Alphabet впровадила 100 роботів у свої офіси для виконання повсякденних завдань
Протягом останніх років команда компанії X (входить до холдингу Alphabet) та Ганс Пітер Брондсмо працювали над тим, щоб зрозуміти, чи можна навчити роботів виконувати корисні завдання в безладних, неструктурованих просторах нашого повсякденного життя.
Ми уявляємо світ, у якому роботи працюють разом із нами, спрощуючи повсякденні завдання — наприклад, сортування сміття, миття столів у кафе або прибирання стільців у конференц-залах. У більш віддаленому майбутньому ми бачимо, як роботи допомагають нам багатьма способами, наприклад, дозволяють літнім людям довше зберігати свою незалежність.
Інженери вважають, що роботи мають потенціал справляти глибокий позитивний вплив на суспільство і можуть відіграти важливу роль, дозволяючи нам вести здоровіший і сталий спосіб життя. Хоча до нашого уявного світу ще далеко, результати недавніх експериментів показують, що ми, можливо, лише на шляху до того, щоб колись втілити це майбутнє в реальність.
«Раніше я розповідав про хід експерименту, в якому ми використовували навчання з підкріпленням і моделювання, щоб навчити роботів сортувати сміття для зменшення кількості непотрібних звалищ. Після того, як ми показали, що роботи можуть покращуватися на практиці, ми поставили перед собою завдання взяти те, що роботи навчилися під час виконання одного завдання, і застосувати це навчання до різних завдань, не перебудовуючи робота і не написуючи велику кількість коду з нуля. Сьогодні я радий повідомити, що у нас є перші ознаки того, що це можливо»
Наразі команда експлуатує парк з понад 100 прототипів роботів, які автономно виконують низку корисних завдань в офісах компанії. Той самий робот, який сортує сміття, тепер може бути оснащений пристроєм для протирання столів, а також використовувати той самий захват, яким він бере чашки, щоб навчитися відчиняти двері.
Тепер, коли інженери побачили ознаки того, що створення універсального навченого робота можливе, вони планують вийти із середовища швидкого прототипування X, щоб зосередитися на розширенні пілотних проєктів у деяких кампусах Google Bay Area. Вони також відмовляться від слова «проєкт» у назві та називатимуться Everyday Robots.
Ще у 1980-х роках робототехнік і фахівець зі штучного інтелекту Ганс Моравек помітив, що, хоча комп'ютери легко навчити робити те, що людям важко, наприклад, грати в шахи або займатися просунутою математикою, навчити їх робити те, що людям легко, наприклад, ходити, розпізнавати і взаємодіяти з предметами навколо себе, неймовірно складно. Часто вживана приказка «складні речі — легкі, а легкі — складні» залишається правдивою через десятиліття. Однак недавні досягнення в галузі машинного навчання поступово допомагають це змінити.
На сьогодні більшість роботів усе ще працюють у середовищах, спеціально розроблених, структурованих і навіть освітлених для них. Завдання, які вони виконують, дуже специфічні, а роботи ретельно запрограмовані на виконання цих завдань точно в потрібний час. Однак цей підхід просто не працює в заплутаних складних просторах нашого повсякденного життя.
Уявіть, що ви намагаєтеся описати всі можливі способи взяти чашку кави, передбачити освітлення або відчинити двері. Інженери вважають, що для того, щоб роботи допомагали в неструктурованих і непередбачуваних просторах, де ми живемо і працюємо, їх не можна запрограмувати — їх потрібно навчати.
«За останні кілька років ми створили інтегровану систему апаратного та програмного забезпечення, призначену для навчання, включно з перенесенням навчання з віртуального світу в реальний. Наші роботи оснащені різними камерами і датчиками, що дозволяють сприймати навколишній світ. Використовуючи поєднання методів машинного навчання, таких як навчання з підкріпленням, спільне навчання і навчання на демонстраціях, роботи поступово краще розуміють навколишній світ і стають досвідченішими у виконанні повсякденних завдань»
Ці роботи відпрацьовують такі завдання, як витирання столу, у симульованому світі, перш ніж практикуватися в реальному, що скорочує час, необхідний для вивчення нових дій. Робот сортує вторсировину, відходи і компост.
Ще у 2016 році, коли команда вчених не застосовувала моделювання і використовувала невелику лабораторну конфігурацію промислових роботів, щоб навчитися хапати дрібні предмети, такі як іграшки, ключі та побутові речі, одному роботу потрібно було чотири місяці, щоб навчитися виконувати простий захват з імовірністю успіху 75%.
Тепер же один робот навчається виконувати складне завдання, наприклад відчиняти двері, з імовірністю успіху 90%, витративши менше одного дня на навчання в реальному світі. Ще захопливіше те, що інженери показали, як можна використати алгоритми та знання, отримані під час відчинення дверей, і застосувати їх до нового завдання — вирівнювати стільці в кафе. Цей прогрес підкріплює надію на те, що проєкт зі створення навчених роботів загального призначення може бути цілком можливим.
найближчими місяцями співробітники Google, які працюють у Маунтін-В'ю, можуть мимохідь побачити прототипи команди Everyday Robot, які витирають столи після обіду в кафе або відчиняють двері конференц-залів, щоб перевірити, чи потрібно прибрати в кімнаті. Згодом інженери розширюватимуть коло завдань, які вони виконують, і будівлі, в яких працюють.
«Як я вже казав, створення крутих роботів — це не самоціль. Ми сподіваємося створити роботів, які будуть так само корисні в нашому фізичному житті, як комп'ютери в нашому цифровому, і вважаємо, що роботи мають величезний потенціал стати інструментами, які допоможуть нам знайти нові рішення для деяких із найбільших проблем, що стоять перед світом, — від пошуку нових способів жити сталіше до турботи про близьких. Але це ще далеко попереду. Наразі ми зосереджені на навчанні роботів новим завданням і на тому, щоб вони не застрявали в коридорі, щоб допомагати нам»
