Эволюция машин: чему человек учит роботов

И зачем? О целях, способностях роботов и перспективах их развития

Повысить эффективность производства в начале 19 века должны были машины, в середине 20 века — роботы, а сегодня — роботы с искусственным интеллектом. Разработчики и исследователи стремятся сделать роботов более эффективными, но также еще и удобными, интерактивными, безопасными, сотрудничающими.

Надежные роботы-манипуляторы, способные захватывать и перемещать объект, востребованы в различных отраслях — ритейле, пищевой, фармацевтической, электронной промышленности и не только. Современные задачи такой роботизированной системы — надежный и «аккуратный» захват, высокие скорость и точность перемещения объектов, безошибочная их сортировка. Решить их помогает искусственный интеллект.

В апреле 2019 года американский стартап RightHand Robotics представил RightPick2 — вторую доработанную версию робота-манипулятора, созданного для сортировки и перемещения предметов.

Система оснащена пятым поколением захватов, способных поднимать груз весом до 2 кг, новой версией руки от Universal Robots и камерами глубины Intel®RealSense™ Depth Camera D415. Программное обеспечение RightPick.AI системы управления движением и зрением также улучшено. Благодаря доработке робот способен быстро сортировать разнообразные предметы, а также считывать штрих-коды для выполнения заказов.

Отечественные разработчики роботов-манипуляторов тоже в тренде.

По словам Андрея Спиридонова, основателя Aripix Robotics, сегодня каждый заказчик хочет видеть у себя на производстве робота, способного распознавать предметы. Машинное зрение — это очевидный шаг в развитии промышленных роботов-манипуляторов. Такой робот не нуждается в точной подаче или позиционировании предметов, требует минимальной оснастки. Технология машинного зрения упрощает настройку и перенастройку робота, увеличивая его гибкость и расширяя возможности применения. «Зрение» для роботов сегодня сделать просто.

«Мы уже применяем машинное зрение и следующим шагом будет внедрение нейросетей, — делится планами основатель Aripix Robotics. — Нейросеть будет обучаться, формировать базу данных о заготовках разной формы, и затем на основе "полученных знаний" робот будет работать с ними. Например, идентифицировать на потоке брак и устранять его с конвейера, а качественные детали помещать в контейнер».

Внедрение интеллектуальных роботов, способных распознавать и анализировать объекты, идет не только в промышленности, но и в логистике.

В марте 2019 года Boston Dynamics разместил видео с логистическим роботом Handle. На его «голове» присоски, с помощью которых он может снимать коробки с паллет, перемещать и ровно складывать их.

Благодаря системе машинного зрения робот может найти маркированные поддоны и определенные коробки на них и переместить их в заданное место. Handle использует систему контроля силы для того, чтобы плотно ставить коробки друг к другу.

«Когда мы начали разработку Ronavi H1500 4 года назад, логистические роботы применялись только для перевозки стеллажей в зоне комплектации заказа, — вспоминает Иван Бородин, директор компании-производителя логистических роботов Ronavi Robotics. — К 2019 году производители, как правило, имеют уже целые линейки роботов и функциональные модули для них. Так, Ronavi в 2020 году релизит робота-сортировщика мелких посылок и писем и робота для фулфилмент-центров. Таким образом, практически все процессы на складе становятся роботизированными, роботы существуют в единой экосистеме».

По словам эксперта, искусственный интеллект применяется для моделирования логистических процессов и управления роботами. «Наши партнеры, разработавшие систему управления роботами Robotics Management System (RMS), используют машинное обучение и искусственный интеллект для создания оптимальной конфигурации роботизированного склада и управления роботами, с учетом суточных и сезонных изменений потока заказов», — поясняет Иван Бородин.

Система RMS позволяет создавать цифровые двойники роботов для расчета экономических показателей, построения достоверной имитации и аналитики процессов роботизированного склада. Первая часть системы — транспортная — отвечает за распределение задач роя роботов, планирование одновременно выполняемых маршрутов, автоматическую зарядку, преодоление внештатных ситуаций. А вторая — умная система управления складом — на основе анализа исторических данных интегрирует множество технологий оптимизации хранения для повышения эффективности склада и динамически строит стратегию хранения.

