LOGISTIKOS TYRIMAI
Dr. Jay Huang, dr. Dien Wang ir dr. Weibin Liang
Nuotrauka: „Unitree“
Humanoidiniai robotai – aukščiausia robotų forma, apie kurią žmonija seniai svajojo, atrodo, netrukus taps realybe. Visuomenės susidomėjimas išaugo, o pasaulinės technologijų milžinės reiškia vis didesnį entuziazmą. Tačiau ši pramonės šaka tebėra prototipo etape.
Įkvėpti žmogaus anatomijos, trys svarbiausi humanoidinių robotų elementai yra smegenys, skirtos užduotims ir judesiams planuoti; smegenėlės, skirtos pusiausvyrai ir sklandžiam judėjimui palaikyti; ir kūnas, skirtas suvokimui ir vykdymui. Pagrindiniai šių robotų iššūkiai – išvengti kritimų ir padidinti jų intelektą, kad jie galėtų atlikti apibendrintas užduotis.
Dirbtinis intelektas (DI) keičia žaidimo taisykles. Nauji dirbtinio intelekto metodai (pvz., sustiprintas ir imitacinis mokymasis, dideli kalbos modeliai) atveria perspektyvą humanoidiniams robotams. Smegenėlių dėka robotai gali išmokti išlaikyti pusiausvyrą, atmesti trikdžius, atlikti sudėtingus judesius virtualiuose pasauliuose ir perkelti šiuos įgūdžius į realų pasaulį. DI intelektu patobulinta smegenėlių sistema rodo nepaprastą robotų stabilumo ir gebėjimo prisitaikyti pažangą, kuri anksčiau buvo didžiulė kliūtis. Nors smegenėlės yra gyvybiškai svarbios, humanoidiniams robotams smegenys yra dar svarbesnės. Artimiausiu metu stiprinimas ir imitacinis mokymasis yra labai perspektyvūs mokymosi programoms. Visapusiškas didelio modelio sprendimas yra patrauklus, tačiau jo praktinis įgyvendinimas artimiausioje ateityje tebėra sudėtingas. Žmogaus nuotolinis valdymas (kai žmogus operatorius nuotoliniu būdu valdo robotą) išsiskiria kaip praktinis metodas mokymosi duomenims rinkti. Tai galėtų būti atsarginis planas, jei robotų smegenys vidutinės trukmės laikotarpiu nebus pakankamai gerai pritaikytos.
Prieš diegiant AI šioje srityje, androidai lengvai griūdavo
Kalbant apie humanoidinius robotus kuriančias bendroves ir jų naujausią pažangą, „Unitree“ dominuoja kūno ir smegenėlių srityje. Įmonė didelį dėmesį skiria keturkojams robotams ir sklandžiai perėjo į dvikojų mašinų sritį. Jos humanoidinis robotas pademonstravo išskirtines judėjimo galimybes. Kita vertus, „Google DeepMind“ pažengė robotų smegenų kūrimo srityje. Įmonė tiria įvairius generatyvinio dirbtinio intelekto metodus, neapsiribojančius tik tradiciniais dideliais modeliais, jos tyrimai buvo grindžiami supaprastintu humanoidiniu robotu.
Trys svarbiausi humanoidinių robotų elementai yra smegenys, smegenėlės ir kūnas (įskaitant akis, ausis, odą, raumenis ir kaulus). Pagrindiniai uždaviniai, susiję šiais trimis elementais, yra palyginti nepriklausomi ir gali būti tobulinami lygiagrečiai.
Nuotrauka: „Unitree“
Smegenėlės
Kaip ir žmonių, humanoidinio roboto smegenėlės atlieka svarbų vaidmenį koordinuojant sąnarių judesius siekiant išlaikyti pusiausvyrą ir užtikrinti sklandų judėjimą. Anksčiau šių robotų stabilus ėjimas buvo didelis iššūkis. Prieš pradedant taikyti DI šioje srityje, androidai lengvai apvirsdavo, todėl trapioms mašinoms apsaugoti reikėdavo naudoti saugos kabelius.
Kai kurie kūrėjai diegė palyginti pažangias valdymo technologijas, pvz., viso kūno valdymą, numatomą modelio valdymą ir demonstravo įspūdingus rezultatus. Tačiau humanoidiniai robotai nėra pritaikyti efektyviai reaguoti į nenumatytus aplinkos pokyčius. Šias mašinas reikia toliau optimizuoti konkrečioms judėjimo funkcijoms arba užduotims atlikti, o smegenėlių kūrimas šioje srityje kelia nuolatinį iššūkį.
Laimei, DI (t. y. skatinamasis mokymasis) kartu su galingais modeliavimo metodais šiandien gali pakeisti situaciją. Skatinamasis mokymasis yra bandymų ir klaidų procesas: robotai gali išmokti elgtis iš pakartotinės sąveikos su supančia aplinka. Inžinieriai užprogramuoja šias mašinas, nurodydami, „ką daryti“, o ne „kaip daryti“, ir tada jos pačios ras būdų, kaip atlikti užduotis.
3D vaizdas naudojant LiDAR arba gylio kameras, miklios rankos ir jėgos / liečiamojo jutimo funkcijos yra itin svarbios humanoidų veikimui
Šių judesių suderinimui reikalinga simuliacijos pagalba – tai virtuali aplinka, kurioje robotai mokosi judėti ir atlikti užduotis. Judesius, įgūdžius ir žinias, įgytas virtualioje aplinkoje, vėliau galima perkelti į realų pasaulį naudojant simuliacijos perkėlimo į realybę („Sim2Real“) sistemas. Pradiniuose etapuose nesėkmės yra neišvengiamos, tačiau galiausiai galima rasti kelią į sėkmę.
