Imagine a future where robots are so integrated in the fabric life that they become as common as älypuhelimet are today. Robotiikan alalla on potentiaalia parantaa huomattavasti elämämme laatua työssä, kotona ja pelissä tarjoamalla ihmisille tukea kognitiivisiin ja fyysisiin tehtäviin. Robotit ovat jo vuosia tukeneet ihmisen toimintaa vaarallisissa, likaisissa ja tylsissä tehtävissä ja mahdollistaneet tavoittamattomien ympäristöjen tutkimisen aina syvistä valtameristä avaruuteen. Yhä kyvykkäämmät robotit pystyvät sopeutumaan, oppimaan ja olemaan vuorovaikutuksessa ihmisten ja muiden koneiden kanssa kognitiivisella tasolla.
tekniikan nopea kehitys kuluneen vuosikymmenen aikana on tehnyt laskemisesta välttämätöntä. Tietojenkäsittely on muuttanut tapaamme työskennellä, elää ja pelata. Käytännössä kaiken digitalisointi yhdistettynä robotiikan edistysaskeliin lupaa tulevaisuutta, jossa pääsy huipputeknisiin koneisiin demokratisoituu ja räätälöinti yleistyy. Robotit ovat yhä kyvykkäämpiä, koska ne pystyvät suorittamaan monimutkaisempia laskelmia ja olemaan vuorovaikutuksessa maailman kanssa yhä rikkaampien antureiden ja parempien toimilaitteiden avulla.
yhtenäinen maailma, jossa monet räätälöidyt robotit työskentelevät ihmisten rinnalla, luo jo nyt uusia työpaikkoja, parantaa olemassa olevien työpaikkojen laatua ja säästää ihmisten aikaa, jotta he voivat keskittyä siihen, mitä he pitävät mielenkiintoisena, tärkeänä ja jännittävänä. Tänä päivänä roboteista on jo tullut kumppaneitamme niin teollisuudessa kuin kotitalouksissakin. He työskentelevät ihmisten rinnalla tehtaissa ja leikkaussaleissa. He leikkaavat nurmikkomme, imuroivat lattiamme ja jopa lypsävät lehmämme. Muutaman vuoden kuluttua ne koskettavat entistä useampaa osaa elämästämme.
työmatkoilla kuskittomalla autolla pääsee lukemaan, vastailemaan puheluihin, vaihtamaan kuulumisia suosikkipodcasteihin ja jopa päiväunille. Robottiauto toimii myös avustajana, pitää kirjaa siitä, mitä sinun täytyy tehdä, suunnittelee reitit varmistaa kaikki askareet tehdään, ja tarkistaa uusimmat liikennetiedot valita vähiten ruuhkainen tiet. Kuljettajattomat autot auttavat vähentämään auto-onnettomuuksien aiheuttamia kuolemantapauksia, kun taas autonomiset trukit voivat auttaa poistamaan raskaiden esineiden nostamisen aiheuttamia selkävammoja. Robotit saattavat muuttaa joitakin nykyisiä työpaikkoja, mutta kaiken kaikkiaan roboteilla voi olla suuri yhteiskunnallinen merkitys. Nurmikonhoitorobotit ja altaiden siivousrobotit ovat muuttaneet sitä, miten nämä tehtävät tehdään. Robotit voivat auttaa ihmiskuntaa suurissa ja pienissä ongelmissa.
käytännössä kaiken digitalisointi yhdistettynä robotiikan edistysaskeliin lupaa tulevaisuuden, jossa korkean teknologian koneiden käyttö on demokratisoitunutta ja räätälöinti laajaa
robotiikan tavoitteena ei ole korvata ihmistä koneellistamalla ja automatisoimalla tehtäviä, vaan pikemminkin löytää uusia tapoja, joiden avulla robotit voivat tehdä tehokkaammin yhteistyötä ihmisten kanssa. Robotit ovat ihmisiä parempia tehtävissä, kuten numeroiden murskaamisessa ja tarkkuudessa liikkumisessa. Robotit voivat nostaa paljon raskaampia esineitä. Ihmiset ovat robotteja parempia päättelyssä, abstraktioiden määrittelyssä ja yleistämisessä tai erikoistumisessa, koska pystymme hyödyntämään aikaisempia kokemuksia. Yhteistyöllä robotit ja ihmiset voivat lisätä ja täydentää toistensa taitoja.
