Kaip veikia savivaldžiai mokantys robotai? Paprastas aiškinimas be sudėtingos matematikos

Robotai jau seniai nebėra tik pramonės cechų darbininkai, atliekantys tą pačią judesių seką tūkstančius kartų per dieną. Vis dažniau kalbama apie sistemas, kurios pačios mokosi judėti, planuoti ir prisitaikyti prie aplinkos.

Tai vadinamieji savivaldžiai mokantys robotai, galintys per kelias valandas išmokti užduočių, kurioms anksčiau reikėdavo mėnesių programavimo. Suprasti, kaip jie veikia, naudinga ne tik inžinieriams, bet ir kiekvienam, kuris domisi ateities technologijomis.

Kas yra savivaldžiai mokantys robotai?

Tradicinis robotas tiksliai vykdo tai, ką jam parašė programuotojas: pakelk, pasuk, padėk, kartok. Jei aplinka pasikeičia, pavyzdžiui, daiktas kiek pasislenka į šoną, robotas dažnai pasimeta ir sustoja.

Savivaldžiai mokantys robotai veikia kitaip: jie mokosi iš patirties, stebi pasekmes ir po truputį gerina savo elgesį. Jiems nereikia iš anksto aprašyti kiekvieno judesio, užtenka nurodyti tikslą ir taisyklę, kas laikoma sėkme.

Pastiprinamasis mokymasis: roboto „bandymai ir klaidos“

Dažniausiai tokie robotai remiasi pastiprinamojo mokymosi principu. Jo esmė paprasta: robotas atlieka veiksmą, gauna grįžtamąjį signalą (atlygį ar bausmę) ir pagal tai koreguoja kitus bandymus.

Pavyzdžiui, robotui nurodoma užduotis: pastatyti bokštą iš kaladėlių taip, kad jis nesugriūtų bent 10 sekundžių. Jei bokštas laikosi, robotas gauna didelį „pliusą“, jei griūva po kelių akimirkų, atlygį gauna tik iš dalies, o jei kaladėlės net nepakyla nuo stalo, atlygį praranda.

Simuliacijos ir skaitmeninės „smėlio dėžės“

Tikrame pasaulyje leisti robotui tūkstančius kartų kristi, stumdytis ir daužyti objektus būtų brangu ir pavojinga. Todėl didelė dalis mokymosi vyksta skaitmeninėse simuliacijose, tarsi virtualiose „smėlio dėžėse“.

Kompiuterinis modelis atkuria fizikos dėsnius, trintį, gravitaciją ir atsitiktinumą, o robotas mokosi judėti šioje dirbtinėje aplinkoje. Tokiu būdu per keletą valandų jis gali „išbandyti“ milijonus skirtingų veiksmų, kurių realiame pasaulyje prireiktų metų.

„Perkėlimas“ į tikrą pasaulį

Didelis iššūkis yra tai, kad jokia simuliacija tiksliai neatkartos realaus pasaulio. Stalo paviršius gali būti slidesnis, detalė šiek tiek sunkesnė, o kamera matys kiek kitokius atspalvius nei buvo numatyta modelyje.

Dėl to atsirado metodai, padedantys robotams prisitaikyti pereinant iš simuliacijos į tikrą aplinką. Dažnai pati simuliacija daroma „neryški“ ir kiek chaotiška: atsitiktinai keičiami paviršių parametrai, daiktų svoriai, apšvietimas, kad robotas išmoktų elgtis lanksčiai, o ne prisirišti prie vienos idealios situacijos.

Kaip robotas „mato“ ir „jaučia“?

Norėdamas savarankiškai mokytis, robotas turi suvokti, kas vyksta aplink jį. Tam naudojamos kameros, atstumo jutikliai, jėgos ir sukimo momento davikliai, lazeriniai skeneriai, kartais ir mikrofonai.

