Představte si budoucnost, kde jsou roboti tak integrováni do struktury lidského života, že se stanou stejně běžnými jako smartphony jsou dnes. Oblast robotiky má potenciál výrazně zlepšit kvalitu našeho života v práci, doma a ve hře tím, že lidem poskytne podporu kognitivních úkolů a fyzických úkolů. Po celá léta roboti podporovali lidskou činnost v nebezpečných, špinavých a nudných úkolech a umožnili průzkum nedosažitelných prostředí, od hlubokých oceánů po hluboký vesmír. Stále více schopných robotů se bude moci přizpůsobit, učit se a komunikovat s lidmi a jinými stroji na kognitivní úrovni.
díky rychlému pokroku v technologii za poslední desetiletí je výpočetní technika nepostradatelná. Výpočetní technika změnila způsob, jakým pracujeme, žít, a hrát. Digitalizace prakticky všeho spolu s pokroky v robotice slibuje budoucnost, kde je přístup k high-tech strojům demokratizován a přizpůsobení rozšířeno. Roboti jsou stále schopnější díky své schopnosti provádět složitější výpočty a komunikovat se světem prostřednictvím stále bohatších senzorů a lepších akčních členů.
propojený svět s mnoha přizpůsobenými roboty pracujícími po boku lidí již vytváří nová pracovní místa, zlepšuje kvalitu stávajících pracovních míst a šetří lidem čas, aby se mohli soustředit na to, co považují za zajímavé, důležité a vzrušující. Dnes se roboti již stali našimi partnery v průmyslovém a domácím prostředí. Pracují bok po boku s lidmi v továrnách a operačních sálech. Sekají naše trávníky, vysávají naše podlahy a dokonce podojují naše krávy. Za pár let se dotknou ještě více částí našeho života.
dojíždění do práce v autě bez řidiče vám umožní číst, vracet hovory, dohnat vaše oblíbené podcasty a dokonce zdřímnout. Robotické auto bude také sloužit jako váš asistent, sledovat, co musíte udělat, plánovat trasy, abyste zajistili, že budou provedeny všechny vaše práce, a kontrolovat nejnovější dopravní data a vybrat nejméně přetížené silnice. Auta bez řidiče pomohou snížit počet úmrtí při dopravních nehodách, zatímco autonomní vysokozdvižné vozíky mohou pomoci odstranit zranění zad způsobená zvedáním těžkých předmětů. Roboti mohou změnit některá stávající pracovní místa, ale celkově mohou roboti významně přispívat do společnosti. Roboti na péči o trávník a roboti na čištění bazénů změnili způsob provádění těchto úkolů. Roboti mohou pomoci lidstvu s problémy velkými i malými.
digitalizace prakticky všeho, spolu s pokroky v robotice, slibuje budoucnost, kde je přístup k high-tech strojům demokratizován a přizpůsobení rozšířené
cílem robotiky není nahradit lidi mechanizací a automatizací úkolů, ale spíše najít nové způsoby, které umožní robotům efektivněji spolupracovat s lidmi. Roboti jsou lepší než lidé při úkolech, jako je křupání čísel a pohyb s přesností. Roboti mohou zvedat mnohem těžší předměty. Lidé jsou lepší než roboti v úkolech, jako je uvažování, definování abstrakce, a zobecnění nebo specializace díky naší schopnosti čerpat z předchozích zkušeností. Díky společné práci mohou roboti a lidé navzájem rozšiřovat a doplňovat své dovednosti.
dekáda pokroku umožňujícího autonomii
pokroky v robotice za poslední desetiletí ukázaly, že robotická zařízení mohou lokomotovat, manipulovat a komunikovat s lidmi a jejich prostředím jedinečnými způsoby. Pohybové schopnosti robotů byly umožněny širokou dostupností přesných senzorů( například laserových skenerů), vysoce výkonných motorů a vývojem robustních algoritmů pro mapování, lokalizaci, plánování pohybu a navigaci trasových bodů. Mnoho nových aplikací je možné díky pokroku ve vývoji těl robotů (hardware) a mozků robotů (software).
