Danijar Hafner Anatengeneza Roboti Zinazopanga Kwa Mazingira Yasiyozoeleka

Kilichobadilika

Kulingana na ripoti ya MIT Technology Review, Danijar Hafner, 31, aliyekuwa mtafiti wa Google DeepMind, ameanzisha kampuni ya roboti inayofanya kazi kwa siri mjini San Francisco. Kampuni hiyo inatumia roboti zenye umbo la binadamu zilizoagizwa kutoka China pamoja na ujifunzaji wa kuimarisha unaotegemea modeli. Inawafundisha mawakala kwa kutumia modeli za ulimwengu, ili kuwasaidia kukabiliana na mipangilio ya vyumba wasiyoizoea, samani na hali nyingine zisizotarajiwa za dunia halisi, bila kutegemea sana majaribio ya kimwili ya kurudia-rudia.

Kwa nini hili ni muhimu

Roboti inayoweza kufanya kazi tu baada ya chumba kuchorwa ramani, kufanyiwa majaribio na kupangwa vizuri ni onyesho linalotembea tu. Thamani kubwa ya kibiashara iko katika mashine inayoweza kuingia katika nafasi mpya ya ndani na bado kufanya maamuzi ya busara.

Hilo linabadilisha swali la kiutendaji kutoka “Je, roboti hii inaweza kufanya kazi hiyo?” hadi “Kila kazi mpya inahitaji maandalizi kiasi gani ya eneo, usimamizi na hatua za kurejesha kazi?” Ikiwa mbinu ya Hafner itahamia kutoka simulasi hadi kwenye mashine halisi, waendeshaji wanaweza kupima kazi nyingi zaidi kabla ya kufika eneo la kazi na kupeleka roboti katika maeneo mengi tofauti bila kuanza upya mchakato kila wakati. Hilo linaweza kufanya huduma za roboti ziwe za vitendo katika maeneo ambayo kila mpangilio unahitaji maandalizi maalumu.

Mtazamo wetu (makisio yenye msingi): katika miezi 6–12 ijayo, kampuni hiyo ina uwezekano mkubwa wa kujikita katika majaribio ya ndani yenye mazingira tofauti lakini yanayodhibitiwa kabla ya kujaribu matumizi mapana majumbani. Changamoto si kufikiria njia safi ya kupita kando ya sofa. Ni kufanya mpango huo ufanye kazi hata vihisi vinapotoa taarifa zisizo kamili, samani zinapokuwa vigumu kushughulikia, na vifaa vinapolazimika kuutekeleza kwa usahihi.

Mara ya mwisho jambo hili lilipotokea

Rova ya Opportunity ya NASA ilijaribu Field D-Star mwaka 2007, ikitumia taarifa za stereo za ardhi, data za vizuizi na odometria ya kuona kupanga njia iliyopinda kuzunguka hatari. Ufanano wa msingi unaonekana wazi: mashine halisi ilitumia uwakilishi wa ndani kutathmini njia kabla ya kuanza kusonga.

Tofauti kubwa ni muhimu pia. Opportunity ilitumia ramani za ardhi zilizotengenezwa kwa uhandisi na upangaji wa uhakika kwa safari zenye mipaka kwenye Mars; juhudi ya Hafner inayoripotiwa inatumia modeli za ulimwengu zilizojifunza kwa roboti zenye umbo la binadamu zinazokusudiwa kufanya kazi katika maeneo mbalimbali yanayotumiwa na watu. NASA baadaye iliripoti kuwa Perseverance ilitumia kuchora ramani ya ardhi na kuchagua njia yenyewe ili kupata njia salama kupitia uwazi ambao haikuwa imeuona, kufika Citadelle na kusafiri mita 167 katika sol moja chini ya AutoNav. Matokeo hayo yanaonyesha kuwa upangaji pamoja na uwakilishi unaweza kuboresha kwa kiasi kikubwa urambazaji wenye mipaka. Jaribio sasa ni kama modeli iliyojifunza inaweza kubaki ya kutegemewa katika hali halisi za nyumbani, zenye changamoto zaidi za kifizikia na vitu vingi visivyopangwa.

Jinsi athari zinaweza kuenea

Ikiwa mawakala waliofunzwa kwa simulasi wanaweza kuzoea kwa uhakika mipangilio ambayo hawajawahi kuona, waendeshaji wa roboti wanaweza kupunguza mafunzo yanayorudiwa eneo kwa eneo na uingiliaji wa kurekebisha kwa mkono. Hilo lingewawezesha kuelekeza uwezo wao kwenye maeneo mengi zaidi badala ya kuichukulia kila jengo jipya kama mradi mpya wa uhandisi.