Visa ši informacija paverčiama skaičiais, kurie sudeda situacijos „nuotrauką“ roboto viduje. Pastiprinamasis mokymasis padeda susieti šią būseną su veiksmais: pavyzdžiui, jei kamera rodo, kad kaladėlė pasislinko, robotas išmoksta kiek pakeisti griebtuvo trajektoriją, kad išliktų stabilus.

Judesių valdymas be žmogaus rankraščio

Kitas svarbus klausimas: kaip robotas nusprendžia, kokiu greičiu ir kampu sukti variklius, kelti ranką ar lenkti sąnarį. Tradiciškai tai būdavo kruopščiai skaičiuojama pagal fizikos formules ir geometriją.

Savivaldžiai mokantys robotai vis dažniau mokosi ir pačių judesių. Jiems parodoma tik pradinė ir norima galutinė padėtis, o tinkami tarpinių judesių modeliai atsiranda per nuolatinį bandymų ir rezultatų vertinimo procesą. Taip robotas savaime atranda sklandžius, energiją taupančius judesius, kurių žmogus programuotojas nebūtų net sugalvojęs.

Kuo tai skiriasi nuo iš anksto užprogramuotų užduočių?

Didžiausias skirtumas yra lankstumas ir gebėjimas tvarkytis su netikėtumais. Jei konvejeriu važiuojanti detalė pasislenka 2 centimetrais, tradicinis robotas dažnai tiesiog „prašaus pro šalį“.

Savivaldžiai mokantis robotas, matydamas vaizdo jutiklių informaciją ir nuolat prisimindamas ankstesnes patirtis, gali perskaičiuoti tikslą „vietoje“. Jis išmoksta, kad svarbu ne ideali trajektorija, bet rezultatas, pavyzdžiui, tvirtai sugriebtas objektas ar tiksliai įstatyta dalis.

Kur tokie robotai bus naudojami?

Viena aiškiausių sričių yra sandėliavimas ir logistika, kur daiktai nuolat kinta: dėžių dydžiai, pakuotės, etikečių vietos. Savivaldžiai mokantys robotai čia gali greitai perprasti naujus produktus, nereikalaujant rankiniu būdu perrašyti instrukcijų.

Pramonėje tokios sistemos jau taikomos sudėtingesniems surinkimo darbams, kur kiekviena detalė gali turėti nedidelių gamybos nuokrypių. Be to, kalbama apie jų naudojimą statybose, žemės ūkyje, povandeniniuose darbuose, ten, kur žmogui dirbti pavojinga arba nuobodu.

Kokios rizikos ir ribos?

Nors savivaldžiai mokantys robotai atrodo labai pažangūs, jie nėra stebukladariai. Jie dažnai „sugriūna“ susidūrę su situacija, kuri smarkiai skiriasi nuo visko, ką matė mokymosi metu, todėl reikalinga papildoma kontrolė ir saugikliai.

Kitas iššūkis yra skaidrumas: ne visada aišku, kodėl robotas pasirinko būtent tokį veiksmą, o ne kitą. Tai svarbu, kai kalbama apie saugą darbo vietoje, atsakomybę ir tai, kas nutinka įvykus incidentui, pavyzdžiui, apgadinus brangią įrangą.

Kas tai reiškia mums ir darbo rinkai?

Savivaldžiai mokantys robotai keičia požiūrį į automatizaciją. Dalis pasikartojančių fizinių užduočių gali būti patikėta mašinoms, kurios sugeba prisitaikyti ir nesutrinka dėl smulkių pokyčių aplinkoje.

Tačiau atsiranda vis daugiau darbų, susijusių su roboto mokymo užduoties formulavimu, saugos reikalavimų nustatymu, duomenų stebėjimu ir rezultatų vertinimu. Vietoje to, kad žmogus nurodytų kiekvieną judesį, jis vis dažniau apibrėš tikslus ir ribas, o judėjimo logikos paiešką paliks pačiam robotui.