Vývoju robotov–asistentov sa v Japonsku venujú už dlhší čas. Pred niekoľkými rokmi Gill Pratt, generálny riaditeľ výskumného centra Toyota Research Insitute (TRI) povedal, že kľúčom k rozšíreniu inteligentných robotov v každodennom živote budú dve riešenia – komunikácia, založená na cloud technológii a tzv. hĺbkové učenie (deep learning), ktoré umožňuje umelej inteligencii získať nové zručnosti. 

Predpoklad je jednoduchý – keď sa jeden robot naučí vykonať danú úlohu, môže svoje znalosti preniesť na ostatné prostredníctvom technológie cloud. Takáto výmena skúseností urýchli vývoj robotiky. Napriek tomu potrvá dlho, kým sa roboty udomácnia v našich príbytkoch. Takéto prostredie totiž kladie na umelú inteligenciu obrovské nároky. Interiér každej domácnosti je zariadený inak, sú v ňom iné predmety. Aj napriek rýchlemu rozvoju robotiky je pre inžinierov stále náročné vytvoriť bezchybný systém, ktorý efektívne zvládne prácu v bežnej domácnosti. 

Vkladá riad do umývačky

Odborníci z TRI, ktorí sa zameriavajú na vývoj systému, nepotrebujú humanoidného robota. Na ich testy postačí jednoduché rameno s chápadlami, aké poznáme z automatizovaných tovární. Jedným zo základných pokusov je preniesť použité riady z kuchynského drezu do umývačky riadu. Táto zdanlivo jednoduchá úloha kladie na umelú inteligenciu neľahké požiadavky. Robot musí nielen lokalizovať objekt a preniesť ho na správne miesto, ale aj rozpoznať jeho polohu a typ – či ide o hrnček, tanier alebo vidličku. Potom musí vyhodnotiť, do ktorej časti umývačky riad vložiť. Navyše musí vytiahnuť príslušnú zásuvku. Problém môžu predstavovať aj taniere poukladané na sebe, robot musí zdvihnúť vždy jeden. Ďalšie ťažkosti môžu spôsobiť príbory, ktoré si kvôli malým rozmerom vyžadujú presné uchopenie a ich lesklý povrch sťažuje fungovanie kamery. Aby umelej inteligencii úlohu skomplikovali, vkladajú výskumníci do drezu zbytočné objekty, ktoré musí robot rozpoznať a odložiť bokom. Samozrejme, cieľom inžinierov nie je vytvoriť robota - asistenta umývačky riadu, ale vyvinúť nástroje a algoritmy, ktoré sa budú používať aj v iných situáciách. Opísaná činnosť je však natoľko zložitá, že je pre tieto testy veľmi vhodná.

Sila simulácie 

Výskumné centrum TRI každý deň robí početné simulácie s viacerými typmi rôzne uložených predmetov. Virtuálne testy umožňujú väčší počet opakovaní, počas ktorých inžinieri hľadajú ďalšie nedostatky systému. Takmer celý proces vývoja robotov sa odohráva v rámci digitálnych simulácií, čo je vo svete robotiky skutočný prelom. Virtuálne testy umožňujú skúmať rôzne scenáre, intenzívnejšie a efektívnejšie testy. Inžinieri zadávajú programu robota množstvo premenných, ktoré mu sťažujú prácu – menia osvetlenie, vlastnosti materiálu, veľkosť a tvary predmetov.

Testy sa uskutočňujú v noci, a ráno majú výskumníci k dispozícii správu o chybách. Niekedy ide o chyby, ktoré urobil robot, niekedy vyplývajú z problémov so samotnou simuláciou. Predstavitelia TRI zdôrazňujú, že problémov je zo dňa na deň menej. Oblasť výskumu je však taká široká, že hľadanie nedostatkov je aj naďalej hlavnou úlohou tímu. Je zaujímavé, že predpoklady a algoritmy, používané v tomto procese, sa môžu používať aj na testovanie fungovania autonómnych áut. V ďalšom kroku chcú inžinieri dosiahnuť to, aby algoritmy automaticky opravovali svoje chyby. Ak v budúcnosti jeden robot urobí chybu, ďalšie sa z nej budú môcť automaticky poučiť. 