К полной автоматизации складов близок Amazon. Чуть больше года назад компания оформила патент на роботизированную руку или манипулятор, который сможет с помощью сенсоров идентифицировать объекты, определять, как лучше их взять, вычислять траекторию перемещения и фасовать предметы в определенные лотки или корзины.

Робот будет использовать базу данных о свойствах объектов, «собственные ощущения» и сведения об удачных и неудачных стратегиях перемещения аналогичных объектов в прошлом. Манипуляторы Amazon смогут перемещаться по складу, взаимодействовать друг с другом и центром управления. Сотрудники будут управлять роботами через мобильное приложение.

Начиная с середины 20 века область применения роботов расширилась. Рутину и грязь дополнили несовместимые с жизнью условия, сверхнагрузки, сверхзадачи. Появился и опыт преодоления таких ситуаций: аварии на АЭС, освоение шельфов, работа в открытом космосе. Люди осознали свои ограничения, и необходимость сверхлюдей или роботов с человеческими способностями стала очевидной.

«Развитие "способностей" роботов считывать информацию извне создает новые возможности их применения не только в промышленности, но и в других средах, которые не определены и где необходима связь робота с реальностью», — отмечает Алиса Конюховская, исполнительный директор Национальной Ассоциации участников рынка робототехники.

От точности обратной связи, поступающей от дистанционно управляемого робота, зависит его адаптивность и эффективность. Для выполнения сложных действий на расстоянии, например, в космосе или труднодоступных районах планеты, робот должен точно передавать оператору «ощущения», а также без задержки воспроизводить мелкую моторику человеческой руки.

Решая эту задачу, американский стартап HaptX (ранее известный как AxonVR) разработал высокотехнологичные тактильные перчатки, имитирующие человеческое прикосновение. Разработчики использовали микрофлюидную технологию и систему отслеживания движения, что позволяет пользователям перемещаться в виртуальной реальности и чувствовать виртуальные объекты руками. Ощущение реалистичного прикосновения обеспечивает 130 тактильных датчиков. Перчатки работают с гарнитурой VR и трекером, подключенным к центральному блоку управления, программное обеспечение HaptX поддерживает Unity и Unreal Engine 4.

Летом 2019 года HaptX, Shadow Robot Company и SynTouch представили совместную разработку — роботизированные руки. Оператор, надев сенсорные перчатки, может выполнять на расстоянии точные манипуляции с предметами — роботизированные руки точно и без временной задержки повторяют движения пальцев, кистей и рук оператора. Человек также получает точные тактильные ощущения, в том числе чувствует силу, с которой робот прикасается к предмету — давление при захвате предмета передается с помощью заполненных воздухом трубок, идущих до кончиков пальцев.

По словам Алисы Конюховской, полет робота Федора в космос и выпуск компанией Promobot андроида Robo-C (робота Алекса) стали самыми яркими событиями российского рынка робототехники за последние несколько месяцев.

Новый шаг в развитии антропоморфных роботов недавно сделали разработчики Массачусетского Технологического Института и Университета Иллинойс-Шампейн.

Созданный ими двуногий робот Маленький Гермес способен использовать двигательный интеллект человека и его рефлексы для корректировки своего положения в пространстве и движений. Ученые смогли динамически синхронизировать движения двуногого робота и оператора посредством двусторонней обратной связи. Маленький Гермес подключен к оператору, который стоит на чувствительной к давлению пластине и одет в жилет, обеспечивающий обратную связь. Если робот сталкивается с неожиданным уклоном, оператор чувствует давление, указывающее на наклон, и рефлексивно делает правильное движение. Робот синхронно повторяет его и благодаря двусторонней обратной связи сохраняет равновесие.

Интеграция роботов в мир людей и взаимодействие с человеком — задачи нашего времени. Традиционно на производствах выделяют опасные для человека зоны, где трудятся роботы. Однако последнее время популярным направлением робототехники стали коботы, или роботы способные работать в одном пространстве с человеком. Но коботы выполняют операции медленнее, обладают меньшей грузоподъемностью и производительностью, чем их промышленные собратья.

Стремясь снять эти ограничения, американский стартап VeoRobotics разработал систему Veo, которая которая позволяет роботам различать все объекты и препятствия вокруг. В ее основе распознавание объектов и семантическое моделирование.

