Sztuczna inteligencja potrafi generować obrazy i przepisy kulinarne, ale nadal nie jest w stanie powiesić obrazu na ścianie czy przygotować obiadu. Chelsea Finn, inżynierka i badaczka ze Stanford University, wierzy jednak, że AI może zrewolucjonizować robotykę.
„Naszym celem jest stworzenie oprogramowania, które pozwoli robotom działać inteligentnie w każdej sytuacji” – mówi Finn.
Firma, którą współzałożyła, opracowała robota zdolnego między innymi do składania prania. Inne zespoły badawcze pokazują, że AI może usprawnić roboty w takich zadaniach jak sortowanie paczek czy sterowanie dronami. Niedawno Google zaprezentowało robota, który potrafi zapakować lunch.
Roboty kontra rzeczywistość
Choć wizja wszechstronnych robotów jest kusząca, wielu ekspertów pozostaje sceptycznych. Ken Goldberg, profesor z UC Berkeley, podkreśla, że rozwój AI w robotyce nie nastąpi tak szybko, jak stało się to w przypadku chatbotów.
„Roboty nie staną się nagle jak z filmów science-fiction” – mówi Goldberg.
Historia robotyki pokazuje, że między oczekiwaniami a rzeczywistością istnieje duża przepaść. Słowo „robot” pochodzi z twórczości czeskiego pisarza Karela Čapka, który w latach 20. XX wieku wyobrażał sobie humanoidalne maszyny zdolne do każdej pracy. W rzeczywistości roboty radzą sobie głównie w powtarzalnych zadaniach w kontrolowanych warunkach, np. na liniach produkcyjnych.
W laboratorium Finn student Moo Jin Kim pracuje nad projektem OpenVLA (Vision, Language, Action), który ma poprawić zdolności robotów do pracy w zmiennym otoczeniu.
„To krok w stronę ChatGPT dla robotyki, ale czeka nas jeszcze dużo pracy” – mówi Kim.
Robot OpenVLA na pierwszy rzut oka nie wyróżnia się niczym szczególnym – to para mechanicznych ramion z chwytakami. Jego wyjątkowość tkwi jednak w oprogramowaniu. Standardowe roboty wymagają dokładnego programowania, gdzie inżynier określa każdy ruch. OpenVLA natomiast korzysta z sieci neuronowej, która działa podobnie do ludzkiego mózgu – wzmacnia połączenia, które są użyteczne, i osłabia te zbędne.
W praktyce oznacza to, że Kim może nauczyć model OpenVLA wykonywania wielu różnych zadań, po prostu pokazując mu je. Aby nauczyć robota nowych czynności, człowiek steruje jego ramionami za pomocą joysticków. Połączenia między węzłami w sieci neuronowej AI robota są wzmacniane za każdym razem, gdy pokazuje się mu działanie. Po wielokrotnym powtórzeniu zadania (np. 50–100 razy) AI samo potrafi je wykonać, co pokazuje na przykładzie segregowania kolorowych cukierków. To wciąż mały krok, ale znaczący dla przyszłości AI w robotyce.
Uniwersalne roboty zamiast wyspecjalizowanych
Chelsea Finn założyła w San Francisco firmę Physical Intelligence, której celem jest stworzenie robotów zdolnych do szybkiej adaptacji w różnych zadaniach, takich jak robienie kanapek czy układanie towaru na półkach.
„Wierzymy, że bardziej efektywne będzie rozwijanie robotów wielozadaniowych niż tych wyspecjalizowanych w jednej czynności” – tłumaczy Finn.
Jej firma stworzyła sieć neuronową, która umożliwia robotowi składanie prania, nabieranie ziaren kawy czy składanie pudełek. Jednak sieć neuronowa jest tak zaawansowana, że nie mieści się w samej maszynie – obliczenia muszą być wykonywane na oddzielnym komputerze, który przesyła instrukcje do robota przez sieć.
Największym wyzwaniem jest jednak dostęp do danych. Chatboty, takie jak ChatGPT, uczą się dzięki ogromnym zbiorom tekstów z internetu. W przypadku robotyki takich otwartych baz danych nie ma – naukowcy muszą samodzielnie zbierać informacje, co znacznie spowalnia rozwój.
„To bardzo trudne” – przyznaje Finn. „Nie mamy internetu pełnego danych dla robotów, więc musimy je sami tworzyć”.
Jednym ze sposobów na przyspieszenie tego procesu może być nauka poprzez samodzielne powtarzanie czynności przez roboty, bez udziału człowieka.
Czy symulacje rozwiążą problem?
Niektórzy naukowcy, jak Pulkit Agrawal z MIT, proponują inne podejście – trening robotów w wirtualnym świecie.
„Dzięki symulacjom możemy szybko zgromadzić ogromne ilości danych” – mówi Agrawal. „Trzy godziny symulacji mogą dostarczyć tyle informacji, ile 100 dni rzeczywistych testów”.
Takie podejście pozwoliło szwajcarskim badaczom nauczyć drona wyścigowego omijania przeszkód w rekordowym tempie. W symulacji dron przećwiczył trasę tysiące razy, dzięki czemu w rzeczywistości pokonał ludzkiego przeciwnika.
Jednak symulacje mają swoje ograniczenia. Dron dobrze radził sobie na torze wyścigowym, ale nie potrafił dostosować się do warunków zewnętrznych, takich jak wiatr czy deszcz.
A latanie i chodzenie to stosunkowo proste zadania do symulacji. Goldberg mówi, że podnoszenie przedmiotów lub wykonywanie innych czynności manualnych, które ludzie uważają za całkowicie proste, jest znacznie trudniejsze do odtworzenia na komputerze. „Zasadniczo nie ma symulatora, który mógłby dokładnie modelować manipulację” – mówi.
Co dalej z AI w robotyce?
Niektórzy badacze twierdzą, że problem nie leży w ilości danych, ale w sposobie, w jaki sieci neuronowe analizują przestrzeń i czas.
„Chatboty przewidują tylko kolejne słowa, co jest stosunkowo prostym zadaniem” – mówi Matthew Johnson-Roberson z Carnegie Mellon University. „Ale poruszanie się i wykonywanie zadań wymaga przetwarzania znacznie większej liczby zmiennych”.
Wskazuje na przykład samochodów autonomicznych, gdzie początkowy entuzjazm inwestorów był ogromny, ale po latach badań nadal nie udało się stworzyć w pełni bezpiecznych pojazdów.
Mimo sceptycyzmu nawet konserwatywni eksperci zgadzają się, że AI zmieni robotykę. Goldberg prowadzi firmę Ambi Robotics, która opracowała system PRIME-1 do sortowania paczek. AI identyfikuje najlepszy sposób uchwycenia przesyłki, co znacząco zmniejsza liczbę błędów.
„Ale jeśli postawisz ten system przed stertą ubrań, nie będzie wiedział, co zrobić” – przyznaje Goldberg.
AI jako wsparcie, a nie zastępstwo
Chelsea Finn zgadza się, że oczekiwania wobec AI należy dostosować do rzeczywistości. Podkreśla jednak, że w przyszłości roboty mogą odciążyć ludzi w codziennych obowiązkach, zwłaszcza w obliczu starzejących się społeczeństw i braków kadrowych.
„Widzę w tym technologię, która wspiera i pomaga ludziom” – mówi Finn.
Choć uniwersalne roboty mogą jeszcze długo pozostać marzeniem, rozwój AI sprawia, że ich stworzenie wydaje się coraz bardziej realne.
jm