itsenäisyyden mahdollistava vuosikymmen
robotiikan kehittyminen viime vuosikymmenen aikana on osoittanut, että robottilaitteet voivat liikkua, manipuloida ja olla vuorovaikutuksessa ihmisten ja heidän ympäristönsä kanssa ainutlaatuisilla tavoilla. Robottien liikkumiskyvyn ovat mahdollistaneet tarkkojen antureiden (esimerkiksi laserskannerit) laaja saatavuus, suorituskykyiset moottorit sekä vankkojen algoritmien kehittäminen kartoitusta, lokalisointia, liikesuunnittelua ja reittipisteiden navigointia varten. Monet uudet sovellukset ovat mahdollisia robottirunkojen (laitteisto) ja robottiaivojen (ohjelmisto) kehityksen ansiosta.
robottien kyvyt määritellään niiden fyysisen kehon ja aivojen muodostaman laskennan tiiviillä kytköksellä. Esimerkiksi lentävällä robotilla pitää olla lentämiseen kykenevä keho ja algoritmeja, joilla lennetään. Nykyajan robotit voivat tehdä perusliikuntaa maassa, ilmassa ja vedessä. He tunnistavat kohteita, kartoittavat uusia ympäristöjä, suorittavat poimintatoimintoja, oppivat parantamaan hallintaa, jäljittelemään yksinkertaisia ihmisen liikkeitä, hankkimaan uutta tietoa ja jopa toimimaan koordinoituna tiiminä. Esimerkiksi uusimpia jalkapallorobotteja ja algoritmeja pannaan käytäntöön vuosittain järjestettävässä robottijalkapallokilpailussa Robocupissa.
viimeaikaiset edistysaskeleet levytallennuksessa, Internetin laajuudessa ja suorituskyvyssä, langattomassa viestinnässä, suunnittelua ja valmistusta tukevissa työkaluissa sekä elektroniikan tehossa ja tehokkuudessa yhdistettynä tietojen tallennuksen maailmanlaajuiseen kasvuun ovat vaikuttaneet robottien kehitykseen monin tavoin. Laitteistokustannukset laskevat, sähkömekaaniset komponentit ovat luotettavampia, työkalut robottien tekemiseen ovat rikkaampia, ohjelmointiympäristöjä on helpommin saatavilla ja roboteilla on pääsy maailman tietoon pilvipalvelun kautta. Voimme alkaa kuvitella loikkaa henkilökohtaisesta tietokoneesta henkilökohtaiseen robottiin, mikä johtaa moniin sovelluksiin, joissa robotteja on kaikkialla ja ne toimivat rinnakkain ihmisten kanssa.
robotiikan tavoitteena ei ole korvata ihmistä koneellistamalla ja automatisoimalla tehtäviä, vaan pikemminkin löytää uusia tapoja, joiden avulla robotit voivat tehdä tehokkaammin yhteistyötä ihmisten kanssa
kuljetus on hyvä esimerkki. On paljon helpompaa siirtää robotti maailman läpi kuin rakentaa robotti, joka voi olla vuorovaikutuksessa sen kanssa. Viime vuosikymmenen aikana algoritmien ja laitteistojen merkittävät edistysaskeleet ovat mahdollistaneet sen, että voimme kuvitella maailman, jossa ihmisiä ja tavaroita siirretään paljon turvallisemmin ja kätevämmin optimoiduilla itseohjautuvilla autoilla.
