Jak sztuczna inteligencja zmienia robotykę?

Od sztywno programowanych manipulatorów do robotów zdolnych do interpretacji poleceń człowieka

Autor: Maciej Antonik

Rozwój sztucznej inteligencji jest jednym z najważniejszych zjawisk technologicznych ostatnich lat. Szczególnie duże zainteresowanie wzbudziły duże modele językowe (LLM), które pokazały, że systemy AI mogą skutecznie interpretować język naturalny i realizować coraz bardziej złożone zadania. Wpływ tej rewolucji widoczny jest również w robotyce. Aby jednak zrozumieć, co dziś zmienia się w sposobie projektowania i wdrażania robotów, warto spojrzeć na rozwój tej dziedziny z perspektywy historycznej.

Robotyka przemysłowa – era powtarzalności

Historia współczesnej robotyki przemysłowej to przede wszystkim historia manipulatorów. Przez dziesięciolecia dominującą rolę odgrywały roboty sześcioosiowe wykorzystywane do realizacji prostych, powtarzalnych procesów. Do najczęstszych zastosowań należały:

• przenoszenie detali,
• montaż elementów,
• klejenie,
• wkręcanie śrub,
• obsługa maszyn.

W takich aplikacjach robot nie podejmował żadnych decyzji. Realizował wcześniej przygotowany program i wykonywał dokładnie tę samą sekwencję ruchów. Programowanie wymagało pełnej powtarzalności procesu. Nie było miejsca na elastyczność. Każda zmiana stanowiska pracy oznaczała konieczność ponownego programowania robota. Nawet niewielki błąd, na przykład nieprawidłowo pozycjonowany detal, mógł zatrzymać cały proces, ponieważ robot nie był w stanie samodzielnie zinterpretować sytuacji.

Sensoryka jako pierwszy krok w stronę inteligentnych robotów

Na początku XXI wieku roboty zaczęły być wyposażane w coraz większą liczbę sensorów. Były to zarówno systemy zewnętrzne, takie jak kamery, jak również czujniki zintegrowane bezpośrednio z robotem, przede wszystkim czujniki siły i momentu. Dzięki temu kolejne generacje robotów mogły analizować otoczenie i proces technologiczny oraz podejmować proste decyzje związane z wykonywanym zadaniem. Przełożyło się to na większą elastyczność systemów robotycznych. Roboty stały się bardziej odporne na drobne odchylenia i łatwiejsze do wdrażania w rzeczywistych warunkach przemysłowych. Przykładem mogą być aplikacje polerowania, w których robot automatycznie dostosowuje siłę docisku do powierzchni. Innym przykładem są systemy wykorzystujące kamery do lokalizacji elementów umieszczonych w losowych pozycjach i ich automatycznego pobierania. Trudno nazwać takie rozwiązania zaawansowaną sztuczną inteligencją, jednak był to ważny etap rozwoju współczesnej robotyki.

AI i robotyka – początek nowego etapu

W ostatnich latach rozwój sztucznej inteligencji zbiegł się z kolejną zmianą w robotyce. Naukowcy i inżynierowie na całym świecie pracują nad połączeniem zaawansowanych modeli AI z robotami wyposażonymi w sensory i układy wykonawcze. Coraz częściej kierunek ten określany jest mianem Embodied AI, czyli sztucznej inteligencji funkcjonującej w fizycznym systemie – w tym przypadku w robocie. Celem jest stworzenie systemu zdolnego do realizacji poleceń wydawanych przez człowieka. W praktyce oznacza to, że operator nie musi szczegółowo programować każdego ruchu robota. Zamiast tego przekazuje polecenie, a system interpretuje zadanie, analizuje informacje z otoczenia i samodzielnie planuje sposób jego wykonania.

To zupełnie inne podejście niż w klasycznej robotyce przemysłowej.

Dotychczas proces wyglądał następująco:

1. Definicja zadania.
2. Programowanie robota.
3. Uruchomienie procesu.

W nowym podejściu człowiek określa cel, a system samodzielnie planuje trajektorię ruchu i generuje polecenia potrzebne do realizacji zadania. Jeżeli ten kierunek rozwoju okaże się skuteczny, wdrażanie robotów może stać się znacznie szybsze, prostsze i bardziej elastyczne niż obecnie.