schopnosti robotů jsou definovány těsným spojením mezi jejich fyzickými těly a výpočtem, který zahrnuje jejich mozky. Například létající robot musí mít tělo schopné létání a algoritmy pro řízení letu. Dnešní roboti mohou provádět základní pohyb na zemi, ve vzduchu a ve vodě. Mohou rozpoznávat objekty, mapovat nová prostředí, provádět operace pick-and-place, naučit se zlepšovat kontrolu, napodobovat jednoduché lidské pohyby, získávat nové znalosti a dokonce působit jako koordinovaný tým. Například nejnovější fotbalové roboty a algoritmy jsou uvedeny do praxe na každoroční soutěži robotů s názvem RoboCup.
nedávné pokroky v ukládání disků, rozsah a výkon internetu, bezdrátová komunikace, nástroje podporující konstrukci a výrobu a výkon a účinnost elektroniky spolu s celosvětovým růstem ukládání dat ovlivnily vývoj robotů mnoha způsoby. Náklady na Hardware klesají, elektromechanické komponenty jsou spolehlivější, nástroje pro výrobu robotů jsou bohatší, programovací prostředí jsou snadněji dostupná a roboti mají přístup ke světovým znalostem prostřednictvím cloudu. Můžeme si představit skok z osobního počítače do osobního robota, což vede k mnoha aplikacím, kde roboti existují všudypřítomně a pracují bok po boku s lidmi.
cílem robotiky není nahradit člověka mechanizací a automatizací úkolů, ale spíše najít nové způsoby, které umožní robotům efektivněji spolupracovat s lidmi
doprava je skvělým příkladem. Je mnohem snazší pohybovat robotem po světě, než postavit robota, který s ním může komunikovat. Během posledního desetiletí nám významný pokrok v algoritmech a hardwaru umožnil představit si svět, ve kterém se lidé a zboží pohybují mnohem bezpečnějším a pohodlnějším způsobem s optimalizovanými flotilami aut s vlastním pohonem.
za jediný rok najedou Američané téměř tři biliony kilometrů.1 pokud to průměrujete rychlostí 60 mph, to přispívá k téměř padesáti miliardám hodin strávených v autě.2 Toto číslo roste exponenciálně při zvažování zbytku zeměkoule. Ale čas strávený v našich autech není bez výzev. Dnes dochází ve Spojených státech každých pět sekund k autonehodě.3 celosvětově jsou zranění na silnicích osmou hlavní příčinou úmrtí, přičemž každý rok přišlo o život asi 1,24 milionu životů.4 kromě těchto strašných lidských nákladů si tyto havárie vybírají obrovskou ekonomickou daň. Národní správa bezpečnosti silničního provozu vypočítala ekonomické náklady ve Spojených státech na přibližně 277 miliard dolarů ročně.5 Uvedení důlek v těchto číslech je obrovská výzva – ale ten, který je velmi důležité řešit. Samořiditelná vozidla mají potenciál eliminovat dopravní nehody.
Představte si, že by se auta mohla naučit … naučit se řídit … naučit se nikdy být zodpovědná za kolizi… naučit se, co potřebujeme, když řídíme? Co kdyby se mohli stát důvěryhodnými partnery? Partneři, kteří by nám mohli pomoci procházet složitými cestami, hlídat si záda, když jsme unavení, dokonce si udělat čas v autě … zábava? Co kdyby vaše auto mohlo říct, že máte těžký den a zapněte svou oblíbenou hudbu, která vám pomůže relaxovat, při pečlivém sledování toho, jak řídíte? Co kdyby vaše auto také vědělo, že jste včera zapomněli zavolat svým rodičům a na cestě domů vydali jemné připomenutí. A představte si, že to bylo snadné, aby se, že hovor, protože byste mohli obrátit jízdu k autu na nudné úseku dálnice.
