Danijar Hafner Anatengeneza Roboti Zinazoweza Kupanga kwa Maeneo Yasiyoyafahamu

Kilichobadilika

Kulingana na ripoti ya MIT Technology Review, Danijar Hafner, 31, aliyekuwa mtafiti wa Google DeepMind, ameanzisha kampuni changa ya roboti inayofanya kazi kwa siri mjini San Francisco. Kampuni hiyo inatumia roboti za humanoid zilizoagizwa kutoka China na ujifunzaji wa uimarishaji unaotegemea miundo, ikiwafunza mawakala kwa miundo ya ulimwengu inayokusudiwa kuwasaidia kushughulikia mipangilio ya sakafu wasiyoifahamu, samani na changamoto nyingine za ulimwengu halisi bila kutegemea sana majaribio ya kimwili na makosa.

Kwa Nini Hili Ni Muhimu

Roboti inayofanya kazi tu baada ya chumba kupangiwa ramani, kufanyiwa mazoezi na kupangwa vizuri ni onyesho linaloweza kutembea. Fursa kubwa ya kibiashara ni mashine inayoweza kuingia katika eneo jipya la ndani na bado ikafanya maamuzi yenye mantiki.

Hilo hubadilisha swali la kiutendaji kutoka “Je, roboti hii inaweza kufanya kazi hiyo?” hadi “Kila kazi mpya inahitaji maandalizi kiasi gani ya eneo, usimamizi na kurekebisha hali ikitokea tatizo?” Ikiwa mbinu ya Hafner itafanikiwa kutoka kwenye uigaji hadi kwenye mashine halisi, waendeshaji wanaweza kupima kazi nyingi zaidi kabla ya kufika eneo husika na kupeleka roboti katika maeneo yenye utofauti zaidi bila kuunda upya mchakato kila mara. Hilo linaweza kufanya huduma za roboti zitumike kwa uhalisia katika maeneo ambayo mipangilio yake hubadilika mno kiasi cha kutoruhusu usanidi maalumu.

Mtazamo wetu (makadirio yenye msingi): katika miezi 6–12 ijayo, kampuni hiyo ina uwezekano mkubwa wa kujikita kwenye majaribio ya ndani yenye utofauti lakini yaliyodhibitiwa kabla ya kujaribu matumizi mapana majumbani. Changamoto kubwa si kufikiria njia safi ya kupita karibu na sofa. Ni kuhakikisha mpango huo unastahimili vihisi visivyo kamili, samani zinazoweza kutatiza na vifaa vinavyopaswa kuutekeleza kwa uaminifu.

Mara ya mwisho hili lilipotokea

Rova ya Opportunity ya NASA ilifanyia Field D-Star majaribio ya uwanjani mwaka 2007, ikitumia taarifa za stereo za ardhi, data ya vizuizi na odometri ya kuona kupanga njia iliyopinda kuzunguka hatari. Ufanano wa kimuundo uko wazi: mashine halisi ilitumia uwakilishi wa ndani kutathmini njia kabla ya kuamua kusogea.

Tofauti muhimu ni kubwa pia. Opportunity ilitumia ramani za ardhi zilizobuniwa na upangaji wa uhakika kwa safari yenye mipaka kwenye Mirihi; juhudi inayoripotiwa ya Hafner inatumia miundo ya ulimwengu iliyojifunza kwa humanoid zinazokusudiwa kufanya kazi katika maeneo mbalimbali yanayotumiwa na watu. NASA baadaye iliripoti kuwa Perseverance ilitumia ramani ya ardhi na uteuzi huru wa njia kupata njia salama kupitia pengo ambalo halikuwa limeonekana, kufika Citadelle na kuendesha mita 167 katika sol moja chini ya AutoNav. Matokeo hayo yanaashiria kuwa upangaji pamoja na uwakilishi unaweza kuboresha kwa kiasi kikubwa urambazaji wenye mipaka. Sasa kipimo ni kama muundo uliojifunza unaweza kubaki wa kutegemewa katika mazingira ya nyumbani yenye fizikia changamani zaidi na msongamano wa vitu na watu.

