Hoewel robotici erin zijn geslaagd robots indrukwekkende dingen te laten doen, zoals parkour in het laboratorium, is het allemaal zorgvuldig gepland om zich te ontvouwen in een strak gecontroleerde omgeving. Het is nog steeds enigszins verontrustend om een robot autonoom in uw huis te laten werken, vooral in huizen met kinderen en huisdieren. Bovendien variëren huizen qua ontwerp en is de indeling van kamers en objecten nog gevarieerder.
Onder robotica-experts bestaat er een algemeen erkend standpunt dat bekend staat als de ‘Moravec-paradox’: wat moeilijk is voor mensen, is gemakkelijk voor machines, en wat gemakkelijk is voor mensen, is moeilijk voor machines. Maar dankzij kunstmatige intelligentie (AI) is dat aan het veranderen. Robots beginnen taken uit te voeren zoals het opvouwen van wasgoed, koken en het uitladen van winkelmandjes die nog niet zo lang geleden voor robots bijna onmogelijk werden geacht.
Volgens het laatste nummer van MIT Technology Review bevindt robotica als vakgebied zich op een keerpunt: robots verlaten het laboratorium en betreden miljoenen huizen. Robotica staat op de rand van zijn eigen hoogtepunt.
Thuisrobots kunnen niet te duur zijn
Robots stonden in het verleden synoniem voor duur zijn, met zeer complexe modellen die honderdduizenden dollars kosten, waardoor ze voor de meeste gezinnen onbetaalbaar waren. PR2, een van de eerste versies van een thuisrobot, woog bijvoorbeeld 200 kilogram en kostte $ 400,000 USD.
Gelukkig komt er stilaan een nieuwe generatie goedkopere robots op. Stretch3, een nieuwe thuisrobot ontwikkeld door de Amerikaanse startup HelloRobot, is met $ 24.950 veel redelijker geprijsd en weegt 24,5 kilogram. Het heeft een kleine mobiele basis, een joystick waaraan een camera hangt, een verstelbare arm en een armatuur met aan het uiteinde een zuignap die kan worden bediend door een controller.
Ondertussen heeft een team van onderzoekers van Stanford University in de VS een systeem gebouwd met de naam MobileALOHA (Low-Cost Open Source Hardware for Remote Operation) waarmee een robot garnalen kan leren koken met behulp van slechts twintig stukjes data, waaronder menselijke gegevens. demonstraties. Het team gebruikte kant-en-klare componenten om een redelijker geprijsde robot te bouwen, hoewel deze ook tienduizenden dollars kostte, maar eerdere vergelijkbare modellen konden gemakkelijk honderdduizenden dollars kosten.
AI bouwt een ‘universeel robotbrein’
Wat deze nieuwe robots onderscheidt van hun ‘voorgangers’ is eigenlijk hun software. Dankzij de opkomst van AI verschuift de focus van de technologie nu van dure robots die fysieke behendigheid bereiken naar neurale netwerken die het ‘universele robotbrein’ bouwen.
Robotica-experts gebruiken deep learning en neurale netwerken om ‘hersensystemen’ te creëren die van de omgeving kunnen leren en het robotgedrag dienovereenkomstig kunnen aanpassen in toepassingen, in plaats van de traditionele zorgvuldige planning en nauwgezette training.
In de zomer van 2023 introduceerde Google RT-2, een visie-verbaal-actiemodel dat een algemeen inzicht in de wereld verkrijgt uit online tekst en afbeeldingen die worden gebruikt voor training, maar ook uit zijn eigen interacties, en dat vertaalt gegevens omzetten in robotacties.
Het Toyota Research Institute, Columbia University en het MIT-team hebben robots al snel veel nieuwe taken geleerd met behulp van een AI-leertechniek die imitatieleren wordt genoemd, en ook generatieve AI. Deze aanpak zal de uitbreiding van generatieve AI-technieken van het rijk van tekst, afbeeldingen en video naar het rijk van robotbewegingen duwen.
Covariant, een startup die voortkwam uit OpenAI's inmiddels opgeheven onderzoeksafdeling voor robotica, bouwde in plaats daarvan een multimodaal model, RFM-1, dat aanwijzingen uit tekst, afbeeldingen, video en robotopdrachten accepteert. Met generatieve AI kunnen robots instructies begrijpen en afbeeldingen of video's genereren die verband houden met die taken.
Meer data leidt tot slimmere robots
De kracht van grote AI-modellen zoals GPT-4 ligt in het verzamelen van grote hoeveelheden gegevens van internet, maar dit geldt niet voor robots, die gegevens nodig hebben die speciaal voor hen zijn verzameld. Ze hebben fysieke demonstraties nodig van hoe ze wasmachines en koelkasten moeten openen, een bord moeten oppakken of de was moeten opvouwen. Op dit moment zijn deze gegevens zeer schaars en duurt het lang om ze te verzamelen.
Google Deep Mind heeft een nieuw programma gelanceerd, de Open Source X-Embodiment Collaboration, om daar verandering in te brengen. Vorig jaar werkte het bedrijf samen met ongeveer 150 onderzoekers in 34 laboratoria om gegevens te verzamelen van 22 verschillende robots, waaronder HelloRobot's Stretch 3. De resulterende dataset, die in oktober 2023 zal worden vrijgegeven, zal 527 van de robotvaardigheden omvatten, zoals plukken, duwen , en bewegen.
Er is ook een robot genaamd RT-X, waarvoor de onderzoekers specifiek twee versies van het model hebben gebouwd, die zowel lokaal op computers in verschillende laboratoria kunnen worden uitgevoerd als toegankelijk zijn via internet.
Het grotere, webtoegankelijke model was vooraf getraind met internetgegevens om 'visueel gezond verstand' te ontwikkelen op basis van grote taal- en beeldmodellen. Wanneer onderzoekers het RT-X-model op veel verschillende robots uitvoeren, ontdekken ze dat dergelijke robots 50% succesvoller zijn in het aanleren van vaardigheden dan systemen die onafhankelijk in elk laboratorium zijn ontwikkeld.
Kortom: meer data zorgen voor slimmere robots.