uznává tento mimořádný potenciál během posledních několika let, většina výrobců automobilů oznámila projekty s vlastním pohonem. Elon Musk skvěle předpověděl, že bychom mohli za pět let usnout za volantem; Auto Google / Waymo bylo ve zprávách hodně za ujetí několika milionů kilometrů bez nehod; Nissan slíbil samořiditelná auta do roku 2020; Mercedes vytvořil prototyp autonomního vozu 2014 Model s; a Toyota oznámila (září 2015) ambiciózní program na vývoj automobilu, který nikdy nebude zodpovědný za kolizi, a investovala 1 miliardu dolarů do rozvoje umělé inteligence.
v tomto prostoru je spousta aktivit napříč velkým spektrem schopností automobilů. Abychom pochopili, kam spadají všechny různé pokroky, je užitečné podívat se na klasifikaci pěti úrovní autonomie národní správy bezpečnosti silničního provozu (NHTSA): úroveň 0 nezahrnuje žádnou podporu automatizace; Úroveň 1 zahrnuje nástroje pro další zpětnou vazbu lidskému řidiči, například pomocí zadní kamery; úroveň 2 zahrnuje lokalizované aktivní ovládání, například protiblokovací brzdy; úroveň 3 zahrnuje podporu select autonomie, ale člověk musí být připraven převzít (jako v Tesla Autopilot); úroveň 4 zahrnuje autonomii na některých místech po určitou dobu; a úroveň 5 je autonomie ve všech prostředích po celou dobu.
alternativní způsob, jak charakterizovat úroveň autonomie samořiditelného automobilu, je podle tří os definujících (1) rychlost vozidla; (2) složitost prostředí, ve kterém se vozidlo pohybuje, a (3) složitost interakcí s pohybujícími se činiteli (automobily ,lidé, cyklisté atd.) Vědci tlačí obálku podél každé z těchto OS, s cílem přiblížit se autonomii úrovně 5.
v posledním desetiletí nám významný pokrok v algoritmech a hardwaru umožnil představit si svět, ve kterém se lidé a zboží pohybují mnohem bezpečnějším a pohodlnějším způsobem s optimalizovanými flotilami aut s vlastním pohonem
díky algoritmickému a hardwarovému pokroku v posledním desetiletí je dnešní technologie připravena na nasazení úrovně 4 při nízkých rychlostech v prostředích s nízkou úrovní interakce s okolními chodci a jinými vozidly. To zahrnuje autonomii na soukromých silnicích, například v důchodových komunitách a kampusech, nebo na veřejných silnicích, které nejsou příliš přetížené.
autonomie úrovně 4 byla umožněna desetiletým pokrokem v hardwaru a algoritmech dostupných robotům. Nejdůležitější je konvergence několika důležitých algoritmických vývojů: tvorba map, což znamená, že vozidlo může použít své senzory k vytvoření mapy; lokalizace, což znamená, že vozidlo může pomocí svých senzorů zjistit, kde je na mapě; vnímání, což znamená, že vozidlo může vnímat pohybující se objekty na silnici; plánování a rozhodování, což znamená, že vozidlo může přijít na to, co dělat dál na základě toho, co vidí nyní; a spolehlivý hardware, stejně jako datové sady řízení, které umožňují autům naučit se řídit od lidí. Dnes můžeme provádět tolik simultánních výpočtů, chrlit mnohem více dat a spouštět algoritmy v reálném čase. Tyto technologie nás zavedly do okamžiku, kdy můžeme realisticky diskutovat o myšlence autonomie na silnicích.