yhden vuoden aikana amerikkalaiset ajavat lähes kolme biljoonaa mailia.1 Jos keskimäärin, että ulos 60 mph, joka lisää jopa lähes viisikymmentä miljardia tuntia käytetty autossa.2 tuo luku kasvaa eksponentiaalisesti, kun otetaan huomioon muu maailma. Autoissa vietetty aika ei kuitenkaan ole vailla haasteita. Nykyään Yhdysvalloissa tapahtuu viiden sekunnin välein autokolari.3 tieliikenneonnettomuudet ovat maailmanlaajuisesti kahdeksanneksi yleisin kuolinsyy, ja niissä kuolee vuosittain noin 1,24 miljoonaa ihmistä.4 tämän hirvittävän inhimillisen hinnan lisäksi nämä onnettomuudet vaativat valtavan taloudellisen veron. National Highway Traffic Safety Administration on laskenut, että taloudelliset kustannukset Yhdysvalloissa ovat noin 277 miljardia dollaria vuodessa.5 lommon laittaminen näihin lukuihin on valtava haaste—mutta sellainen, johon on erittäin tärkeää puuttua. Itseohjautuvilla ajoneuvoilla on mahdollisuus poistaa liikenneonnettomuuksia.
kuvitelkaa, jos autot oppisivat … oppisivat miten ajamme … oppisivat olemaan koskaan vastuussa törmäyksestä … oppisivat mitä tarvitsemme ajaessamme? Entä jos heistä voisi tulla luotettavia kumppaneita? Kumppaneita, jotka voivat auttaa meitä kulkemaan hankalilla teillä, varomaan selustaamme, kun olemme väsyneitä, jopa tekemään ajastamme autossa… hauskaa? Entä jos autosi voisi kertoa, että sinulla on vaikea päivä ja laittaa lempimusiikkisi päälle, jotta voit rentoutua, samalla kun katsot tarkkaan, miten ajat? Entä jos autokin tietäisi, että olet unohtanut soittaa vanhemmillesi eilen ja antanut hellän muistutuksen kotimatkalla. Ja kuvittele, että se oli helppo soittaa, koska voit kääntää ajamisen auton tylsällä tieosuudella.
huomasi tämän poikkeuksellisen potentiaalin parin viime vuoden aikana, ja useimmat autonvalmistajat ilmoittivat itsestään ajavista autoprojekteista. Elon Musk tunnetusti ennusti, että voisimme nukahtaa rattiin viidessä vuodessa; Google / Waymo-auto on ollut uutisissa paljon ajamalla useita miljoonia onnettomuusvapaita kilometrejä; Nissan lupasi itseohjautuvia autoja vuoteen 2020 mennessä; Mercedes loi prototyypin 2014 Model S autonomisen auton; ja Toyota ilmoitti (syyskuussa 2015) kunnianhimoinen ohjelma kehittää auton, joka ei koskaan ole vastuussa törmäys, ja investoi $1 miljardi edistää tekoäly.
tässä tilassa on paljon toimintaa laajalla kirjolla autojen ominaisuuksia. Jotta ymmärtäisimme, missä kaikki eri edistysaskeleet putoavat, on hyödyllistä tarkastella National Highway Traffic Safety Administration (NHTSA) – luokitusta viidestä autonomiatasosta: taso 0 ei sisällä automaation tukea; Taso 1 sisältää työkalut lisäpalautteen antamiseksi ihmiskuljettajalle, esimerkiksi takakameran avulla; Taso 2 sisältää paikallisen aktiivisen ohjauksen, esimerkiksi lukkiutumattomat jarrut; Taso 3 sisältää tuen valitulle autonomialle, mutta ihmisen on oltava valmis ottamaan ohjat käsiinsä (kuten Teslan autopilotissa); Taso 4 sisältää autonomian joissakin paikoissa osan ajasta; ja taso 5 on autonomia kaikissa ympäristöissä koko ajan.
