Пред само десетина години, човеколиките роботи беа научна фантастика што постојано се сопнуваше. Се сеќавате на првиот четириножен робот „Спот“ од Boston Dynamics во 2015 година, кој триумфално се качуваше по скали, додека неговите двоножни колеги паѓаа постојано? Денес, сликата е сосема поинаква. Компании како Tesla ги отстрануваат моделите на електрични автомобили за да направат место за своите хуманоидни роботи Optimus, а старт-апите со сериозен тон најавуваат андроид батлери.
Овој навидум драстичен скок во развојот покренува прашање: дали навистина се случи промена на парадигмата во областа на роботиката? Експертите Скот Куиндерсма, поранешен од Boston Dynamics, и Џонатан Херст од Agility Robotics, кои беа сведоци на „деновите на паѓањето“, потврдуваат дека иако напредокот е огромен, некои основни предизвици остануваат. На пример, способноста на водечките роботи како Atlas од Boston Dynamics или Digit од Agility да се справат со скали или врати сè уште не е „целосно решена“.
Трите револуции во човеколиката роботика
Всушност, се случија три значајни промени кои го трансформираа полето:
- Длабоко учење и компјутерски вид: Развојот на невронски мрежи кои работат на брзи ГПУ чипови драстично ја подобри брзината и софистицираноста со која роботите можат да ја перцепираат својата околина и да комуницираат со неа. Ова ги забрза и засили алгоритмите за засилено учење.
- Проприоцептивни електрични мотори: Околу 2016 година, тешките хидраулични механизми беа заменени со помали, „проприоцептивни“ електрични мотори. Тие им дадоа на роботите со нозе животинска агилност и контрола, овозможувајќи им да се прилагодат на надворешни нарушувања.
- Големи јазични модели (LLM): Адаптирањето на технологијата за чет-ботови за роботи им овозможи автономно да планираат и извршуваат повеќестепени задачи, како што е лупење јаболко или празнење машина за садови (барем во демонстрации).
Овие достигнувања ја создадоа огромната разлика помеѓу несмасната верзија на Atlas од DARPA Robotics Challenge во 2015 година и елегантниот, грациозен Atlas кој неодамна беше прикажан како танцува брејкденс и автономно преместува предмети, дури и кога е попречуван.
Течната и стабилна одење, на пример, е резултат на длабокото засилено учење. Додека порано роботичарите рачно координираа секое движење со комплексни алгоритми базирани на поедноставена физика, сега тренираат невронски мрежи да дејствуваат како „контролори за целото тело“. Преку безброј дигитални симулации, мрежата учи „политика“ како да ги претвори повратните информации од околината во акции, елиминирајќи ја потребата за индивидуално моделирање на секој екстремитет. Придонесот на Сангбе Ким од MIT со неговите флексибилни, усогласени активатори беше клучен, спречувајќи ги роботите да се кршат при секоја несовршеност.
Иако човеколиките роботи повеќе не се сопнуваат постојано и покажуваат импресивни способности, вистинската интеграција во секојдневниот живот сè уште е на хоризонтот. Основните предизвици како качувањето по скали и отворањето врати покажуваат дека, и покрај целата технологија, совладувањето на физиката во реалниот свет останува крајната цел.
