Alphabet внедрила 100 роботов в свои офисы для выполнения повседневных задач
В течение последних лет команда компании Х (находится в составе холдинга Alphabet) и Ханс Питер Брондсмо работали над тем, чтобы понять, можно ли научить роботов выполнять полезные задачи в беспорядочных, неструктурированных пространствах нашей повседневной жизни.
Мы представляем мир, в котором роботы работают вместе с нами, упрощая повседневные задачи — например, сортировку мусора, мытье столов в кафе или уборку стульев в конференц-залах. В более отдаленном будущем мы представляем, как роботы помогают нам множеством способов, например, позволяют пожилым людям дольше сохранять свою независимость.
Инженеры считают, что роботы обладают потенциалом оказывать глубокое положительное влияние на общество и могут сыграть важную роль, позволяя нам вести более здоровый и устойчивый образ жизни. Хотя до нашего воображаемого мира еще далеко, результаты недавних экспериментов показывают, что мы, возможно, только на пути к тому, чтобы однажды воплотить это будущее в реальность.
«Ранее я рассказывал о ходе эксперимента, в котором мы использовали обучение с подкреплением и моделирование, чтобы научить роботов сортировать мусор для уменьшения количества ненужных свалок. После того, как мы показали, что роботы могут улучшаться на практике, мы поставили перед собой задачу взять то, что роботы узнали при выполнении одной задачи, и применить это обучение к различным задачам, не перестраивая робота и без написания большого количества кода с нуля. Сегодня я рад сообщить, что у нас есть первые признаки того, что это возможно»
В настоящее время команда эксплуатирует парк из более чем 100 прототипов роботов, которые автономно выполняют ряд полезных задач в офисах компании. Тот же робот, который сортирует мусор, теперь может быть оснащен устройством для протирания столов, а также использовать тот же захват, с помощью которого он берет чашки, чтобы научиться открывать двери.
Теперь, когда инженеры увидели признаки того, что создание универсального обучаемого робота возможно, они планируют выйти из среды быстрого прототипирования X, чтобы сосредоточиться на расширении пилотных проектов в некоторых кампусах Google Bay Area. Они также откажутся от слова «проект» из названия и будут называться Everyday Robots.
Еще в 1980-х годах робототехник и специалист в области искусственного интеллекта Ханс Моравек заметил, что, хотя компьютеры легко научить делать то, что людям сложно, например, играть в шахматы или заниматься продвинутой математикой, обучать их делать то, что людям легко, например, ходить, узнавать и взаимодействовать с объектами вокруг них, невероятно сложно. Часто употребляемая поговорка «трудные вещи — легкие, а легкие — трудные», остается верной спустя десятилетия. Однако недавние достижения в области машинного обучения постепенно помогают изменить это.
На сегодняшний день большинство роботов все еще работают в средах, специально разработанных, структурированных и даже освещенных для них. Задачи, которые они выполняют, очень специфичны, и роботы тщательно запрограммированы для выполнения этих задач точно в нужное время. Однако этот подход просто не работает в запутанных сложных пространствах нашей повседневной жизни.
Представьте, что вы пытаетесь записать все возможные способы взять чашку кофе, предвидеть освещение или открыть дверь. Инженеры считают, что для того, чтобы роботы помогали в неструктурированных и непредсказуемых пространствах, где мы живем и работаем, их нельзя запрограммировать — им нужно учиться.
«За последние несколько лет мы создали интегрированную систему аппаратного и программного обеспечения, предназначенную для обучения, включая перенос обучения из виртуального мира в реальный. Наши роботы оснащены различными камерами и датчиками, позволяющими воспринимать окружающий мир. Используя сочетание методов машинного обучения, таких как обучение с подкреплением, совместное обучение и обучение на демонстрациях, роботы постепенно лучше понимают окружающий мир и становятся более опытными в выполнении повседневных задач»
Эти роботы отрабатывают такие задачи, как вытирание стола, в симулированном мире, прежде чем практиковаться в реальном мире, сокращая время, необходимое для изучения новых действий. Робот сортирует вторсырье, отходы и компост.
Еще в 2016 году, когда команда ученых не применяла моделирование и использовала небольшую лабораторную конфигурацию промышленных роботов, чтобы научиться хватать небольшие предметы, такие как игрушки, ключи и повседневные предметы домашнего обихода, одному роботу требовалось четыре месяца, чтобы научиться выполнять простой хват с вероятностью успеха 75%.
Теперь же один робот учится выполнять сложную задачу, например открывать двери, с 90% вероятности успеха, потратив менее одного дня на обучение в реальном мире. Еще более захватывающе то, что инженеры показали, как могут использовать алгоритмы и знания, полученные при открытии дверей, и применять их к новой задаче — выравнивать стулья в кафе. Этот прогресс вселяет надежду на то, что проект по созданию обучаемых роботов общего назначения может быть вполне возможен.
В ближайшие месяцы сотрудники Google, работающие в Маунтин-Вью, могут мельком увидеть прототипы команды Everyday Robot, вытирающие столы после обеда в кафе или открывающие двери конференц-залов, чтобы проверить, нужно ли прибраться в комнате. Со временем инженеры будут расширять круг задач, которые они выполняют, и здания, в которых работают.
«Как я уже говорил, создание крутых роботов — это не самоцель. Мы надеемся создать роботов, которые будут столь же полезны в нашей физической жизни, как компьютеры в нашей цифровой жизни, и считаем, что роботы обладают огромным потенциалом, чтобы стать инструментами, которые помогут нам найти новые решения для некоторых из самых больших проблем, стоящих перед миром, — от поиска новых способов жить более устойчиво до заботы о близких. Но это еще далеко впереди. На данный момент мы сосредоточены на обучении роботов новым задачам и на том, чтобы они не застряли в коридоре, чтобы помочь нам»