zatím však nemáme autonomii úrovně 5. Technologické výzvy směrem k autonomii úrovně 5 zahrnují: jízda v přetížení, jízda vysokou rychlostí, jízda za nepříznivého počasí (déšť ,sníh), jízda mezi lidskými řidiči, jízda v oblastech, kde neexistují mapy s vysokou hustotou, a reakce na rohové případy. Systém vnímání vozidla nemá stejnou kvalitu a účinnost jako lidské oko. Aby bylo jasno, existují některé věci, které stroje mohou dělat lépe než lidé, například odhadnout přesně, jak rychle se jiné vozidlo pohybuje. Ale roboti nesdílejí naše rozpoznávací schopnosti. Jak by mohli? Celý život se učíme, jak pozorovat svět a dávat mu smysl. Stroje k tomu vyžadují algoritmy a data-spousta a spousta a spousta dat, anotovaná, aby jim řekla, co to všechno znamená. Abychom umožnili autonomii, musíme vyvinout nové algoritmy, které jim pomohou učit se z mnohem méně příkladů bez dozoru, bez neustálého lidského zásahu.
existují dvě filozofie, které řídí výzkum a vývoj v autonomním řízení: sériová autonomie a paralelní autonomie. Paralelní autonomie se týká vývoje technologií asistence řidiče, kde je řidič za volantem, ale systém asistence řidiče sleduje, co řidič dělá—a podle potřeby zasahuje-způsobem, který nepoškodí-například zabránit kolizi nebo opravit úhel řízení, který udržuje vozidlo na silnici. Autonomie schopnosti vozu rostou postupně, ale pracují paralelně s člověkem. Paralelní přístup autonomie umožňuje vozu pracovat kdekoli a kdykoli. Sériová autonomie sleduje myšlenku, že člověk nebo auto mají na starosti, ale ne obojí. Když je vůz v autonomním režimu, člověk nijak nepřispívá k řízení. Autonomie vozu také roste postupně, ale toto auto může fungovat pouze podle schopností podporovaných jeho autonomním balíčkem. Vůz bude postupně fungovat ve stále složitějších prostředích.
existují dvě filozofie řízení výzkumu a vývoje v autonomním řízení: sériová autonomie a paralelní autonomie. Ten se týká vývoje technologií asistence řidiče, kde je řidič za volantem, ale systém asistence řidiče sleduje, co řidič dělá, a podle potřeby zasahuje
dnešní řešení autonomie řady fungují v uzavřených prostředích (definovaných silnicemi, po kterých může vozidlo řídit). Recept autonomie začíná rozšířením vozidel o řízení po drátu a senzory, jako jsou kamery a laserové skenery. Senzory se používají k vytváření map, k detekci pohyblivých překážek, jako jsou chodci a jiná vozidla, a k lokalizaci vozidla ve světě. Řešení autonomního řízení jsou založena na mapách a těží z desetiletí pokroku v oblasti simultánní lokalizace a mapování (SLAM). Mapy jsou konstruovány tak, že řídí autonomní vozidlo na všech možných silničních úsecích a sbírají funkce pomocí senzorů. Mapy se používají pro každou následující autonomní jízdu, pro plánování cesty od začátku do cíle, pro provedení cesty při vyhýbání se překážkám a pro lokalizaci vozidel při provádění cesty.
většina automobilek s vlastním pohonem testuje své flotily pouze ve velkých městech, kde vyvinuly podrobné 3D mapy, které jsou pečlivě označeny přesnými pozicemi věcí, jako jsou pruhy, obrubníky a značky stop. Tyto mapy zahrnují prvky prostředí detekované senzory vozidla. Mapy jsou vytvářeny pomocí 3D systémů LIDAR, které se spoléhají na světlo při skenování místního prostoru, hromadění milionů datových bodů a extrahování funkcí definujících každé místo.