vaihtoehtoinen tapa luonnehtia itseajavan auton autonomian tasoa on kolmen akselin mukaan määritellä (1) ajoneuvon nopeus; (2) sen ympäristön monimutkaisuus, jossa ajoneuvo liikkuu, ja (3) siinä ympäristössä liikkuvien aineiden (autojen, ihmisten, pyöräilijöiden jne.) kanssa tapahtuvan vuorovaikutuksen monimutkaisuus. Tutkijat työntävät kirjekuorta pitkin kutakin näistä akseleista tavoitteenaan päästä lähemmäs tason 5 autonomiaa.
viime vuosikymmenen aikana algoritmien ja laitteistojen merkittävät edistysaskeleet ovat mahdollistaneet sen, että voimme kuvitella maailman, jossa ihmisiä ja tavaroita siirretään paljon turvallisemmin ja kätevämmin optimoiduilla itseohjautuvilla autoilla
algoritmien ja laitteistojen viimeisen vuosikymmenen aikana tapahtuneen edistymisen vuoksi nykyinen teknologia on valmis tason 4 käyttöönottoon pienillä nopeuksilla vähän vaativissa ympäristöissä, joissa vuorovaikutus ympäröivien jalankulkijoiden ja muiden ajoneuvojen kanssa on vähäistä. Tähän kuuluu itsehallinto yksityisteillä, kuten vanhainkodeilla ja kampuksilla, tai yleisillä teillä, jotka eivät ole kovin ruuhkaisia.
tason 4 autonomian on mahdollistanut kymmenen vuotta jatkunut robottien käytettävissä olevien laitteistojen ja algoritmien kehitys. Tärkeintä on lähentyminen useita tärkeitä algoritmista kehitystä: kartan tekeminen, eli ajoneuvo voi käyttää sen anturit luoda kartan; lokalisointi, eli ajoneuvo voi käyttää sen anturit selvittää, missä se on kartalla; käsitys, eli ajoneuvo voi havaita liikkuvat kohteet tiellä; suunnittelu ja päätöksenteko, eli ajoneuvo voi selvittää, mitä tehdä seuraavaksi sen perusteella, mitä se näkee nyt; ja luotettava laitteisto, sekä ajo dataset, joiden avulla autot voivat oppia ajamaan ihmisiltä. Tänään, voimme tehdä niin monia samanaikaisia laskelmia, crunch niin paljon enemmän tietoa, ja ajaa algoritmeja reaaliajassa. Nämä teknologiat ovat vieneet meidät pisteeseen, jossa voimme realistisesti keskustella maanteiden autonomiasta.
tason 5 autonomiaa ei kuitenkaan vielä ole. Teknologisia haasteita kohti tason 5 autonomiaa ovat: ruuhkassa ajaminen, suurilla nopeuksilla ajaminen, koleassa säässä (sade, lumi) ajaminen, autoilijoiden keskuudessa ajaminen, alueilla, joilla ei ole tiheyskarttoja, ja mutkatapauksiin vastaaminen. Ajoneuvon havaintojärjestelmä ei ole yhtä laadukas ja tehokas kuin ihmissilmä. Selvyyden vuoksi, on olemassa joitakin asioita, jotka koneet voivat tehdä paremmin kuin ihmiset, kuten arvioida tarkasti, kuinka nopeasti toinen ajoneuvo liikkuu. Robotit eivät kuitenkaan jaa tunnistuskykyämme. Miten he saattoivat? Opettelemme koko elämämme ajan tarkkailemaan maailmaa ja ymmärtämään sitä. Koneet vaativat algoritmeja tähän, ja dataa – paljon ja paljon ja paljon dataa, joka on merkitty kertomaan heille, mitä se kaikki tarkoittaa. Jotta itsenäisyys olisi mahdollista, meidän on kehitettävä uusia algoritmeja, jotka auttavat heitä oppimaan paljon harvemmista esimerkeistä valvomattomalla tavalla ilman jatkuvaa ihmisen väliintuloa.
