Robotický pes Spot už zvládne salto vzad a nejde pritom len o show
Spoločnosť Boston Dynamics opäť posunula hranice robotiky, keď zverejnila video, na ktorom jej robotický pes Spot predvádza saltá vzad s presnosťou a zručnosťou, ktorá by nezahanbila ani špičkových športovcov. Hoci sa môže zdať, že ide len o zábavné predstavenie, pravda je oveľa hlbšia a pre budúcnosť robotiky kľúčová. Tieto akrobatické kúsky nie sú primárne určené na pobavenie publika, ale slúžia ako extrémny záťažový test, ktorý posúva hardvér robota až na samú hranicu jeho možností.
Ako vysvetlil robotický inžinier Arun Kumar, zákazníci síce nepotrebujú, aby ich robot robil saltá, no existujú situácie, kedy je nutné využiť motory a energetický systém na plný výkon. Keď Spot pracuje v priemyselnom prostredí a nesie ťažký náklad, môže sa pošmyknúť alebo zakopnúť; v takom prípade sa musí dokázať rýchlo zotaviť bez poškodenia seba alebo nákladu.
Práve tréning extrémnych manévrov, ako sú saltá, odhaľuje všetky potenciálne spôsoby, ako môže robot zlyhať, a pomáha tímu navrhnúť účinné metódy na zotavenie z týchto zlyhaní. Nejde teda o demonštráciu hotového produktu, ale o verejné predstavenie samotnej tréningovej metodológie. Boston Dynamics zámerne núti robota k fyzickým limitom, aby generoval bohaté dáta o zlyhaniach, ktoré sú nevyhnutným palivom pre tréning robustnej umelej inteligencie.
Tento prístup predstavuje zásadný posun vo vývoji robotiky – od čisto fyzikálneho inžinierstva k hybridnému modelu, ktorý využíva dátovú vedu na riešenie problémov nepredvídateľnosti reálneho sveta. Namiesto tradičného riadenia s predikciou modelu (MPC), ktoré funguje dobre v predvídateľných podmienkach, spoločnosť čoraz viac využíva posilňovacie učenie (RL).
Táto metóda optimalizuje stratégiu robota prostredníctvom miliónov pokusov a omylov v simulátore, čím ho učí reagovať na situácie, ktoré je ťažké presne namodelovať, ako sú klzké podlahy alebo zložité prekážky. Proces je založený na optimalizačnom algoritme, ktorý premieňa opisy manévrov na dynamicky uskutočniteľné pohyby, pričom riadiaca jednotka s predikciou modelu zaisťuje plynulé prechody medzi jednotlivými prvkami zostavy.
Vďaka tomuto prístupu dosahuje robot úspešnosť približne 80 %, aj pri takto náročných úkonoch. Kľúčovou výzvou je prenos naučených schopností zo simulácie do reálneho sveta, čo sa takmer nikdy nepodarí na prvý pokus. Každé zlyhanie fyzického robota generuje podrobný záznam senzorických dát, ktorý inžinieri analyzujú, aby odhalili príčinu, vylepšili simuláciu a opakovali cyklus.
Práve tento neustály kolobeh zlyhania a nápravy robí naučené správanie spoľahlivejším a robustnejším. Zručnosti získané prostredníctvom „gymnastiky“ majú priame uplatnenie v praxi. Od roku 2020, kedy bol Spot sprístupnený komerčným zákazníkom, sa osvedčil v rôznych úlohách: mapuje továrne pre Ford, vykonáva bezpečnostné inšpekcie v automobilke Kia, monitoruje radiáciu pre Dominion Energy a vytvára digitálne dvojčatá pre BMW.
Jeho obratnosť a rovnováha sú neoceniteľné pri pohybe v preplnených priemyselných areáloch, v troskách po katastrofách pri pátracích a záchranných misiách alebo v iných nebezpečných prostrediach, kde je prvoradá ochrana ľudského života. Vydaním súpravy „RL Researcher Kit“ a sprístupnením tréningového a implementačného kódu ako open-source Boston Dynamics odhaľuje sofistikovanú obchodnú stratégiu.
Namiesto toho, aby len predávali produkt, budujú vývojársku platformu. Tým, že poskytujú výskumníkom a firmám nízkoúrovňový prístup k API, efektívne crowdsourcujú vytváranie nových robotických zručností, čím urýchľujú inovácie a upevňujú pozíciu svojho hardvéru ako priemyselného štandardu.
Zdroj: digitaltrends.com.
Zdroj Foto: depositphotos.com.