pokud chceme, aby auta s vlastním pohonem byla životaschopnou globální technologií, je toto spoléhání se na podrobné předchozí mapy problémem. Dnešní autonomní vozidla nejsou schopna řídit ve venkovských prostředích, kde nemáme mapy-jinými slovy, na milionech kilometrů silnic, které jsou nezpevněné, neosvětlené nebo nespolehlivě označené. Na MIT CSAIL, začali jsme vyvíjet MapLite jako první krok k tomu, abychom umožnili samořiditelným autům navigovat po silnicích, na kterých nikdy nebyli, než použili pouze GPS a senzory. Náš systém kombinuje data GPS-podobně jako v Mapách Google-s daty převzatými ze senzorů LIDAR. Společně nám tyto dva prvky umožňují autonomně řídit auto na několika nezpevněných venkovských silnicích a spolehlivě detekovat silnici více než 100 stop (30 metrů) předem. Jiní vědci pracují na různých přístupech bez map s různou mírou úspěchu. Metody, které používají senzory vnímání, jako je LIDAR, se často musí spoléhat na dopravní značení nebo na široké zobecnění geometrie silničních obrubníků. Mezitím, přístupy založené na vizi mohou fungovat dobře v ideálních podmínkách, ale mají problémy, když je nepříznivé počasí nebo špatné osvětlení. Pokud jde o“autonomii úrovně 5″ —tedy autonomii kdekoli kdykoli—jsme ještě několik let daleko, a to kvůli technickým i regulačním výzvám.
autonomní vozidla mohou mít mnoho různých podob, včetně golfových vozíků, invalidních vozíků, skútrů, zavazadel, nákupních vozíků, odpadkových košů a dokonce i lodí. Tyto technologie otevírají dveře široké škále nových produktů a aplikací
zatímco pokrok byl významný po technické stránce, získávání politiky k dohánění bylo pochopitelně složitým a přírůstkovým procesem. Tvůrci politik stále diskutují o úrovni, na které by měla být autonomní vozidla regulována. Jaké druhy vozidel by měly být povoleny na silnici a kdo je může provozovat? Jak by měla být bezpečnost testována a kým? Jak mohou různé režimy odpovědnosti formovat včasné a bezpečné přijetí autonomních vozidel a jaké jsou kompromisy? Jaké jsou důsledky směsice zákonů a předpisů jednotlivých států, a jaké jsou kompromisy při harmonizaci těchto politik? Do jaké míry by měli tvůrci politik podporovat přijetí autonomních vozidel? Například prostřednictvím inteligentní silniční infrastruktury, vyhrazených dálničních pruhů, pobídek výrobce nebo spotřebitelů? Jedná se o složité otázky týkající se používání autonomních vozidel na veřejných komunikacích. Současně je forma autonomie, která je již nyní nasazitelná, „autonomie úrovně 4“, definovaná jako autonomie v některých prostředích. Tato technologie je zde pro autonomní vozidla, která mohou řídit za pěkného počasí, na soukromých cestách a při nižších rychlostech.
prostředí, jako jsou komunity pro odchod do důchodu, kampusy, hotelové nemovitosti a zábavní parky, mohou využívat technologie autonomie úrovně 4. Autonomní vozidla mohou mít mnoho různých podob, včetně golfových vozíků, invalidních vozíků, skútrů, zavazadel, nákupních vozíků, odpadkových košů a dokonce i lodí. Tyto technologie otevírají dveře široké škále nových produktů a aplikací, od mobility na vyžádání, po autonomní nakupování a přepravu zboží a efektivnější mobilitu v nemocnicích. Každý by měl prospěch z toho, že se doprava stane široce dostupným nástrojem, ale tyto výhody budou mít zvláštní dopad na nové řidiče, naši starší populaci a lidi postižené nemocí nebo zdravotním postižením.
technologie, která umožňuje autonomii pro automobily, může mít velmi široký společenský dopad. Představte si, že obyvatelé komunity důchodců jsou bezpečně přepravováni automatizovanými golfovými vozíky. V budoucnu budeme moci automatizovat cokoli na kolech – nejen dnešní vysavače—ale také sekačky na trávu nebo dokonce popelnice.