on kaksi filosofiaa, jotka ohjaavat tutkimusta ja kehitystä autonomisessa ajossa: sarja-autonomia ja rinnakkainen autonomia. Rinnakkaisessa autonomiassa on kyse kuljettajan avustustekniikan kehittämisestä silloin, kun kuljettaja on ratissa, mutta kuljettajan avustinjärjestelmä valvoo kuljettajan toimintaa ja puuttuu tilanteeseen tarpeen mukaan-tavalla, josta ei ole haittaa—esimerkiksi estääkseen törmäyksen tai korjatakseen ohjauskulman, joka pitää auton tiellä. Auton autonomiaominaisuudet kasvavat vähitellen, mutta toimivat ihmisen rinnalla. Rinnakkainen autonomia-lähestymistapa mahdollistaa auton käytön missä ja milloin tahansa. Series autonomy pyrkii ajatukseen, että ihminen tai auto ovat johdossa, mutta ei molempia. Kun auto on autonomisessa tilassa, ihminen ei osallistu millään tavalla ajamiseen. Auton autonomiaominaisuudet kasvavat myös vähitellen, mutta tämä auto voi toimia vain autonomiapakettinsa tukemien ominaisuuksien mukaan. Auto toimii vähitellen yhä monimutkaisemmissa ympäristöissä.
autonomisen ajamisen tutkimus-ja kehitystyötä ajaa kaksi filosofiaa: sarjojen autonomia ja rinnakkainen autonomia. Viimeksi mainittu koskee driver-assist-teknologian kehittämistä, kun kuljettaja on ratissa, mutta driver-assist-järjestelmä valvoo kuljettajan toimintaa ja puuttuu tilanteeseen tarpeen mukaan
nykyiset autonomy-sarjan ratkaisut toimivat suljetuissa ympäristöissä (määritellään niiden teiden mukaan, joilla ajoneuvo voi ajaa). Autonomy-resepti lähtee siitä, että ajoneuvoja täydennetään drive-by-wire-ohjauksella ja sensoreilla, kuten kameroilla ja laserskannereilla. Sensoreita käytetään karttojen luomiseen, liikkuvien esteiden, kuten jalankulkijoiden ja muiden ajoneuvojen havaitsemiseen sekä ajoneuvon paikantamiseen maailmassa. Autonomisen ajamisen ratkaisut ovat karttapohjaisia ja hyötyvät vuosikymmenen edistyksestä samanaikaisen lokalisoinnin ja kartoituksen (SLAM) alalla. Kartat on rakennettu ajamalla autonomista ajoneuvoa kaikilla mahdollisilla tieosuuksilla ja keräämällä ominaisuuksia antureiden avulla. Karttoja käytetään jokaisen myöhemmän autonomisen aseman suunnitteluun, polun suunnitteluun alusta maaliin, polun suorittamiseen esteitä vältellen ja ajoneuvojen paikantamiseen sen suorittaessa polkua.
useimmat itseajavat Autoliikkeet testaavat autojaan vain suurissa kaupungeissa, joissa ne ovat kehittäneet yksityiskohtaisia 3D-karttoja, joihin on pikkutarkasti merkitty esimerkiksi kaistat, reunakivet ja stop-merkit. Kartat sisältävät ajoneuvon antureiden havaitsemia ympäristöominaisuuksia. Kartat on luotu käyttämällä 3D-LIDAR-järjestelmiä, jotka käyttävät valoa paikallisen tilan skannaamiseen, keräävät miljoonia datapisteitä ja poimivat kunkin paikan määrittelevät ominaisuudet.