Testy v domácnostiach 

Simulácie však nestačia. Umelá inteligencia sa môže učiť aj priamo od ľudí. Pre tento účel si zamestnanci TRI nasadzujú okuliare, zobrazujúce virtuálnu realitu a pracujú s robotom, ktorý sa viac podobá človeku. Vďaka signálom z jeho senzorov môže učiteľ vidieť to, čo vidí trojdimenzionálne robot a využiť jeho chápadlá na konkrétnu činnosť – napríklad otvoriť chladničku a vybrať z nej nápoj. Predtým robotovi ukáže, ako uchopiť držadlo a ako silno potom pritlačiť dvere, aby ich pevne zatvoril. 

Aby roboty získali správne zručnosti, sú súčasťou výskumu aj testy v domácnostiach. V súčasnosti sú zariadenia, vytvorené centrom TRI iba experimentálnymi prototypmi, preto sa technici nezameriavajú na prezentáciu schopností robotov, ale vyberajú úlohy, ktoré ich rozvíjajú. Vďaka doteraz vyvinutým riešeniam sú roboty Toyoty schopné 85 % času vykonávať komplexné ľudské činnosti. Zahŕňa to aj automatické opakovanie činností robotom, ktorý zistí, že v určitom štádiu urobil chybu. Každá úloha pozostáva z približne 45 rôznych samostatných úkonov. 

Slobodný robot

Vedci zostavujú roboty tak, aby neboli špecializované na konkrétne úlohy, ale mohli vykonávať v domácnosti náhodné úlohy. Inteligentný asistent má kombinovať to, čo vidia jeho digitálne oči s činnosťou, ktorú vykonáva. Vďaka tomu robot, ktorý vidí objekt v podobnom scenári – aj keď sa zmenilo prostredie - vie, aký krok má urobiť ako nasledujúci. Zariadenia sú navrhnuté tak, aby sa učili a vykonávali zadané činnosti slobodne, rovnako ako človek. Môžu hýbať ramenami podľa vlastného uváženia a prispôsobovať svoju polohu činnosti. Robot disponuje kvalitnými širokouhlými kamerami s hĺbkovým videním. 

V skoršej fáze vývoja roboty, tak ako väčšina autonómnych automobilov, neustále sledovali okolie, navrhovali bezpečnú trasu a na základe interpretácie zhromaždených údajov vytvorili dopravný plán. Nové riešenia, založené na hĺbkovom učení, vypočítavajú jednoduché pohyby na základe vizuálnych stimulov, čo si vyžaduje veľké množstvo údajov od robota, vykonávajúceho úlohu. TRI tu našlo zlatú strednú cestu – v systéme výskumného centra je potrebné iba prepojenie objektov, nachádzajúcich sa v blízkom okolí a s podobnými činnosťami. Vďaka tomu robot nemusí mať vopred k dispozícii modely objektov ani mapy. Možno ho naučiť prispôsobiť svoju činnosť náhodným scenárom, objektom alebo hlasovým povelom. Vďaka tomu je systém ľahko zrozumiteľný a zjednodušuje sa aj diagnostika a obnova podmienok, pri ktorých prišlo k chybe. 

Výhody pre všetkých

Centrum Toyota Research Institute zdôrazňuje, že riešenia, ktoré vyvíjajú, budú použiteľné nielen v bytoch, ale aj v inom prostredí. Človek môže napríklad rýchlo a na diaľku naučiť továrenského robota vykonávať novú úlohu. V súčasnosti je hlavným obmedzením neschopnosť zovšeobecniť naučené činnosti tak, aby ich mohli používať roboty v iných situáciách. TRI však verí, že výskum, ktorému sa venuje, je sľubným krokom k dosiahnutiu fleet learningu a v konečnom dôsledku uľahčeniu života obyčajným ľuďom. Zdieľanie každého úspechu bude prínosom pre všetkých odborníkov v oblasti robotiky.