pokud chceme, aby samořiditelná auta byla životaschopnou globální technologií, je toto spoléhání se na podrobné předchozí mapy problémem. Dnešní autonomní vozidla nejsou schopna řídit ve venkovských prostředích, kde nemáme mapy
stejná technologie, která umožní tuto úroveň automatizace, by mohla být dokonce použita k tomu, aby pomohla lidem se zdravotním postižením—jako nevidomým-zažít svět způsoby, které nikdy předtím nebyly možné. Zrakové postižení postihuje přibližně 285 milionů lidí na celém světě, lidé, kteří by mohli mít obrovský prospěch ze zvýšené mobility a robotické pomoci. Jedná se o segment populace, který technologie často zanechala nebo ignorovala, ale v tomto případě by technologie mohla změnit. Nositelná zařízení, která zahrnují senzory používané auty s vlastním pohonem a spustit software autonomie by mohla umožnit zrakově postiženým lidem zažít svět bezpečně a způsoby, které jsou mnohem bohatší než vycházková hůl.
Robotika změní způsob přepravy lidí a věcí ve velmi blízké budoucnosti. Ale, brzy poté, to bude dělat víc než dodávat věci včas; to nám také umožní vyrábět tyto věci rychle a lokálně.
výzvy v robotice
navzdory nedávným a významným pokrokům v oboru a slibům do budoucna jsou dnešní roboti stále velmi omezeni ve své schopnosti přijít na věci, jejich komunikace je často křehká a výroba nových robotů trvá příliš mnoho času. Široké přijetí robotů bude vyžadovat spíše přirozenou integraci robotů do lidského světa než integraci lidí do světa strojů.
uvažování
roboti mohou provádět pouze omezené uvažování, protože jejich výpočty jsou pečlivě specifikovány. Pro dnešní roboty je vše vysvětleno jednoduchými pokyny a rozsah robota je zcela obsažen v jeho programu. Úkoly, které lidé považují za samozřejmost, například kladení otázky „už jsem tady byl?“jsou notoricky obtížné pro roboty. Roboti zaznamenávají vlastnosti míst, která navštívili. Tyto funkce jsou extrahovány ze senzorů, jako jsou kamery nebo laserové skenery. Pro stroj je těžké rozlišovat mezi funkcemi, které patří do scény, kterou robot již viděl, a novou scénou, která náhodou obsahuje některé stejné objekty. Obecně platí, že data shromážděná ze senzorů a akčních členů jsou příliš velká a příliš nízká; je třeba je mapovat na smysluplné abstrakce, aby roboti mohli tyto informace efektivně využívat. Současný výzkum strojového učení o velkých datech řeší, jak komprimovat velkou datovou sadu na malý počet sémanticky smysluplných datových bodů. Sumarizaci mohou využít i roboti. Například roboti by mohli shrnout svou vizuální historii, aby výrazně snížili počet obrázků potřebných k určení, zda “ už jsem tu byl.“
roboti se navíc nemohou vyrovnat s neočekávanými situacemi. Pokud robot narazí na případ, který nebyl naprogramován tak, aby zvládl nebo je mimo rozsah svých schopností, vstoupí do chybového stavu a zastaví se. Robot často nemůže sdělit příčinu chyby. Například vakuové čisticí roboty jsou navrženy a naprogramovány tak, aby se pohybovaly po podlaze, ale nemohou stoupat po schodech.
roboti se musí naučit, jak přizpůsobit své programy, přizpůsobit se svému okolí a interakcím, které mají s lidmi, s jejich prostředím a s jinými stroji. Dnes má každý, kdo má přístup k Internetu, na dosah ruky světové informace, včetně strojů. Roboti by mohli tyto informace využít k lepšímu rozhodování. Roboti mohli také zaznamenávat a používat celou svou historii (například výstup svých senzorů a akčních členů) a zkušenosti jiných strojů. Například robot vyškolený k venčení vašeho psa mohl přistupovat ke zprávě o počasí online a poté na základě předchozích procházek určit nejlepší trasu. Možná krátká procházka, pokud je horké nebo prší, nebo dlouhá procházka do nedalekého parku, kde se v současné době nacházejí další robotičtí chodci. To vše by mohlo být určeno bez lidské interakce nebo zásahu.