По мнению разработчиков, безопаснее сразу создавать интерактивную среду, чем строить заборы и клетки. Система Veo использует четыре камеры глубины, расположенные вокруг рабочего пространства и обеспечивающие полный визуальный охват. После того, как вы установили систему Veo, вы определяете различные вещи как заготовки, запрещенные зоны и так далее. Нет необходимости добавлять точные размеры несущих балок и безопасные места для людей. Робот работает так же, как и в других случаях, за исключением того, что теперь он знает точное местоположение и размер всего, что находится в его поле зрения. Если человек или транспортное средство вторгаются, или что-то ломается, или появляется другое отклонение от нормы, система замедляется или останавливается. Более того, если Veo не уверена полностью в своей безопасности, например, одна из камер частично потеряла обзор, робот полностью останавливается.

Летом 2019 года разработчики Массачусетского Технологического Института сообщили о создании алгоритма «частичной траектории», который позволяет роботу предугадывать траекторию движения человека и менять траекторию своего движения так, чтобы безопасно работать с человеком в одном пространстве. Разработчики наблюдали за работой роботов на производстве BMW и пришли к выводу о том, что роботы останавливаются задолго до того, как человек пересекает их путь, и тратят много времени в ожидании. Новый метод «частичной траектории» опирается на данные о траекториях движения в режиме реального времени, а также большую базу обычных траекторий движения. Этот алгоритм позволяет лучше предугадывать движение человека, которое редко бывает непрерывным — рабочий, неоднократно двигаясь по одному и тому же маршруту, может идти медленнее, останавливаться и вновь начинать движение. Метод «частично траектории» позволяет роботам продолжать работать, избегая пешеходов.

В апреле 2019 года Amazon купил Canvas Technology, американский стартап, который в прошлом году продемонстрировал автономное транспортное средство, способное передвигаться в людном пространстве, избегая столкновений с пешеходами и препятствиями.

Разработчики использовали «пространственный искусственный интеллект», трехмерную визуализацию и собственное программное решение. Таким образом, стоит ожидать, что скоро на складах Amazon перемещать грузы будут беспилотные тележки.

Распространение роботов сдерживает сложность процесса «обучения». По словам основателя Aripix Robotics, «обучение» робота каждой новой операции требует не только времени, но и особой квалификации человека. «Перенастроить и перепрограммировать робота может далеко не каждый инженер, чтобы "обучить" робота человеку необходимо специальное обучение в течение нескольких месяцев и прохождение сертификации. Таких инженеров мало и это сильно сдерживает развитие автоматизации производств», — отмечает Андрей Спиридонов.

В апреле 2019 года производитель промышленных роботов Fanuc представил инструмент для «обучения» роботов на основе искусственного интеллекта. Разработка должна упростить и ускорить процесс «тренировки» промышленных роботов. Теперь робота не надо перенастраивать и перепрограммировать. Оператору достаточно посмотреть на фото перемешанных в корзине предметов и указать пальцем тот, который робот должен отсортировать. Технология позволяет обучать одновременно нескольких роботов.

«Перспективную разработку сделал американский стартап Sisu», — считает Андрей Спиридонов. Kaisu System — джойстик со встроенными в него гироскопами и акселерометрами для управления промышленным роботом, выглядит как простой пульт с одной кнопкой. Оператор двигает джойстиком в воздухе, а робот повторяет его движения.

По словам Андрея Спиридонова, разработка интересна тем, что позволяет даже неподготовленному человеку быстро освоить управление роботом. «Сложность и длительность обучения управлению роботами — сдерживающий фактор для распространения автоматизации производств. Руководители многих предприятий, на которых ранее не было роботов, боятся, что сотрудники будут долго осваивать дорогую систему и что это увеличит срок ее окупаемости. — поясняет господин Спиридонов. — Kaisu System снимает барьер, так как с ее помощью очень легко начать управлять роботом и настраивать его. Мы рассматриваем это решение как перспективное для развития нашего робота» — делится планами основатель Aripix Robotics.

