Vieni geriausių kinų robotų su pasikartojančia rankų manipuliacija yra „Unitree G1“ ir „Kepler Robotics 4Runner K2“, kurie naudoja jėgai jautrias, didelio miklumo rankas tokioms užduotims, kaip rūšiavimas ir tikslus surinkimas. Jie mokomi imitacijos ir sustiprinto mokymosi deriniu, kartu su aplinkos apibendrinimu, kad išmoktų užduotis realiose situacijose.
Geriausi kinų robotai manipuliavimui
„Unitree G1“, kaina nuo 13,5000 dolerių: šis humanoidinis robotas turi „jėgą valdančią miklią ranką“ ir manipuliavimo įgūdžiams naudoja imitacijos ir sustiprinto mokymosi derinį. Jis gali atlikti tikslias užduotis ir, kaip įrodyta, gali atlikti tokius dalykus kaip kortų dalijimas, paklodžių nuėmimas nuo lovos ir lengvų paketų perkėlimas. (https://www.unitree.com/g1)
„Kepler Robotics 4Runner K2“, kaina 30 000 dolerių: Šis robotas išsiskiria puikiu rankų miklumu – kiekvienoje rankoje yra iki 11 laisvės laipsnių, o kiekviename piršto galiu yra lanksčių jutiklių su 96 sąlyčio taškais. Tai leidžia atlikti sudėtingas užduotis, tokias, kaip mažų komponentų surinkimas ir medžiagų tvarkymas logistikoje.
„Magic Bot“: „Magic Lab“ sukurtas humanoidinis robotas, kaina 119 800 dolerių, turi rankas su šešiomis miniatiūrinėmis servo pavaromis ir daugiamačiais slėgio jutikliais. Jis gali atkartoti apie 70 % žmogaus rankų gestų, todėl gali atlikti užduotis – nuo suspaudimo iki sugriebimo, įskaitant trapių ar slidžių daiktų tvarkymą.
„Dobot Atom“, kaina 27 500 dolerių: Sukurtas tikslumui ir prisitaikymui, humanoidinis robotas „Dobot Atom“ yra optimizuotas mikliam manipuliavimui, kurio tikslumas siekia iki ±0,05 mm.
Kaip jie mokomi
Imitacija ir mokymasis per pastiprinimą: Tokie robotai, kaip „Unitree G1“ mokomi, naudojant imitaciją ir mokymąsi per pastiprinimą, kai jie mokosi, stebėdami žmonių veiksmus, ir bandymų bei klaidų metodu.
Aplinkos apibendrinimas: Robotai patalpinami visiškai funkcionuojančioje aplinkoje (pvz., namuose ar gamykloje), kad atliktų užduočių seką. Tai leidžia jiems apibendrinti savo įgūdžius ir prisitaikyti prie nenuspėjamų, realaus pasaulio erdvių, o ne tiesiog įsiminti konkrečius veiksmus.
Mašininis mokymasis, naudojant jutiklių duomenis: Jie remiasi regos (objektų aptikimo kamerų), jėgos / sukimo momento jutiklių pirštuose ir mašininio mokymosi modelių deriniu, kad imituotų subtilius žmogaus judesius, tokius, kaip tikslūs suspaudimo ir slydimo judesiai, reikalingi tokioms užduotims, kaip kortų dalinimas.
Didelio masto demonstracija: Didelio masto pramoniniams diegimams, pavyzdžiui, su „Agibot G2“ robotais Longerio gamyklose, robotai yra apmokyti atlikti konkrečias, pasikartojančias užduotis su dideliu tikslumu, pavyzdžiui, medžiagų tvarkymą ir surinkimą. Vakaruose reikalai sudėtingesni ir aptariami su didele doze skepticizmo:
„Humanoidiniai robotai grįžo. Vaizdo įrašai, kuriuose robotai lanksto skalbinius ar verda espresą, užplūdo socialinių tinklų srautus, o investuotojai skyrė milijardus dolerių plėtrai. Tačiau prieš įsivaizduodami robotus asistentus kiekvienuose namuose, verta prisiminti, kad mes jau esame čia buvę.
2000 m. „Honda“ pristatė Asimo – humanoidinį robotą, kuris galėjo vaikščioti, bėgioti ir patiekti gėrimus. Robotikos entuziastai jį gyrė, kaip kitą logišką žingsnį po asmeninių kompiuterių revoliucijos – robotą kiekvieniems namams. Po daugiau, nei dviejų dešimtmečių Asimo stovi muziejuje, primindamas, kiek toli dar reikia nueiti robotikai.
Dabar technologijų pasaulio susižavėjimas į žmones panašiais robotais grįžo – šį kartą jį skatina dirbtinis intelektas ir investuotojai, norintys panaudoti kapitalą tam, kas galėtų būti kita trilijono dolerių vertės galimybė. Daugelis investuotojų ir įkūrėjų mano, kad tos pačios koncepcijos, leidžiančios kompiuteriams rašyti tekstą ir kalbėtis su žmonėmis, gali būti pritaikytos, kad humanoidai galėtų autonomiškai veikti sandėliuose, lauko erdvėse ar žmonių namuose. Rugpjūtį Kinija surengė humanoidų robotikos olimpines žaidynes, kuriose įrenginiai varžėsi futbole, kikbokse ir net kambarių valyme. „Tesla“ per „Optimus“ daug investuoja į šią sritį. Socialiniuose tinkluose rodomi humanoidų žygdarbiai. Rizikos kapitalo pramonė investavo beveik 5 milijardus dolerių į humanoidų startuolius, kurie žada sumažinti gamybos sąnaudas ir siekia suteikti milijonams amerikiečių pigų namų pagalbininką.
