Skip to main content

Article Category

Article available in the folowing languages:

Świat zwierząt inspiruje naukowców do stworzenia bardziej odpornych i elastycznych robotów

Niezwykle wytrzymałe i niemal niezniszczalne roboty znane z filmów i książek fantastyczno-naukowych to niestety tylko mrzonka – istniejące roboty mogą jedynie pomarzyć o takich możliwościach. Na szczęście w ramach jednego z projektów finansowanych przez Europejską Radę ds. Badań Naukowych powstały nowe algorytmy, które pozwolą robotom samodzielnie naprawiać niespodziewane uszkodzenia w ciągu zaledwie kilku minut.

Gospodarka cyfrowa
Technologie przemysłowe

Pomimo że rozwój robotyki trwa już od przeszło 50 lat, większość współczesnych robotów nie jest tak wytrzymała jak nawet najmniejsze i najprostsze organizmy zwierzęce. Mówiąc krótko – mogą przestać funkcjonować w wyniku niespodziewanego upadku czy napotkania trudnych warunków. Jeśli chcemy, by roboty stawały się coraz ważniejszą częścią naszych społeczeństw i były wykorzystywane w sytuacjach kryzysowych, musimy rozwiązać problem ich wrażliwości i podatności na uszkodzenia. Na szczęście nad rozwiązaniem pracuje zespół projektu ResiBots (Robots with animal-like resilience). „Celem naszego projektu było opracowanie nowych algorytmów, zaprojektowanych z myślą o umożliwieniu robotom powrotu do normalnego działania bez konieczności przewidywania wszystkich możliwości uszkodzeń”, tłumaczy Jean-Baptiste Mouret, główny badacz projektu. „Ma to szczególne znaczenie w przypadku uszkodzeń mechanicznych, które są niezwykle trudne do zdiagnozowania za pomocą czujników robota – innymi słowy, przyświeca nam wizja budowy robotów, które będą miały zdolność improwizacji w sytuacji, w której postawimy przed nimi trudne zadanie”, dodaje.

Nowy sposób myślenia zwiększa wytrzymałość robotów

Zakładana przez uczestników projektu wizja mocno kontrastuje z obecnym podejściem do tolerancji na uszkodzenia, które pochodzi w dużej mierze z systemów o kluczowym znaczeniu dla bezpieczeństwa, takich jak statki kosmiczne oraz elektrownie jądrowe. Oczywiście zastosowanie takiego rozwiązania w przypadku tanich i autonomicznych robotów jest wysoce niewłaściwe, ponieważ opiera się na procedurach diagnostycznych, które wymagają drogich czujników proprioceptywnych i planów awaryjnych, które nie są w stanie jednak objąć wszystkich możliwych sytuacji, z jakimi może zetknąć się autonomiczny robot działający samodzielnie. Algorytmy opracowane przez Moureta i jego zespół stanowią jednak obejście tego przestarzałego sposobu myślenia, zostały bowiem zaprojektowane z myślą o działaniach adaptacyjnych w robotyce, wykorzystujących niewielkie ilości danych. „Nasze algorytmy pozwalają między innymi sześcionożnemu robotowi nauczyć się nowego sposobu chodzenia w czasie krótszym niż 2 minuty”, wyjaśnia Mouret. „Rozwiązanie opiera się na koncepcji wykorzystaniu symulacji nieuszkodzonego robota do przyspieszenia procesu adaptacji robota, który odniósł nieznane dla siebie uszkodzenia”.

Od diagnostyki do algorytmów wzmacniających

Z punktu widzenia projektu niezwykle ważne jest to, że jego rezultaty opierają się na „nauce epizodycznej” – w praktyce oznacza to, że każda próba rozpoczyna się dokładnie w tej samej pozycji. Jeden z najnowszych algorytmów umożliwia robotowi samodzielną naukę bez konieczności resetowania, realizowaną przy jednoczesnym uwzględnieniu jego otoczenia. „Mówiąc krótko, nie ma powodu, by robot próbował chodu, który może spowodować poruszanie się do przodu, jeśli na jego drodze znajduje się przeszkoda”, twierdzi Mouret. Naukowiec stwierdził także, że maszyny – w szczególności roboty – były dotychczas w dużej mierze ślepe, a algorytmy rozpoznawania obrazów i obiektów dotychczas nie pozwalały im na realizację zadań, które nie sprawiały nigdy problemów zwierzętom. Dzięki najnowszym postępom w dziedzinie uczenia głębokiego, maszyny są obecnie w stanie dużo lepiej odczytywać swoje otoczenie, co toruje drogę do zupełnie nowatorskich rozwiązań, w tym takich, które pozwolą na wyprowadzenie robotów z fabryk. „Jeśli chcemy jednak, by roboty faktycznie mogły uczyć się nowych umiejętności bądź zadań, potrzebujemy algorytmów wzmacniających – same algorytmy percepcji będą niewystarczające”, ostrzega Mouret. „Aby było to możliwe, musimy sprawić, by były w stanie wykorzystywać dużo mniejsze ilości danych, zanim będziemy mogli wypuścić je z laboratorium”. Naukowiec nie przewiduje, że roboty będące w stanie samodzielnie uczyć się nowych zadań zostaną wdrożone w ciągu najbliższych 5 lat, jednak pozostaje umiarkowanym optymistą – uważa, że będzie to możliwe w ciągu 5-15 lat.

Dalsze plany

Projekt ResiBots przeciera szlaki do osiągnięcia tego celu, natomiast Mouret i zebrany przez niego zespół planują kontynuować podjęte badania, pomimo oficjalnego zakończenia projektu w kwietniu 2020 roku. „Chcemy nauczyć humanoidalne roboty metody uczenia się metodą prób i błędów – roboty humanoidalne stanowią kolejną granicę robotyki, ponieważ łączą w sobie wszystkie wyzwania, nad których rozwiązaniem głowią się robotycy z całego świata”, twierdzi Mouret. Rzeczone wyzwania obejmują konieczność koordynacji wielu stawów (zwykle 24) oraz szybkiego reagowania i utrzymania równowagi. Obecnie żaden z robotów humanoidalnych nie wykorzystuje nauki metodą prób i błędów w celu dostosowywania się do zmian w swoim otoczeniu, a Mouret i jego zespół chcą być pierwszymi, którym uda się zmienić ten stan rzeczy. Z którego osiągnięcia projektu ResiBots jego twórca jest najbardziej dumny? „Cały czas pracujemy z robotami, które uczą się chodzić na naszych oczach w ciągu zaledwie kilku minut – kiedyś zajmowało to wiele godzin, a nawet dni”, podsumowuje Mouret. „Muszę przyznać, to właśnie o takich robotach marzyłem, kiedy byłem dzieckiem!”

Słowa kluczowe

ResiBots, roboty, algorytmy, nauka epizodyczna, oszczędność danych

Znajdź inne artykuły w tej samej dziedzinie zastosowania