В то время как социальные сети пестрят заголовками о «восстании машин», реальные роботы всё ещё спотыкаются о простейшие задачи. Однако последние достижения в области искусственного интеллекта могут кардинально изменить ситуацию. Давайте посмотрим, как современные технологии ИИ учат роботов быть более ловкими, адаптивными и, что самое важное, — способными учиться новому.

Bifrost: мост между теорией и практикой

«Несмотря на впечатление, которое у многих складывается из медиа, роботам ещё предстоит пройти долгий путь, прежде чем они смогут профессионально манипулировать так называемыми податливыми объектами», — рассказывает исследователь SINTEF Экрем Мисими. И именно его команда совершила прорыв в этой области.

Проект получил название BIFROST — в честь моста из скандинавской мифологии. Что интересно, вдохновение пришло из самого неожиданного места — кухни, а точнее, из процесса приготовления филе трески. Казалось бы, что тут сложного? Однако для робота даже такая простая задача превращается в настоящий вызов.

Ключевая проблема роботов — так называемая способность к обобщению, в которой люди значительно превосходят машины. Исследователи разработали новый подход, основанный на искусственном интеллекте: робот тренируется выполнять задачи, аналогичные тем, с которыми ему придётся столкнуться в реальном мире. Важное достижение заключается в том, что обучение происходит исключительно в симуляции, а затем знания переносятся в реальный мир без дополнительных тренировок.

В ходе экспериментов робот учился манипулировать мешочком с рисом, формируя из него различные фигуры — например, превращая форму «I» в «C». На первый взгляд — ничего особенного. Но есть нюанс: робот не был предварительно обучен работе именно с этой формой.

Самое сложное для роботов — длительные манипуляции. В среднем на изменение формы объекта уходит от 20 до 60 секунд, в зависимости от сложности задачи. «Заставить робота сконцентрироваться на задаче в течение длительного времени — это настоящий вызов, но нам удалось его преодолеть», — подчеркивает Мисими.

Виртуальные тренировки — реальные результаты

Параллельно с этим исследователи из Массачусетского технологического института под руководством Ге Янга разработали платформу LucidSim, которая использует генеративный ИИ для создания виртуальных тренировочных площадок. Результаты впечатляют: четвероногий робот-пёс научился преодолевать препятствия и гоняться за мячом после тренировок исключительно в виртуальной среде.

В ходе 20 тестовых попыток найти конус успешность LucidSim составила 100% против 70% у традиционных симуляций. При поиске футбольного мяча результаты были 85% против 35% соответственно.

Промышленная революция в действии

Одними из первых потенциал ИИ в робототехнике оценили корифеи машинного обучения — Джеффри Хинтон и Янн ЛеКун, которые вместе с Ёсуа Бенжио разделили премию Тьюринга за их работу в области глубокого обучения. Они инвестировали в стартап Covariant.ai, основанный в 2017 году известным профессором ИИ из Беркли Питером Аббилем.

Компания уже установила своих первых роботов на складах немецкого ритейлера электроники Obeta. Их особенность — использование метода обучения с подкреплением (reinforcement learning), того самого, который помог AlphaGo победить чемпиона мира по го.

За последние годы появилось множество компаний, предлагающих роботов для складских задач, включая ограниченный подбор товаров. Среди успешных игроков рынка — Plus One Robotics, Picknik и RightHand Robotics. Развитию отрасли способствуют более безопасные роботизированные манипуляторы, специализированные захваты, доступные датчики и открытый исходный код для систем машинного зрения и управления.

Почему это важно

Технология открывает огромные перспективы для пищевой промышленности, особенно в секторе морепродуктов. «Это важно, потому что использование роботов может помочь Норвегии сохранить свою пищевую промышленность, способствуя производству более устойчивых и качественных местных продуктов», — объясняет Мисими.

Более того, робот Bifrost теперь умеет не только захватывать, но и толкать предметы, что позволяет ещё более бережно манипулировать мягкими объектами.

Исследователи уже ставят перед собой новые амбициозные цели. Среди них — обучение человекоподобных роботов исключительно на синтетических данных. Это сложнее, чем с четвероногими роботами, так как двуногие роботы менее устойчивы.

Другое перспективное направление — обучение роботизированных манипуляторов для работы на фабриках и в кухнях. «Просто взять чашку кофе и налить его — это всё ещё очень сложная, нерешённая задача», — отмечает один из исследователей Изола.

Мы наблюдаем, как робототехника переживает серьёзную трансформацию благодаря ИИ. Роботы учатся быть более гибкими, адаптивными и способными решать сложные задачи. И хотя до человеческой ловкости им ещё далеко, прогресс очевиден. Главное — помнить, что это только начало пути, и самые интересные открытия ещё впереди.

Для тех, кто хочет узнать больше об ИИ, рекомендуем посетить сайт Elements of AI, где доступен бесплатный онлайн-курс на норвежском языке.