Η Flexion Robotics, μια ελβετική startup που ιδρύθηκε από ερευνητές ρομποτικής της Nvidia, πιστεύει ότι έχει βρει την κατάλληλη λύση. Η εταιρεία έχει αναπτύξει μια καινοτόμο μέθοδο για την εκπαίδευση ρομπότ ώστε να εκτελούν σύνθετες εργασίες, οι οποίες περιλαμβάνουν απλές δεξιότητες όπως το άνοιγμα θυρών, το ανέβασμα σκαλοπατιών και η μεταφορά κιβωτίων. Η βασική αρχή αυτής της προσέγγισης είναι η διδασκαλία μεμονωμένων δεξιοτήτων στα ρομπότ μέσω προσομοίωσης, ενώ στη συνέχεια ένας κύριος αλγόριθμος τεχνητής νοημοσύνης καθορίζει τον βέλτιστο τρόπο χρήσης τους.
Τα περισσότερα βίντεο επίδειξης παρουσιάζουν ανθρωποειδή που έχουν εκπαιδευτεί για την εκτέλεση μιας συγκεκριμένης εργασίας, όπως το δίπλωμα πουκαμίσων ή η τοποθέτηση προϊόντων σε ράφια. Συνήθως, αυτό επιτυγχάνεται μέσω τηλεχειρισμού, όπου ένα άτομο από το παρασκήνιο ελέγχει τις κινήσεις του ρομπότ. Ωστόσο, αυτή η μέθοδος δεν λειτουργεί αξιόπιστα όταν το ρομπότ τοποθετείται σε άγνωστα περιβάλλοντα. Η Flexion δηλώνει ότι το σύστημά της είναι διαφορετικό και πιο αποδοτικό, καθώς εκπαιδεύει τα ρομπότ της σε περιβάλλον προσομοίωσης και με περιορισμένη ανθρώπινη καθοδήγηση.
Το παρακάτω βίντεο απεικονίζει το λογισμικό σε λειτουργία: Ένα τροποποιημένο ανθρωποειδές ρομπότ Unitree λειτουργεί αυτόνομα αφού λάβει την ακόλουθη εντολή: «Ένα δέμα με σνακ παραδόθηκε για την Flexion. Ανάκτησέ το χρησιμοποιώντας τις σκάλες και ανέβα με το ασανσέρ. Στη συνέχεια, αποσυσκεύασέ το και τοποθέτησε τα αντικείμενα στο άδειο συρτάρι στο ράφι στην περιοχή των σνακ.»
Πώς λειτουργεί η προσέγγιση της Flexion
Το κύριο μοντέλο τεχνητής νοημοσύνης κατανοεί πώς να εκτελεί διάφορες εργασίες. Στη συνέχεια, το λογισμικό αντιστοιχίζει τις εκπαιδευμένες δεξιότητες, τις οποίες έχει αποκτήσει μέσω προσομοίωσης, με τα βίντεο και εκτελεί αυτές τις εργασίες στον πραγματικό κόσμο. Για παράδειγμα, προκειμένου να φτάσει στο γραφείο αλληλογραφίας σε ένα γραφείο, το μοντέλο μπορεί να έχει μάθει ότι πρέπει να ανοίξει συγκεκριμένες πόρτες και να χρησιμοποιήσει το ασανσέρ. Το σύστημα ελέγχει επίσης τους κινητήρες του ρομπότ, επιτρέποντάς του να περπατά, να κινεί τα άκρα του και να διατηρεί την ισορροπία του.
Σύμφωνα με τον κ. Nikita Rudin, συνιδρυτή και διευθύνοντα σύμβουλο της Flexion, καθώς και πρώην ερευνητή ρομποτικής στην Nvidia, το «μυστικό συστατικό» του λογισμικού είναι η εκτεταμένη χρήση της ενισχυτικής μάθησης. Αυτή η μέθοδος εκπαιδεύει τους υπολογιστές να κατακτούν εργασίες μέσω δοκιμής και λάθους. Κάθε επίπεδο του λογισμικού, από το κύριο μοντέλο τεχνητής νοημοσύνης έως την προσομοίωση και τον έλεγχο των κινητήρων, χρησιμοποιεί αυτήν την προσέγγιση.
Ηγετικές φυσιογνωμίες της τεχνολογικής βιομηχανίας, όπως ο Elon Musk και ο Jensen Huang, υποστηρίζουν ότι τα ανθρωποειδή θα έχουν τεράστιο αντίκτυπο στην οικονομία, καθώς ενδεχομένως να αντικαταστήσουν ένα σημαντικό μέρος της ανθρώπινης εργασίας. Ωστόσο, η επίδειξη της Flexion αντικατοπτρίζει το γεγονός ότι η ενδυνάμωση των ανθρωποειδών θα απαιτήσει θεμελιώδεις προόδους στην τεχνητή νοημοσύνη.
«Το ίδιο το ανθρωποειδές δεν είναι το ενδιαφέρον, επαναστατικό πράγμα, αλλά τα μοντέλα τεχνητής νοημοσύνης που τα υποστηρίζουν», δηλώνει ο κ. George Chowdhury, αναλυτής της ABI Research, ο οποίος παρακολουθεί την αγορά των ανθρωποειδών. Η ABI Research εκτιμά ότι η αγορά για τα θεμελιώδη μοντέλα ρομπότ θα μπορούσε να αξίζει 150 δισεκατομμύρια δολάρια έως το 2036.
Ο κ. Rudin αναφέρει ότι η Flexion συνεργάζεται με αρκετές εταιρείες ρομποτικής και σημειώνει ότι το λογισμικό της λειτουργεί σε διάφορες μορφές ανθρωποειδών. Δεδομένου του αριθμού των συστημάτων που κυκλοφορούν στην αγορά, αυτή η ευελιξία θα μπορούσε να καταστήσει το λογισμικό πιο εμπορικά πολύτιμο.
Ο κ. Chowdhury επισημαίνει ότι η Flexion θα χρειαστεί να συνεργαστεί στενά με κατασκευαστές υλικού για να επιτύχει και θα αντιμετωπίσει σκληρό ανταγωνισμό. Ωστόσο, χωρίς τη δυνατότητα προγραμματισμού ανθρωποειδών με τον τρόπο που επιδεικνύει η Flexion, όπως δηλώνει, «δεν υπάρχει πραγματικά αγορά εδώ».