Jak uczy się robot wyposażony w AI?

Budowa uniwersalnych modeli zdolnych do wykonywania wielu różnych zadań jest jednym z największych wyzwań współczesnej robotyki. Taki system musi jednocześnie przetwarzać dwa podstawowe źródła informacji. Pierwszym jest polecenie człowieka przekazane w formie głosu lub tekstu. Drugim są dane pochodzące z otoczenia – najczęściej z kamer, ale również z innych sensorów dostarczających informacji o środowisku pracy. Na podstawie tych danych model generuje polecenia dla sterownika robota odpowiedzialnego za wykonanie zadania. Stworzenie uniwersalnego modelu zdolnego do realizacji różnorodnych zadań na różnych platformach sprzętowych jest jednak bardzo trudne. Podobnie jak w innych obszarach sztucznej inteligencji, kluczową rolę odgrywają dane treningowe. Dlatego ogromna część prac badawczych koncentruje się dziś na pozyskiwaniu i przygotowywaniu wysokiej jakości danych wykorzystywanych do trenowania modeli AI.

Jak daleko jesteśmy od w pełni autonomicznych robotów?

Pomimo bardzo szybkiego postępu technologicznego droga do budowy uniwersalnych robotów jest nadal długa. Obecnie możliwe jest nauczenie robotów wykonywania prostych czynności manualnych, takich jak:

• otwieranie szuflad,
• wyjmowanie przedmiotów,
• sortowanie obiektów,
• pozycjonowanie elementów na podstawie danych z systemów wizyjnych.

Są to zadania stosunkowo proste. Operacje wymagające wysokiej precyzji, wielu etapów planowania oraz rozumienia bardziej złożonych kontekstów pozostają nadal przedmiotem intensywnych badań. Z drugiej strony tempo rozwoju tej technologii jest bardzo wysokie. Jeszcze kilka lat temu wiele obecnych możliwości robotów wydawało się odległą perspektywą.

Roboty humanoidalne – najbardziej uniwersalna platforma?

Szczególne zainteresowanie budzą dziś roboty humanoidalne.

Można je postrzegać jako połączenie dwóch manipulatorów, systemów lokomocji oraz rozbudowanej sensoryki. Wielu producentów i użytkowników końcowych traktuje je jako potencjalnie najbardziej uniwersalną platformę robotyczną, zdolną do pracy w środowiskach projektowanych pierwotnie dla człowieka. W przypadku humanoidów pojawia się dokładnie to samo wyzwanie, które obserwujemy w całej robotyce opartej na AI – konieczność stworzenia modelu zdolnego do koordynacji ruchu, interpretacji danych sensorycznych oraz realizacji różnorodnych zadań. Dlatego równie ważnym elementem badań staje się pozyskiwanie danych dotyczących ruchu człowieka. W tym celu wykorzystywane są między innymi systemy motion capture, sensory ubieralne oraz zaawansowane systemy optyczne pozwalające rejestrować ruch całego ciała.

Przyszłość robotyki będzie ściśle związana z AI

Rozwój robotyki i sztucznej inteligencji coraz wyraźniej prowadzi do integracji tych dwóch obszarów. Choć przed naukowcami i inżynierami nadal stoi wiele wyzwań związanych z budową uniwersalnych modeli, zbieraniem danych oraz zwiększaniem niezawodności systemów, kierunek zmian wydaje się jasno określony. Dla uczelni technicznych, instytutów badawczych oraz laboratoriów dydaktycznych oznacza to powstawanie nowych obszarów badań i kształcenia na styku robotyki, sztucznej inteligencji, systemów wizyjnych i autonomicznych systemów sterowania.

To właśnie tym zagadnieniom poświęcona jest konferencja ROBAC | AI + Robotics, podczas której eksperci, naukowcy i przedstawiciele przemysłu prezentują najnowsze kierunki rozwoju technologii AI oraz ich praktyczne zastosowania w robotyce. Jeśli interesuje Cię ta tematyka zarejestruj się na to bezpłatne wydarzenie, które odbędzie się 15 września w Pabianicach pod Łodzią.