Jinsi athari zinavyoweza kuenea

Iwapo mawakala waliofunzwa kwa uigaji wanaweza kuzoea mipangilio wasiyojua kwa kutegemewa, waendeshaji wa roboti wanaweza kupunguza mafunzo yanayorudiwa katika eneo husika na hatua za mikono za kurejesha utendaji. Hilo lingewawezesha kuelekeza uwezo katika maeneo mengi zaidi badala ya kuichukulia kila jengo jipya kama mradi mpya wa uhandisi.

Athari ya baadaye inaweza kuwa upatikanaji mpana wa huduma za roboti katika nyumba zenye samani na mipangilio ya sakafu inayobadilika. Mlolongo huo utakatika ikiwa muundo utakosa hali za ulimwengu halisi, humanoid itashindwa kutekeleza mpango wake kwa kutegemewa, au waendeshaji wataamua kuwa utendaji wa usalama bado unahitaji uangalizi wa karibu.

Tathmini ya athari

• Waendeshaji wa roboti, katika miezi 6–12: Wanaweza kufaidika ikiwa uigaji utachukua nafasi ya baadhi ya majaribio ya kimwili na makosa, na hivyo kupunguza mzigo wa kiutendaji katika maeneo wasiyoyafahamu.
• Wasambazaji wa roboti za humanoid, katika muda wa karibu: Huenda wakapata mahitaji zaidi, ingawa hilo linategemea kampuni ya Hafner kubadilisha mwelekeo wake wa utafiti kuwa mifumo inayoweza kutumika.
• Nyumba zenye mipangilio inayobadilika, katika muda mrefu zaidi: Hiki ndicho kipimo muhimu. Uwezo bora wa kuzoea unaweza kupanua upatikanaji; tabia isiyotegemewa itaweka matumizi ya roboti katika mazingira yaliyodhibitiwa.

Matukio yanayowezekana

Yanayowezekana zaidi: Ikiwa mafunzo yanayotegemea miundo yatazalisha uwezo wa kuzoea unaofaa lakini utegemevu wa vifaa halisi bado utahitaji uthibitishaji wa hatua kwa hatua, kampuni hiyo itaelekeza rasilimali kwenye majaribio ya ndani yaliyodhibitiwa lakini yenye utofauti katika miezi 6–12 ijayo. Waendeshaji wangepata ushahidi wa maeneo ambako uigaji unapunguza usanidi, huku matumizi mapana majumbani yakiwa bado ya mapema. Maonyesho katika mipangilio isiyofahamika na kupungua kwa hitaji la kuingilia kati kungeimarisha mwelekeo huu; kufunza upya kwa kina katika kila eneo kungeudhoofisha.

Matarajio mazuri: Ikiwa miundo ya ulimwengu itahamia vizuri katika vihisi na utekelezaji wa harakati za kimwili, roboti zinaweza kuzunguka nyumba zisizozijua au maeneo mengine ya ndani yenye utofauti sawa kwa ramani chache maalumu na hatua chache za mikono za kurejesha utendaji. Waendeshaji wangeweza kupanua majaribio katika maeneo mengi zaidi, na kuongeza uwezo wa roboti unaoweza kutumika ambako maandalizi yanayorudiwa katika eneo husika yalikuwa kikwazo. Utendaji wa kuaminika katika mazingira yasiyojulikana ungekuwa uthibitisho wa maana.

Matarajio mabaya: Ikiwa pengo kati ya uzoefu wa uigaji na hali halisi litasababisha hitilafu za urambazaji au ushughulikiaji wa vitu, mashine hizo zitasalia katika maonyesho finyu yaliyodhibitiwa. Waendeshaji wataendelea kutumia fedha nyingi katika usimamizi, maandalizi na majaribio ya ulimwengu halisi, wakipunguza upatikanaji katika mazingira yasiyoweza kusawazishwa. Uingiliaji wa mara kwa mara wa binadamu kukabiliana na vizuizi vipya ungeashiria mwelekeo huo.

Cha kufuatilia baadaye

Tazama maonyesho katika mazingira ya ndani yasiyofahamika kwa kweli, si marudio yaliyopambwa katika vyumba vilivyotayarishwa. Pia tazama ushahidi kwamba mawakala waliofunzwa kwa uigaji wanahitaji mafunzo machache ya ulimwengu halisi na uingiliaji mdogo wa waendeshaji; vipimo hivyo viwili vitapima ahadi kuu kwa uwazi zaidi kuliko humanoid kutembea kwenye sakafu inayoifahamu.