Американский проект Olis Robotics (ранее BluHaptics), разработал программное обеспечение для дистанционного управления роботами. Технология Olis обеспечивает высокую автономию и «осознание» роботами ситуации, а также высокий уровень контроля удаленно работающих роботов. Машинное обучение"развивает" способность роботов распознавать объекты и «помнить», как их использовать. Например, подводный робот, работающий на морской нефтяной платформе, может использовать свои автономные умения для того, чтобы самостоятельно выбрать подходящий для работы гаечный ключ, определить, какое усилие необходимо приложить, чтобы открыть клапан, и «запомнить», где он оставил гаечный ключ, чтобы в будущем быстро его «найти».

Любопытные эксперименты проводит робототехническая группа Сергея Левина, доцента Университета Беркли. Исследователи учат роботов учиться, разрабатывая технологию, которая позволит роботам действовать, опираясь на собственный опыт.

«Когда роботы выйдут в неструктурированную среду, такую как наши дома, офисы, клиники, вокруг них может случаться множество непредсказуемых событий. И способность учиться станет решающей в этом случае. Интеграция роботов в нашу среду станет возможной, если роботы смогут учиться из опыта, опираться на здравый смысл и использовать это для того, чтобы действовать разумно, когда вокруг них происходит то, чего они не ожидали», — так Сергей Левин описывает проблему, над которой работает его группа.

Одна из методик, разработанных учеными, называется «Глубокий визуальный прогноз для планирования движения роботов», она должна помочь роботам накапливать собственный опыт без человеческого контроля. По сути это обучение робота методом проб и ошибок. Робот выполняет тысячи тренировочных упражнений, например, толкает разные объекты и фиксирует на камеры результат с разных углов, так он собирает собственную базу данных. Для их обработки используются предиктивные модели, впоследствии робот оказывается способным толкать объекты, на взаимодействие с которыми он не был запрограммирован ранее. Еще одна методика, которую разработали в лаборатории, позволяет обучить робота через повторение действий за человеком.

По образу и подобию — разработчики и исследователи наделяют роботов человеческими способностями и навыками. Если объединить все разработки в одну, то результат может оказаться феноменальным.

«Без сенсоров и датчиков роботы "глухи и слепы". Но сегодня появляются возможности оснастить роботов сенсорами. Благодаря этому они смогут "считывать" информацию об окружающей их среде, воспринимать этот мир, создавать карту реальности, реагировать на нее, менять программу, которая в них заложена, то есть действовать в изменяемой среде, адаптироваться к ней и выполнять полезную работу для людей и бизнеса», — отмечает Алиса Конюховская, исполнительный директор Национальной Ассоциации участников рынка робототехники.

Интеллектуальные роботы в разы повышают эффективность. «Автоматизация складских процессов позволяет снизить операционные расходы и количество ошибок, а также ускорить выполнение заказов. Например, по данным Business Insider, Amazon, к 2018 полностью роботизировал 26 складов, снизив операционные расходы на 20% — экономия составила сотни миллионов долларов, при этом компания выполнила в 10 раз больше работы с тем же числом сотрудников», — описывает эффективность применения роботов в логистике Иван Бородин, директор компании-производителя логистических роботов Ronavi Robotics.

Однако мы не можем спрогнозировать, как поведут себя в сложной ситуации роботы, способные учиться, накапливать и передавать опыт, автономно действовать. Вероятно, интеллектуальные машины предъявят нам обоснованную претензию в том, что мы, мешая их движению по цеху или складу, снижаем эффективность производства в сотни или тысячи раз. И нам придется это признать и сдать позиции роботам. Но несмотря на это эксперты смотрят в будущее позитивно.

«В том, что роботы заменят людей на производствах нет ничего пессимистичного, — считает Андрей Спиридонов. И предлагает вспомнить время, когда тысячи телефонисток круглосуточно обслуживали станции. Сегодня этой, как и многих других рутинных профессий нет. «С развитием и распространением интеллектуальных роботов жизнь только улучшится — люди будут меньше работать. Выбор в любом случае останется за человеком: те, кто хочет, сможет больше времени посвящать саморазвитию и творческой самореализации, тех же, кто не желает прилагать усилия и расти, как и сегодня, ждет деградация», — делится прогнозом основатель Aripix Robotics.