komunikace
svět s mnoha roboty spolupracujícími vyžaduje spolehlivou komunikaci pro koordinaci. Navzdory pokroku v bezdrátové komunikaci stále existují překážky v komunikaci mezi roboty. Problém je v tom, že modelování a předpovídání komunikace je notoricky těžké a jakákoli metoda řízení robotů, která se spoléhá na současné komunikační modely, je plná šumu. Roboti potřebují spolehlivější přístupy ke komunikaci, které zaručují šířku pásma, kterou potřebují, když ji potřebují. Chcete-li získat odolnou komunikaci mezi robotem, je novým paradigmatem měřit lokálně kvalitu komunikace namísto předpovídání pomocí modelů. Pomocí myšlenky měření komunikace si můžeme začít představovat použití létajících robotů jako mobilních základnových stanic, které se vzájemně koordinují, aby poskytovaly pokrytí komunikace v měřítku planety. Roje létajících robotů by mohly přinést přístup k Internetu všude na světě.
komunikace mezi roboty a lidmi je také v současné době omezená. Zatímco řečové technologie byly použity k tomu, aby robotům poskytovaly příkazy v lidském jazyce (například „pohyb ke dveřím“), rozsah a slovní zásoba těchto interakcí je mělká. Roboti by mohli použít pomoc lidí, když uvíznou. Ukazuje se, že i malé množství lidského zásahu do úkolu robota zcela změní problém a umožní strojům dělat více.
v současné době, když roboti narazí na něco neočekávaného (případ, pro který nebyl naprogramován), uvíznou. Předpokládejme, že místo toho, aby se zasekl, byl robot schopen uvažovat o tom, proč je zaseknutý, a získat lidskou pomoc. Například nedávná práce na používání robotů k montáži nábytku IKEA ukazuje, že roboti mohou rozpoznat, kdy je noha stolu mimo dosah, a požádat lidi, aby jim část předali. Po obdržení součásti roboti pokračují v montáži. To jsou některé z prvních kroků k vytvoření symbiotických týmů člověk-robot, kde se roboti a lidé mohou navzájem požádat o pomoc.
Design a výroba
další velkou výzvou pro dnešní roboty je doba navrhování a výroby nových robotů. Musíme urychlit tvorbu robotů. Dnes je k dispozici mnoho různých typů robotů, ale výroba každého z těchto robotů trvala mnoho let. Výpočetní, pohyblivost a manipulační schopnosti robotů jsou pevně spojeny s tělem robota – jeho hardwarovým systémem. Vzhledem k tomu, že dnešní těla robotů jsou pevná a obtížně rozšiřitelná, jsou schopnosti každého robota omezeny jeho tělem. Výroba nových robotů-doplňkových robotických modulů, přípravků nebo specializovaných nástrojů pro rozšíření schopností-není skutečnou možností—protože proces návrhu, výroby, montáže a programování je dlouhý a těžkopádný. Potřebujeme nástroje, které urychlí návrh a výrobu robotů. Představte si, že vytvoříte kompilátor robota, který vezme jako vstup funkční specifikaci robota (například „chci, aby se mnou robot hrál šachy“) a vypočítá návrh, který splňuje specifikaci, výrobní plán a vlastní programovací prostředí pro používání robota. Mnoho úkolů velkých i malých by mohlo být automatizováno rychlým návrhem a výrobou mnoha různých typů robotů pomocí takového kompilátoru robotů.
