Leaps and Bounds: The Breakneck Progress of Robot Agility

Da Charles Rosen, A.I. pioneren som grunnla SRI Internationals Artificial Intelligence Center, ble bedt om å komme opp med et navn for verdens første generelle mobile robot, tenkte han et øyeblikk og sa så: «Vel, den rister som faen når den beveger seg. La oss bare kalle det Shakey.»

Noen varianter av denne ideen har gjennomsyret mye av historien til moderne robotikk. Roboter, antar vi ofte, er klønete maskiner med like mye ynde som en ateists søndagslunsj. Til og med science fiction-filmer har gjentatte ganger forestilt roboter som klønete kreasjoner som går med langsomme, stansende skritt.

Den ideen stemmer rett og slett ikke lenger med virkeligheten.

Nylig tok en gruppe forskere fra Dynamic Robotics Laboratory i Oregon State en av universitetets Cassie roboter, et par gående robotbein som ligner underekstremitetene til en struts, til en idrettsplass for å prøve ut laboratoriets siste "tobeinte gangart"-algoritmer. Vel fremme hoppet, gikk, galopperte og galopperte roboten, og byttet sømløst mellom hver type bevegelse uten å måtte bremse. Det var en imponerende demonstrasjon, og en som taler til smidigheten til nåværende roboter med ben - spesielt når litt dyp læringsbasert trening er involvert.

"Vanligvis, når folk bruker dyp forsterkende læring på robotikk, bruker de belønningsfunksjoner som koker ned til å belønne det nevrale nettverket for å etterligne en referansebane," Jonas Siekmann, fortalte en av forskerne på prosjektet til Digital Trends. "Å samle denne referansebanen i utgangspunktet kan være ganske vanskelig, og når du først har en "løping" referansebane, det er ikke veldig klart om du også kan bruke det til å lære en "hopping"-atferd, eller til og med en "gå" oppførsel."

I OSU-arbeidet skapte teamet et belønningsparadigme som skrotet ideen om referansebaner fullstendig. I stedet deler den opp biter av tid i "faser", og straffer roboten for å ha en spesifikk fot på bakken under en bestemt fase, samtidig som den lar den gjøre det på andre punkter. Det nevrale nettverket finner deretter ut "alt det harde" - for eksempel posisjonen leddene skal være i, hvor mye dreiemoment som skal påføres ved hvert ledd, hvordan forbli stabil og oppreist – for å skape et belønningsbasert designparadigme som gjør det enkelt for roboter som Cassie å lære omtrent hvilken som helst tobent gangart som finnes i natur.

Forutsi fremtiden

Det er en imponerende bragd, for å være sikker. Men det bringer også et større spørsmål: Hvordan i all verden ble roboter så smidige? Mens det fortsatt ikke er mangel på videoer på nettet viser roboter som kollapser når ting går galt, er det heller ingen tvil om at den generelle veien de er på er en som går mot en imponerende jevn bevegelse. Når ideen om en robot galopperende som en ponni eller utføre en bilde-perfekt atletisk rutine ville vært langsøkt selv for en film. I 2020 kommer roboter dit.

Å forutsi disse fremskrittene er imidlertid ikke lett. Det er ingen enkel observasjon av Moores lov-type som gjør det enkelt å kartlegge banen roboter tar fra klønete maskiner til jevne operatører.

Moores lov refererer til observasjonen som ble gjort av Intel-ingeniør Gordon Moore i 1965 om at antallet komponenter som kan presses inn i en integrert krets vil dobles hvert til annet år. Selv om det er et argument som skal argumenteres for at vi kan nå nå grensene av Moores lov, kan en forsker i for eksempel 1991 realistisk finne ut, på baksiden av en konvolutt, hvor datamaskinfunksjoner kan være, når det gjelder beregninger, i 2021. Ting er mer komplekse for roboter.

"Selv om Moores lov spådde trenden i datakraft forbløffende godt, spådde en trenden i roboter med ben er som å se inn i en krystallkule, sier Christian Gehring, teknologisjef offiser kl ANYbotics AG, et sveitsisk selskap som lager roboter med ben som allerede brukes til oppgaver som autonomt inspisere offshore energiplattformer, fortalte Digital Trends. "I hovedsak er roboter med ben svært integrerte systemer som er avhengige av mange forskjellige teknologier som energilagring, sansing, handling, databehandling, nettverk og intelligens."

Det er fremskritt i denne sammenblandingen av ulike teknologier som jobber sammen som gjør dagens roboter så kraftige. Det er også det som gjør dem vanskelige å forutsi så langt veikartet for fremtidig utvikling når. For å bygge den typen roboter som robotikere vil ha, må det være fremskritt i etableringen av små og lette batterier, sanse- og persepsjonsevner, mobilkommunikasjon og mer. Alle disse vil trenge å fungere sammen med fremskritt innen felt som dee-learning A.I. å lage typer maskiner som for alltid vil forvise bilder av klønete science fiction-roboter vi vokste opp med å se på TV.

Mindre, billigere, bedre

Den gode nyheten er at det skjer. Mens Moores lov fører til fremskritt på programvaresiden, er det viktige maskinvarekomponenter er blir også mindre og billigere. Det er ikke så pent som Gordon Moores formulering, men det skjer.

«Selv med vår Atreus vitenskapsdemonstrator [robot] fra seks eller åtte år siden var effektforsterkerne for å drive motorene våre disse tre kilos klossene; de var store,» Jonathan Hurst, medgründer av Agility Robotics, som bygde den nevnte Cassie-roboten, fortalte Digital Trends. "Siden den gang har vi fått disse små, bittesmå forsterkerne som har samme mengde strøm, samme mengde spenning og gir oss veldig god kontroll over dreiemomentet til motorene våre. Og de er bittesmå - bare en tomme ganger to tomme ganger en halv tomme høye eller noe sånt. Vi har 10 av dem på Cassie. Det legger opp. Du har en murstein på tre pund som er seks tommer ganger fire tommer ganger fire tommer mot kanskje et par unser som er en tomme ganger to tommer. Det utgjør en stor forskjell med ting som kraftelektronikken.»

Hurst sa at han tror roboter med ben fortsatt er i de tidlige stadiene av veien til å bli allestedsnærværende teknologier som ikke bare kan bevege seg på en naturalistisk måte som mennesker, men fungerer sømløst ved siden av dem. Noen av disse utfordringene vil gå langt utover søte (men ekstremt imponerende) demoer som å få roboter til å galoppere som ponnier. Men å bygge smartere maskiner som kan mestre ulike typer bevegelser, og som er klarert å operere i den virkelige verden, er absolutt et viktig skritt.

Det er et skritt (eller trinn) som går roboter blir bedre og bedre hele tiden.

Redaktørenes anbefalinger

• Eksoskjeletter med autopilot: En titt på den nære fremtiden for bærbar robotikk
• God på StarCraft? DARPA ønsker å trene militærroboter med hjernebølgene dine
• MITs nye robot kan spille alles favoritt blokkstablespill, Jenga
• Undervannshopperobot viser fantastiske naturinspirerte hoppeevner
• Myk robothånd gir forskere nytt grep om livet på dypt hav