Nors ateitis atrodo daug žadanti, techninio pobūdžio kliūčių yra imitacinėse aplinkose ir „Sim2Real“. Šios sudėtingos, įmantrios platformos yra skirtos tiksliai atkurti fizinius reiškinius, įskaitant kietųjų kūnų dinamiką, susidūrimus, trintį ir deformaciją, siekiant realistišką virtualų pasaulį padaryti kuo tikroviškesnį.
Kompanija „Boston Dynamics“ pastebimai sumažino keturkojo roboto kritimo dažnumą – iki vieno karto per 50 km. Dvikojės mašinos virsta daug dažniau. Todėl, nepaisant šioje srityje padarytos pažangos, prieš pradedant plačiai naudoti pramonėje, reikėtų dar labiau nušlifuoti humanoidinių robotų stabilumą ir patikimumą.
Kompanijos „Tesla“ sukurtas humanoidinis robotas „Tesla Optimus Gen-2“
Publikuota pagal „CC BY 3.0 Unported“ licenciją
Smegenys
Mokslininkai vis dar tiria, kaip sukurti pakankamai protingus robotus, kad jie galėtų atlikti apibendrintas užduotis. Pramonė bando spręsti artimiausio laikotarpio problemas pasitelkdama mokymąsi stiprinant ir imituojant. Ateityje planuojama įdiegti kelis didelius modelius ir integruotą kompleksinį didelį modelį.
Be robotų gebėjimo judėti tobulinimo, skatinamasis mokymasis gali būti naudojamas mokytis atlikti konkrečias užduotis. Tačiau naudojant jį visiems apibendrintiems veiksmams aprėpti, mokymasis užtruktų per ilgai. Praktiškesnis metodas apima mokymosi imituojant integraciją, kai asmuo demonstruoja užduotis nuotolinio valdymo būdu, o robotas žmogaus elgesį laiko optimaliu sprendimu.
„Google DeepMind“ komanda pasiūlė pritaikyti kelis didelius modelius suvokimo, planavimo ir veikimo funkcijoms atlikti. Komanda taip pat pristatė integruotą regos, kalbos ir veiksmo modelį - „Robotinį transformatorių 2“ (RT-2), skirtą visoms trims pagrindinėms funkcijoms atlikti. Pademonstravo, kad RT-2 gali atlikti bendro pobūdžio užduotis, reikalaujančias mąstymo, simbolių supratimo ir žmogaus atpažinimo. Pavyzdžiui, atlikdamas užduotį „įdėk braškę į tinkamą dubenėlį“ robotas turi ne tik suprasti, kas yra braškė ir dubenėlis, bet ir suprasti, kad braškė turi būti sugrupuota su panašiais vaisiais.
Kūnas
Be tokių svarbių komponentų kaip varikliai ir reduktoriai, manome, kad humanoidų veikimui labai svarbūs yra šie elementai: 3D matymas naudojant LiDAR arba gylio kameras, miklias rankas ir jėgos / lytėjimo jutiklius. Tikimės, kad šie elementai bus būtini norint užtikrinti optimalų pažangiųjų humanoidinių robotų funkcionalumą.
Naujos humanoidinių robotų tendencijos ir iššūkiai
| Pagrindiniai humanoidinių robotų moduliai | Technologijų tendencijos | Pagrindiniai iššūkiai |
|---|---|---|
| Smegenys Užduočių ir judėjimo planavimas |
|
|
| Smegenėlės Sąnarių judesių koordinavimas |
|
|
| Kūnas Aplinkos suvokimas + judesio atlikimas |
|
|
Šaltinis: Kinijos mokslų akademija, Pekino humanoidinių robotų inovacijų centras, Tsinghua universitetas, Bernšteino analizė
*„Sim2Real“, t. y. simuliacija į realybę, reiškia judesių, įgūdžių arba žinių perkėlimą iš virtualios simuliacijos į realų pasaulį.
Poveikis pramonei
Dabartiniame „robotų renesanso“ amžiuje DI dažniausiai naudojamas užduotims, susijusioms su vietos nustatymu, identifikavimu ir tikrinimu atlikti. Tačiau pramoniniams robotams vis dar trūksta išmaniojo intelekto. Naujos DI technologijos (mokymasis pastiprinant ir imituojant, dideli kalbos modeliai ir kt.) gali sukelti revoliuciją šioje srityje.
Mokslininkai įrodė, kad DI galima sujungti su pramoniniais robotais pramoninių robotų judėjimo trajektorijų ir vykdymo laiko optimizavimo srityse, savarankiškai generuojant strategijas sudėtingų situacijų valdymui ir supaprastinant robotų programavimo procesus. Atsižvelgdami į augančią pramoninių robotų ekosistemos brandą, tikimės, kad artimiausioje ateityje atsirasiantis DI skatins tolesnį šių mašinų diegimą.
TYRIMO AUTORIAI:
Filosofijos mokslų daktaras Jay Huang, filosofijos mokslų daktaras Dien Wang ir filosofijos mokslų daktaras Weibin Liang, „Société Générale Group“ priklausančios „Sanford C. Bernstein (Hong Kong) Limited“ tyrimų analitikai.
Originalus leidinys:
Huang, Jay, Wang, Dien, Liang, Weibin. 2024. „Pasaulinis automatizavimas: Humanoidų pradžiamokslis“. „Bernstein Société Générale Group“.
Atkreipkite dėmesį, kad šis straipsnis yra skirtas tik instituciniams ir profesionaliems investuotojams ir nėra skirtas mažmeniniams arba privatiems investuotojams. Apsilankykite svetainėje www.bernsteinresearch.com, kur rasite svarbios informacijos.