směrem k všudypřítomné robotice
existují významné mezery mezi tím, kde jsou dnes roboti, a příslibem všudypřítomné integrace robotů do každodenního života. Některé mezery se týkají vytváření robotů-jak rychle a efektivně navrhujeme a vyrábíme nové roboty? Další mezery se týkají výpočtu a schopností robotů uvažovat, měnit a přizpůsobovat se stále složitějším úkolům ve stále složitějších prostředích. Další mezery se týkají interakcí mezi roboty a mezi roboty a lidmi. Současné směry výzkumu v robotice posouvají obálku v každém z těchto směrů a usilují o lepší řešení výroby robotů, řízení pohybu robotů a jejich manipulačních dovedností, zvýšení schopnosti robotů uvažovat, umožnění vnímání na úrovni sémantiky prostřednictvím strojového vidění a rozvoj pružnější koordinace a spolupráce mezi stroji a mezi stroji a lidmi. Splnění těchto výzev přiblíží roboty vizi všudypřítomné robotiky: propojený svět mnoha lidí a mnoha robotů provádějících mnoho různých úkolů.
všudypřítomná, přizpůsobená robotika je velkou výzvou, ale její rozsah není na rozdíl od výzvy všudypřítomné výpočetní techniky, která byla formulována asi před dvaceti pěti lety. Dnes můžeme říci, že výpočetní technika je skutečně všudypřítomná, stala se nástrojem a je k dispozici kdekoli a kdykoli. Co by tedy bylo zapotřebí k všudypřítomné integraci robotů do každodenního života? Mark Weiser, který byl hlavním vědcem společnosti Xerox PARC a je široce označován jako otec všudypřítomných počítačů, řekl o všudypřítomných počítačích, že: „nejhlubší technologie jsou ty, které zmizí . Tkají se do struktury každodenního života, dokud nejsou od ní nerozeznatelné.“
například Elektřina byla kdysi novou technologií a nyní je součástí života. Robotické technologie mají potenciál připojit se k osobnímu počítači a elektřině jako všudypřítomné aspekty každodenního života. V blízké budoucnosti robotické technologie změní způsob, jakým přemýšlíme o mnoha aspektech každodenního života.
existují značné mezery mezi tím, kde jsou dnes roboti, a příslibem všudypřítomné integrace robotů do každodenního života. Tyto mezery se týkají vytváření robotů, jejich výpočtu a schopnosti uvažovat, měnit a přizpůsobovat se stále složitějším úkolům ve stále složitějších prostředích a jejich schopnosti komunikovat s lidmi
flotily s vlastním pohonem mají potenciál proměnit dopravu v nástroj, s přizpůsobenými jízdami dostupnými kdekoli a kdykoli. Veřejná doprava by se mohla stát dvouvrstvým systémem: síť velkých vozidel (například vlaky, autobusy) zajišťující páteřní dopravu pro mnoho lidí na dlouhé vzdálenosti a flotily dopravních lusků zajišťující přizpůsobené přepravní potřeby jednotlivců pro krátký chmel. Taková dopravní síť by byla napojena na IT infrastrukturu a na lidi, kteří by zajišťovali mobilitu na vyžádání. Provoz páteřní sítě by mohl zahrnovat dynamicky se měnící trasy, které by se přizpůsobily potřebám lidí. Údaje o dopravě v reálném čase a historické údaje o dopravě se již používají k určení nejoptimálnějších autobusových tras a umístění zastávek s jemnou zrnitostí. Mobilitu na vyžádání mohou usnadnit nejmodernější technologie pro vozidla s vlastním pohonem. Vzít auto bez řidiče na jízdu může být stejně snadné jako použití smartphonu. Robot lusky by vědět, kdy lidé dorazí na stanici, kde jsou lidé, kteří potřebují jízdu teď, a kde jsou ostatní robot lusky. Poté, co odvezli lidi na místo určení, robotové lusky by se řídily k dalšímu zákazníkovi, pomocí algoritmů pro přizpůsobení poptávky a koordinaci, aby optimalizovaly provoz vozového parku a minimalizovaly čekací dobu lidí. Veřejná doprava by byla pohodlná a přizpůsobená.