Η παγκόσμια βιομηχανία της τεχνολογίας στρέφεται με γρήγορους ρυθμούς προς την κατασκευή ανθρωποειδών ρομπότ γενικής χρήσης. Ωστόσο, η πραγματικότητα των σύγχρονων εμπορικών και βιομηχανικών χώρων απαιτεί μια διαφορετική, πιο πρακτική προσέγγιση: τη συνύπαρξη πολλών και διαφορετικών τύπων μηχανών. Ενώ τα ανθρωποειδή προσφέρουν την απαραίτητη κινητικότητα για να πλοηγούνται σε περιβάλλοντα σχεδιασμένα για ανθρώπους, τα σταθερά ρομπότ με διπλούς βραχίονες παρέχουν την ακρίβεια, την ταχύτητα και την επαναληψιμότητα που απαιτούνται για εργασίες όπως η διαλογή και η συσκευασία.
Μέχρι σήμερα, αυτή η αναγκαία ποικιλία μηχανικού εξοπλισμού αποτελούσε ένα τεράστιο εμπόδιο για την εξέλιξη του κλάδου. Παραδοσιακά, κάθε ξεχωριστή ρομποτική πλατφόρμα απαιτούσε τη δική της εξειδικευμένη διαδικασία συλλογής δεδομένων, μοντελοποίησης και εκπαίδευσης, καθιστώντας αδύνατη τη μεταφορά δεξιοτήτων από το ένα μηχάνημα στο άλλο. Μια πρωτοποριακή επίδειξη από τη νεοσύστατη εταιρεία ρομποτικής MindOn έρχεται να ανατρέψει αυτά τα δεδομένα, παρουσιάζοντας έναν ενιαίο ψηφιακό εγκέφαλο που ελέγχει ταυτόχρονα τόσο κινούμενα ανθρωποειδή όσο και σταθερούς ρομποτικούς βραχίονες μέσα σε μια αποθήκη.
Ο διαχωρισμός της διάνοιας από το μηχανικό σώμα
Το μυστικό πίσω από αυτό το επίτευγμα κρύβεται στον πλήρη διαχωρισμό του λογισμικού σε δύο διακριτά επίπεδα, αποσυνδέοντας έτσι την τεχνητή νοημοσύνη από το φυσικό σώμα του ρομπότ. Το ανώτερο επίπεδο του συστήματος είναι υπεύθυνο για την κατανόηση του περιβάλλοντος χώρου, τη λογική επεξεργασία των καθηκόντων και τη δημιουργία προτύπων συμπεριφοράς. Ένα ξεχωριστό, κατώτερο επίπεδο ελέγχου αναλαμβάνει στη συνέχεια να μεταφράσει αυτές τις νοητικές προθέσεις σε φυσική κίνηση, προσαρμόζοντας τις εντολές στις συγκεκριμένες δυναμικές και στους περιορισμούς του εκάστοτε μηχανικού σώματος στο οποίο είναι εγκατεστημένο.
Στην πράξη, το κοινό αυτό σύστημα επέτρεψε σε μια ανομοιογενή ομάδα μηχανών να εκτελέσει μια πλήρη αλυσίδα εργασιών εφοδιαστικής. Το ανθρωποειδές ρομπότ ανέλαβε να εντοπίσει και να μαζέψει αντικείμενα από τα ράφια μεταφέροντάς τα στον χώρο συσκευασίας, ενώ οι σταθεροί βραχίονες τοποθέτησαν με απόλυτη ακρίβεια τα προϊόντα σε κουτιά και τα σφράγισαν με ταινία κατά μήκος ενός διαδρόμου μεταφοράς.
Η στροφή στα ανθρώπινα δεδομένα και η κατάργηση του τηλεχειρισμού
Η συντριπτική πλειονότητα των σύγχρονων εργαστηρίων ρομποτικής βασίζεται σήμερα στον εκτεταμένο τηλεχειρισμό, όπου ένας άνθρωπος καθοδηγεί χειροκίνητα το ρομπότ σαν μαριονέτα για να του «διδάξει» μια κίνηση. Αυτή η μέθοδος όμως παρουσιάζει σοβαρά προβλήματα, καθώς οι ανθρώπινοι χειριστές αναγκάζονται να προσαρμοστούν στην καθυστέρηση απόκρισης και στους περιορισμούς του μηχανήματος. Το αποτέλεσμα είναι η συλλογή δεδομένων που αντικατοπτρίζουν νευρικές και αφύσικες κινήσεις, μακριά από τη ρευστή αποτελεσματικότητα ενός ανθρώπου.
Αντίθετα, το νέο αυτό σύστημα εκπαιδεύτηκε αποκλειστικά με βάση την ανθρώπινη συμπεριφορά. Οι ερευνητές χρησιμοποίησαν ειδικές στολές καταγραφής κίνησης, φορητές συσκευές και κάμερες που αποτύπωναν την οπτική γωνία του ανθρώπου. Με αυτόν τον τρόπο, η τεχνητή νοημοσύνη έμαθε τη βαθύτερη δομή μιας εργασίας απευθείας από τις φυσικές ανθρώπινες κινήσεις, παρακάμπτοντας εντελώς την ανάγκη συλλογής δεδομένων από το ίδιο το ρομπότ.
Γεφυρώνοντας το χάσμα μεταξύ ψηφιακής προσομοίωσης και πραγματικότητας
Η μεταφορά της ομαλής ανθρώπινης κίνησης σε ρομποτικές ενέργειες είναι εξαιρετικά δύσκολη λόγω των τεράστιων διαφορών στη σωματική διάπλαση και στις φυσικές ικανότητες μεταξύ ανθρώπου και μηχανής. Για να ξεπεραστεί αυτό το εμπόδιο, αναπτύχθηκε ένας ψηφιακός αγωγός μετάφρασης, ο οποίος μετατρέπει τις ανθρώπινες επιδείξεις σε αναπαραστάσεις ενεργειών που μπορούν να κατανοήσουν τα διαφορετικά ρομπότ. Παράλληλα, ένα μοντέλο συνολικής κίνησης, εκπαιδευμένο σε δεκάδες χιλιάδες ώρες δεδομένων, διασφαλίζει ότι τα ρομπότ διατηρούν την ισορροπία τους.
Για την επίλυση του μόνιμου προβλήματος όπου τα μοντέλα που εκπαιδεύονται σε ψηφιακό περιβάλλον αποτυγχάνουν στον φυσικό κόσμο, η εταιρεία επιστράτευσε ένα ελαφρύ μοντέλο αντιστάθμισης. Το σύστημα αυτό διορθώνει τα σφάλματα δυναμικής, επιτυγχάνοντας ακρίβεια χειρισμού μικρότερη από ένα εκατοστό, ακόμη και σε ρομποτικές πλατφόρμες που είναι γνωστές για την περιορισμένη ακρίβεια των βραχιόνων τους. Τέλος, ένας ιεραρχικός μηχανισμός ελέγχει συνεχώς την ανάδραση σε πραγματικό χρόνο, ρυθμίζοντας τον χρόνο των εντολών ώστε να εξαλείφονται οι μηχανικές καθυστερήσεις και να εξασφαλίζεται ο απόλυτος συντονισμός των ρομπότ.
