hotelach, ale część urządzeń wciąż miała problemy z pozornie prostymi dla ludzi czynnościami.
Robot, który rozumie świat
Mimo wszystko Dyna-2 wpisuje się idealnie w większy wyścig. Firmy rozwijające humanoidalne roboty chcą stworzyć maszyny, które nie tylko wykonują polecenia, ale potrafią odnaleźć się w świecie pełnym nieprzewidywalnych sytuacji. I co ciekawe, zastosowania robotów coraz częściej wykraczają już poza fabryki. Dobrym przykładem jest Gabi, humanoidalny robot wykorzystany w Korei Południowej w roli buddyjskiego mnicha. Jeszcze bardziej nietypowo wygląda Kawasaki Corleo – czworonożna maszyna przypominająca po prostu robota-konia, zaprojektowana z myślą o poruszaniu się po trudnym terenie. Takie projekty pokazują, że robotyka nie zmierza w jednym, łatwym do przewidzenia kierunku.
Jedne maszyny mają pracować obok ludzi, inne pomagać w miejscach, do których człowiekowi trudno dotrzeć, a jeszcze inne mogą pełnić role, których dziś nawet nie kojarzymy z robotami. W każdym przypadku potrzebna jest jednak sztuczna inteligencja, która pozwoli maszynie nie tylko reagować na polecenie, ale również zrozumieć otoczenie i przewidzieć konsekwencje własnych działań.
Dlatego najciekawsze w Dyna-2 nie jest sama ilość godzin wykorzystanych nagrań, lecz pomysł stojący za tym treningiem. Jeśli robot rzeczywiście może uczyć się na podstawie ludzkiego doświadczenia, jego rozwój nie musi oznaczać tysięcy godzin żmudnego sterowania fizyczną maszyną. Być może właśnie w ten sposób powstaną roboty, które zamiast poruszać się wyłącznie według przygotowanego przez nas scenariusza, będą potrafiły po prostu zobaczyć problem i znaleźć sposób, żeby sobie z nim poradzić.