Leaps and Bounds: The Breakneck Progress of Robot Agility

Da Charles Rosen, A.I. pioneren, der grundlagde SRI Internationals Artificial Intelligence Center, blev bedt om at finde på et navn til verdens første almene mobile robot, tænkte han et øjeblik og sagde så: ”Jamen, det ryster af helvede, når det bevæger sig. Lad os bare kalde det Shakey."

Nogle variationer af denne idé har gennemsyret meget af historien om moderne robotteknologi. Robotter, antager vi ofte, er klodsede maskiner med lige så stor ynde som en ateists søndagsfrokost. Selv science fiction-film har gentagne gange forestillet robotter som besværlige kreationer, der går med langsomme, standsende skridt.

Den idé stemmer simpelthen ikke længere overens med virkeligheden.

For nylig tog en gruppe forskere fra Dynamic Robotics Laboratory i Oregon State et af universitetets Cassie robotter, et par gående robotben, der ligner de nedre ekstremiteter af en struds, til en sportsplads for at prøve laboratoriets seneste "tobenede gangart"-algoritmer. Da robotten var der, hoppede, gik, galopperede og galoperede og skiftede problemfrit mellem hver type bevægelse uden at skulle bremse. Det var en imponerende demonstration, og en der taler til smidigheden af ​​nuværende robotter med ben - især når en smule dyb læringsbaseret træning er involveret.

"Normalt, når folk anvender dyb forstærkende læring til robotteknologi, bruger de belønningsfunktioner, der går ud på at belønne det neurale netværk for nøje at efterligne en referencebane." Jonas Siekmann, fortalte en af ​​forskerne på projektet til Digital Trends. "At samle denne referencebane i første omgang kan være ret svært, og når først du har en 'løb' referencebane, det er ikke særlig klart, om du også kan bruge det til at lære en "spring"-adfærd eller endda en "gå" opførsel."

I OSU-arbejdet skabte teamet et belønningsparadigme, der skrottede ideen om referencebaner fuldstændigt. I stedet opdeler den bidder af tid i "faser", og straffer robotten for at have en bestemt fod på jorden i en bestemt fase, mens den tillader det på andre punkter. Det neurale netværk finder derefter ud af "alle de hårde ting" - såsom den position, leddene skal være i, hvor meget drejningsmoment der skal påføres ved hvert led, hvordan forbliv stabil og oprejst – for at skabe et belønningsbaseret designparadigme, der gør det nemt for robotter som Cassie at lære stort set enhver tobenet gangart, der findes i natur.

At forudsige fremtiden

Det er en imponerende bedrift, helt sikkert. Men det medfører også et større spørgsmål: Hvordan i alverden blev robotter så adrætte? Mens der stadig ikke er mangel på videoer online viser robotter, der kollapser når tingene går galt, er der heller ingen tvivl om, at den overordnede vej, de er på, er en, der er på vej mod en imponerende jævn bevægelse. Når ideen om en robot galop som en pony eller udfører en billedskøn atletisk rutine ville have været langt ude selv for en film. I 2020 kommer robotter dertil.

Det er dog ikke let at forudsige disse fremskridt. Der er ingen simpel Moores lov-lignende observation, der gør det nemt at kortlægge den vej, robotter tager fra klodsede maskiner til glatte operatører.

Moores lov refererer til den observation, som Intel-ingeniør Gordon Moore gjorde i 1965, at hvert til hvert andet år vil antallet af komponenter, der kan presses på et integreret kredsløb, fordobles. Mens der er et argument at fremføre, at vi kan nu nå grænserne af Moores lov kunne en forsker i f.eks. 1991 realistisk finde ud af, på bagsiden af ​​en konvolut, hvor computeregenskaber kan være, hvad angår beregninger, i 2021. Tingene er mere komplekse for robotter.

"Selvom Moores lov forudsagde tendensen i computerkraft forbavsende godt, forudsagde en Trenden med robotter med ben er som at se ind i en krystalkugle,” Christian Gehring, chef for teknologi betjent kl ANYbotics AG, en schweizisk virksomhed, der laver robotter med ben, der allerede bliver brugt til opgaver som f.eks autonomt inspicere offshore energiplatforme, fortalte Digital Trends. "I bund og grund er robotter med ben meget integrerede systemer, der er afhængige af mange forskellige teknologier som energilagring, sansning, handling, databehandling, netværk og intelligens."

Det er fremskridt i denne sammenblanding af forskellige teknologier, der arbejder sammen, der gør nutidens robotter så kraftfulde. Det er også det, der gør dem svære at forudsige, hvad køreplanen for fremtidig udvikling angår. For at bygge den slags robotter, som robotister gerne vil have, skal der ske fremskridt i skabelsen af små og lette batterier, sansnings- og perceptionsfunktioner, mobilkommunikation og meget mere. Alle disse skal arbejde sammen med fremskridt inden for områder som dee-learning A.I. at skabe slags maskiner, der for altid vil forvise billeder af klodsede science fiction-bots, som vi voksede op med at se på TV.

Mindre, billigere, bedre

Den gode nyhed er, at det sker. Mens Moores lov fører til fremskridt på softwaresiden, er væsentlige hardwarekomponenter er bliver også mindre og billigere. Det er ikke så pænt som Gordon Moores formulering, men det sker.

"Selv med vores Atreus videnskabsdemonstrator [robot] fra seks eller otte år siden var effektforstærkerne til at drive vores motorer disse tre-punds mursten; de var store,” Jonathan Hurst, medstifter af Agility Robotics, der byggede den førnævnte Cassie-robot, fortalte Digital Trends. "Siden da har vi fået disse små, bittesmå forstærkere, der har den samme mængde strøm, den samme mængde spænding og giver os meget god kontrol over drejningsmomentet fra vores motorer. Og de er små - kun en tomme gange to tomme gange en halv tomme høje eller sådan noget. Vi har 10 af dem på Cassie. Det lægger op. Du har en mursten på tre pund, der er seks tommer gange fire tommer gange fire tommer mod måske et par ounce, der er en tomme gange to tommer. Det gør en stor forskel med ting som kraftelektronikken.”

Hurst sagde, at han mener, at robotter med ben stadig er i de tidlige stadier af deres vej til at blive allestedsnærværende teknologier, der ikke kun kan bevæge sig på en naturalistisk måde som mennesker, men fungerer problemfrit sideløbende dem. Nogle af disse udfordringer vil gå langt ud over søde (men ekstremt imponerende) demoer som at få robotter til at galoppere som ponyer. Men det er bestemt et vigtigt skridt at bygge smartere maskiner, der kan mestre forskellige former for bevægelse, og som er tillid til at fungere i den virkelige verden.

Det er et skridt (eller skridt), at gårobotter hele tiden bliver bedre og bedre.

Redaktørens anbefalinger

• Eksoskeletter med autopilot: Et kig på den nærmeste fremtid for bærbar robotteknologi
• God til StarCraft? DARPA ønsker at træne militærrobotter med dine hjernebølger
• MITs nye robot kan spille alles foretrukne blokstablingsspil, Jenga
• Undervands hopperobot fremviser fantastiske naturinspirerede springevner
• Blød robothånd giver forskerne nyt greb om dybhavslivet