Tačiau skirtingai nuo daugelio, išties transformuojančių, dirbtinio intelekto aspektų, susižavėjimas humanoidais, galiausiai, pasirodys esąs salono triukas su mažai praktiniu pritaikymu.
Techniniu požiūriu robotikos problemas galima suskirstyti į dvi pagrindines kategorijas: navigaciją ir manipuliavimą. Navigacija – tai roboto iššūkis nuvykti iš taško A į tašką B. Tai gali būti nežinoma vietovė, laiptai ir kliūtys. Tai gali būti paviršiai, su kuriais robotai anksčiau nebuvo susidūrę. Dirbtinis intelektas padarė didelę pažangą navigacijos srityje. Šiandien robotus galima lengvai ir greitai apmokyti judėti sandėlio grindimis arba orientuotis uolėtame lauke.
Dėl to yra plačiai paplitę robotų pritaikymai, kurie pirmiausia skirti sudaryti navigacijos užduotį, įskaitant, pvz., savarankiškai vairuojančius automobilius, robotus, gabenančius daiktus „Amazon“ sandėliuose, „Roomba“ dulkių siurblius, automatinius šakinius krautuvus ir dronus, kuriuos naudoja pirmieji gelbėtojai. Šios programos paprastai naudoja robotus, kurie gali riedėti ant ratų arba skristi, o ne vaikščioti dviem kojomis ir pėdomis dėl tų pačių priežasčių, dėl kurių greičiau keliauti dviračiu, automobiliu ar lėktuvu, nei pėsčiomis.
Manipuliacija – „rankų problema“, kaip ją pavadino Elonas Muskas – yra daug sudėtingesnis sprendimas. Manipuliavimas apima robotą, kuris imituotų žmogaus rankų judesius, ir tai nėra lengva užduotis. Rankos nuostabios. Mažas vaikas gali suprasti, kaip paimti daiktą, nepaisant jo formos, dydžio ar svorio centro. Žmogaus rankose yra milijonai nervų galūnėlių, kurios, derinamos su vaizdiniais ženklais, padeda atlikti tokias užduotis, kaip indų plovimas, drabužių lankstymas ar stiklainio atidarymas, su minimaliais įgūdžiais ar mokymu.
Nors tradicinis generacinis teksto AI gali būti apmokytas, naudojant visą žmogaus parašytą turinį internete, nėra lygiaverčio mokymo duomenų šioms fizinėms užduotims atlikti, taip pat nėra būdo tiksliai užfiksuoti lytėjimo grįžtamąjį ryšį, kurį mūsų rankos gauna, atliekant bet kokią manipuliavimo užduotį.
„Tesla“ naudoja tik regėjimo mokymo metodą, skirtą „Optimus“, metodą, kuris apima, užduotis atliekančių, darbuotojų filmavimą ir tų vaizdo įrašų naudojimą savo robotams apmokyti.
Tuo tarpu robotikos startuoliai kreipiasi į tokias platformas, kaip „Encord“ ir „Micro1“, kurios teikia žymėtus vaizdo duomenis, kad galėtų mokyti savo AI sistemas. Didelės laboratorijos, įskaitant „OpenAI“, skatina aukštos kokybės mokymo duomenų, kuriuos dažnai renka tikri žmonės, užsiimantys kasdienėmis užduotimis, pavyzdžiui, lankstydami skalbinius, kraudami indaploves ar gamindami kavą, poreikį. Tačiau šie mokymo bandymai suteikia tik nedidelį reikalingų duomenų pogrupį. Be to, skirtingai nei generatyvūs AI pokalbių robotai, šie humanoidai turi veikti fiziniame pasaulyje ir susidoroti su kintančia šviesa, temperatūra, drėgme ir kitais kintamaisiais.
Robotai turi atlikti svarbų vaidmenį mūsų ateityje. Pramonės įmonės naudoja ratinius robotus, o policijos departamentai naudoja dronus. Automatizavimas apskritai išlieka labai svarbus, siekiant užtikrinti, kad Amerika perkeltų gamybą ir išliktų konkurencinga su likusiu pasauliu. Kitose svarbiose pramonės šakose, tokiose, kaip krašto apsauga, ratiniai ir skraidantys robotai naudojami stebėjimui, minų aptikimui ir puolimo pajėgumams.
Tačiau užduotys, reikalaujančios bet kokio manipuliavimo, artimiausioje ateityje išliks orientuotos į žmogų. Stomatologai, chirurgai, namų valytojai, virėjai, ŠVOK ir elektros rangovai bus gerai apsaugoti nuo daugybės dirbtinio intelekto pažangos.
Humanoidiniai robotai sukuria puikias demonstracines laidas ir dar geresnes antraštes. Tačiau tikroji robotikos riba yra ne tokių mašinų kūrimas, kurios atrodo, kaip mes, o tokių, kurios tyliai daro mūsų pramonę efektyvesnę. Šiuo metu žmogiškiausias dalykas apie robotus humanoidus gali būti mūsų polinkis juos pervertinti.
---
P. Agarwal yra „Bain Capital Ventures“ partneris.” [1]
1. Humanoid Robots Have a Long Way to Go. Agarwal, Ajay. Wall Street Journal, Eastern edition; New York, N.Y.. 29 Nov 2025: A13.
Komentarų nėra:
Rašyti komentarą