Робот Фредо добио је пластичну флашу од запосленог, препознао је, пришао јој и ухватио је. Сам задатак не делује нарочито компликовано. Оно што јесте занимљиво јесте начин на који је робот научио да га изведе.
Фредо је потребне вештине развио за свега неколико минута. Његови творци тврде да би конкурентским системима за исти процес могли да буду потребни дани.
Тајна није у томе што је робот бесконачно понављао исти задатак у стварном свету. Вежбао га је у виртуелном окружењу, где рачунар може да симулира исти сценарио хиљадама или милионима пута.
Такви системи постају један од кључних начина за развој робота који би једног дана требало да се крећу кроз наше домове, канцеларије, фабрике и друга непредвидива окружења.
Милиони покушаја пре него што робот направи један прави покрет
Фредо је развијен у британском стартапу Vsim из Кембриџа. Оснивачи Мишел Лу и Кир Стори раније су радили на једној од раних верзија Nvidia система Isaac Sim, који се користи за виртуелни тренинг робота.
Када су 2022. године покренули Vsim, желели су да направе сопствени систем за симулацију роботског понашања.
Принцип је релативно једноставан. Робот у виртуелном свету покушава да изврши одређени задатак. Рачунар затим симулира велики број могућих сценарија и тражи начин да робот задатак изведе што ефикасније. Када се пронађе најбоље решење, односно такозвана „политика“, оно може да се пренесе на стварног робота.
На тај начин машина може да направи огроман број покушаја без ризика да поломи опрему, повреди човека или потроши сате на физичко понављање истог покрета.
Vsim је свој систем пројектовао тако да боље користи GPU чипове, односно процесоре који су постали кључни за развој вештачке интелигенције.
„Алгоритми који се користе за већину ових роботских симулација потичу још из седамдесетих и осамдесетих година, али ти алгоритми нису нарочито прилагођени GPU-овима“, објашњава Стори.
Према речима оснивача, за свега 18 месеци успели су да направе функционалан симулатор високих перформанси.
Робот размишља о 20.000 могућих сценарија унапред
Једна од занимљивијих карактеристика Vsim система јесте то што може да ради директно на хардверу који робот носи са собом. То значи да Фредо може да покрене десетине хиљада симулација док се креће кроз простор.
Према објашњењу Кира Сториja, робот може да погледа отприлике секунду унапред и размотри око 20.000 различитих комбинација онога што би могло да се догоди.
Таква способност постаје посебно важна када робот изађе из контролисаног фабричког окружења.
У фабрици је релативно лако предвидети где ће се машина налазити, шта ће јој се наћи на путу и како ће изгледати следећи корак. У канцеларији или стану ситуација је потпуно другачија.
Човек може да прође испред робота. Пас може да се појави иза врата. Други робот може да промени правац. Предмет може да падне на под.
„Ствари које нису под контролом робота, попут људи, животиња или других робота, могу да захтевају промену стратегије“, каже Мишел Лу. Робот због тога мора брзо да реагује како би његово понашање остало безбедно и како би наставио да извршава задатак.
Nvidia жели да направи виртуелни свет за роботе
Vsim са свега десет инжењера налази се на једном крају овог тржишта. На другом је Nvidia, технолошки гигант са стотинама инжењера који раде на софтверу за роботику.
Компанија не производи саме роботе, већ развија софтвер који организацијама омогућава да их тренирају и контролишу.
Један од тих система је Isaac Sim, намењен управо симулацији роботског понашања. Nvidia развија и такозване „world models“, односно моделе света, међу којима је Cosmos.
Идеја је да робот кроз такав модел добије представу о физичком свету и о томе како би његово окружење могло да се промени док се креће.
Постоје, међутим, границе онога што симулација тренутно може да уради.
„Манипулација, када само ухватим флашу, није нарочито тешка. Проблем настаје када почнете са задацима који имају више корака“, каже Спенсер Хуанг, директор производа за роботику у Nvidiji.
Робот може релативно лако да научи да узме флашу. Много је теже научити га да је узме, напуни, однесе на друго место и проспе садржај, док притом реагује на све што се дешава око њега.
AI агенти сада помажу и у стварању виртуелних светова
Nvidia покушава да убрза и сам процес прављења симулација.
Компанија је ове године почела да користи AI агенте за изградњу виртуелних окружења у којима се роботи тренирају, као и за проверу тога да ли решења која су научили у симулацији функционишу и када се пребаце у стварни свет.
То је важно јер креирање таквих виртуелних светова може захтевати много ручног рада.
Хуанг објашњава да се део тог посла сада може препустити AI агентима, које описује као својеврсну „огромну радну снагу“.
Другим речима, вештачка интелигенција не помаже само роботу да научи шта треба да ради. Она се све више користи и за прављење света у којем робот вежба.
Проблем је што виртуелни свет ипак није стварни свет
Виртуелна симулација може да омогући стотине милиона покушаја, али постоји један велики проблем: рачунар мора довољно прецизно да представи стварност.
Није лако симулирати баш све.
Рика Антонова, ванредна професорка на Универзитету у Кембриџу која се роботиком бави од 2015. године, ради на системима који омогућавају роботима да уче сложена понашања.
Она користи MuJoCo, софтвер за физичку симулацију који је од 2021. године у власништву Google DeepMinda. Програм је отвореног кода, што истраживачима и мањим стартапима омогућава да га користе и мењају према својим потребама.
Антонова сматра да је Vsimов приступ веома брзом симулирању обећавајући. Што је симулатор бржи, робот може да размотри већи број могућих сценарија пре него што направи следећи покрет.
Ипак, неке ствари је тешко верно представити у виртуелном окружењу.
Међу њима су веома деформабилни предмети, али и радње попут сечења. Материјал који се савија, мења облик или реагује на притисак много је теже математички описати него чврст предмет попут флаше.
Ту настаје један од највећих изазова за развој роботике: оно што робот научи у рачунару мора да функционише и када машина изађе из симулације.
Следећи корак: роботи који уче једни од других
Vsim сада развија и другог робота, названог Nacho, који би требало да помогне у даљем развоју технологије.
Идеја је да додатни робот убрза процес тестирања и омогући проверу рада софтвера на различитим машинама.
Роботика се тако све више ослања на исти принцип који је већ променио развој вештачке интелигенције: огромна количина података и велики број симулација могу машинама омогућити да уче много брже него кроз класично програмирање.
Разлика је у томе што робот на крају мора да се снађе у физичком свету, а стварност је далеко неуреднија од било које симулације.
За сада је зато највећи изазов мање питање да ли роботи могу да науче одређени задатак, а много више колико добро могу да се снађу када се нешто догоди другачије од онога што су очекивали.