Athari inayofuata inaweza kuwa upatikanaji mpana wa huduma za roboti katika nyumba zenye samani na mipangilio ya vyumba inayobadilika. Mlolongo huo utakatika ikiwa modeli itashindwa kutambua hali za dunia halisi, roboti yenye umbo la binadamu haiwezi kutekeleza mpango wake kwa uhakika, au waendeshaji wataamua kuwa utendaji wake wa usalama bado unahitaji uangalizi wa karibu.

Tathmini ya athari

• Waendeshaji wa roboti, katika miezi 6–12: Wanaweza kufaidika ikiwa simulasi itachukua nafasi ya baadhi ya majaribio ya kimwili, na hivyo kupunguza mzigo wa kazi katika maeneo wasiyoyajua.
• Wauzaji wa roboti zenye umbo la binadamu, katika muda wa karibu: Inaweza kuwa chanzo cha mahitaji, ingawa hilo linategemea kampuni ya Hafner kubadilisha mwelekeo wake wa utafiti kuwa mifumo inayoweza kutumika.
• Nyumba zenye mipangilio tofauti, katika muda mrefu zaidi: Hizi ndizo zitakuwa eneo kuu la kuthibitisha uwezo huo. Uwezo bora wa kuzoea unaweza kupanua upatikanaji; tabia isiyotegemewa itafanya matumizi yabaki katika mazingira yanayodhibitiwa.

Hali zinazowezekana

Inayowezekana zaidi: Ikiwa mafunzo yanayotegemea modeli yataleta uwezo wa kuzoea wenye manufaa lakini kutegemewa kwa mashine halisi bado kunahitaji uthibitisho wa hatua kwa hatua, kampuni hiyo itatumia rasilimali zake kwenye majaribio ya ndani yanayodhibitiwa lakini yenye tofauti katika miezi 6–12 ijayo. Waendeshaji watapata ushahidi wa mahali simulasi inapopunguza maandalizi, huku kupeleka roboti kwa upana majumbani kukiwa bado mapema. Maonyesho katika mipangilio wasiyoijua na kupungua kwa hitaji la kuingilia yataimarisha mwelekeo huu; mafunzo makubwa upya katika kila eneo yataudhoofisha.

Matokeo bora: Ikiwa modeli za ulimwengu zitahamia vizuri kwenye vihisi na utekelezaji wa kimwili, roboti zinaweza kuzunguka nyumba ambazo hazijawahi kuziona au maeneo mengine ya ndani yenye tofauti kama hizo, zikiwa na ramani chache maalumu na uhitaji mdogo wa kurekebishwa kwa mkono. Waendeshaji wanaweza kisha kupanua majaribio katika maeneo mengi zaidi, na kuongeza uwezo wa roboti unaoweza kutumiwa mahali ambapo maandalizi ya kurudiwa eneo kwa eneo yalikuwa kikwazo. Uendeshaji wa kuaminika katika mazingira ambayo hayajawahi kuonekana ndio uthibitisho wenye maana.

Matokeo mabaya: Ikiwa pengo kati ya uzoefu wa simulasi na hali halisi za kimwili litasababisha kushindwa kwa urambazaji au kushika na kusogeza vitu, mashine zitabaki katika maonyesho finyu na yanayodhibitiwa. Waendeshaji wataendelea kutumia sana usimamizi, maandalizi na majaribio katika dunia halisi, na kupunguza upatikanaji katika mazingira ambayo hayawezi kutayarishwa kwa namna moja. Kuingilia kwa mkono mara kwa mara mbele ya vizuizi vipya kutaashiria mwelekeo huo.

Cha kufuatilia baadaye

Fuatilia maonyesho katika mazingira ya ndani ambayo roboti haijawahi kuyafahamu, si marudio yaliyopambwa katika vyumba vilivyoandaliwa. Pia fuatilia ushahidi kwamba mawakala waliofunzwa kwa simulasi wanahitaji mafunzo machache katika dunia halisi na uingiliaji mdogo wa waendeshaji; vipimo hivyo viwili vitapima ahadi kuu kwa uwazi zaidi kuliko roboti yenye umbo la binadamu kutembea kwenye sakafu inayoifahamu.