jos haluamme itseohjautuvien autojen olevan käyttökelpoista globaalia teknologiaa, tämä riippuvuus yksityiskohtaisista etukartoista on ongelma. Nykyisillä autonomisilla ajoneuvoilla ei voida ajaa maaseutuympäristössä, jossa meillä ei ole karttoja—toisin sanoen niillä miljoonilla kilometreillä teitä, jotka ovat päällystämättömiä, valaisemattomia tai epäluotettavasti merkittyjä. Mit CSAILISSA aloimme kehittää Maplitea ensimmäisenä askeleena, jonka avulla itseohjautuvat autot voivat navigoida teillä, joilla ne eivät ole koskaan ennen olleet, käyttäen vain GPS: ää ja sensoreita. Järjestelmässämme yhdistetään GPS-tiedot—kuten Google Mapsissa-LIDAR-sensoreista otettuihin tietoihin. Yhdessä nämä kaksi elementtiä antavat meille mahdollisuuden autonomisesti ajaa autoa useilla päällystämättömillä maanteillä ja havaita tien luotettavasti yli 100 jalkaa (30 metriä) etukäteen. Toiset tutkijat ovat työstäneet erilaisia kartoittamattomia lähestymistapoja vaihtelevalla menestyksellä. LiDARin kaltaisia havaintoantureita käyttävät menetelmät joutuvat usein tukeutumaan voimakkaasti tiemerkintöihin tai tekemään laajoja yleistyksiä tien Reunakivien geometriasta. Samaan aikaan, visio-pohjainen lähestymistapoja voi toimia hyvin ihanteellisissa olosuhteissa, mutta on ongelmia, kun on epäsuotuisa sää tai huono valaistus. Mitä tulee ”tason 5 autonomiaan” —eli autonomiaan missä tahansa milloin tahansa—olemme vielä muutaman vuoden päässä, ja tämä johtuu sekä teknisistä että sääntelyyn liittyvistä haasteista.
autonomisia ajoneuvoja voidaan käyttää monissa eri muodoissa, kuten golfkärryissä, pyörätuoleissa, skoottereissa, matkatavaroissa, ostoskärryissä, roska-astioissa ja jopa veneissä. Nämä teknologiat avaavat oven suurelle joukolle uusia tuotteita ja sovelluksia
vaikka teknisellä puolella on edistytty merkittävästi, politiikan kurominen umpeen on ollut ymmärrettävästi monimutkainen ja lisääntyvä prosessi. Päättäjät keskustelevat edelleen siitä, millä tasolla autonomisia ajoneuvoja pitäisi säädellä. Minkälaiset ajoneuvot pitäisi sallia tiellä, ja kuka saa käyttää niitä? Miten turvallisuus tulisi testata ja kenen toimesta? Miten erilaiset vastuujärjestelmät voisivat vaikuttaa autonomisten ajoneuvojen oikea-aikaiseen ja turvalliseen käyttöönottoon, ja mitkä ovat kompromissit? Mitä seurauksia on valtiokohtaisten lakien ja säädösten tilkkutäkillä, ja mitkä ovat kompromissit näiden politiikkojen yhdenmukaistamisessa? Missä määrin poliittisten päättäjien pitäisi kannustaa autonomisten ajoneuvojen käyttöönottoon? Esimerkiksi älykkään tieinfrastruktuurin, varattujen maantiekaistojen, valmistajan tai kuluttajan kannustimien avulla? Nämä ovat monimutkaisia kysymyksiä, jotka koskevat autonomisten ajoneuvojen käyttöä yleisillä teillä. Samalla eräs autonomian muoto, joka on jo nyt käytössä, on ”tason 4 autonomia”, joka määritellään autonomiaksi joissakin ympäristöissä jonkin aikaa. Tekniikka on tässä autonomisille ajoneuvoille, jotka voivat ajaa reilulla säällä, yksityisillä teillä ja pienemmillä nopeuksilla.
ympäristöt, kuten eläkeläisyhteisöt, kampukset, hotellikiinteistöt ja Huvipuistot, voivat kaikki hyötyä tason 4 autonomy-teknologioista. Autonomiset ajoneuvot voivat olla monissa eri muodoissa, mukaan lukien golfkärryt, Pyörätuolit, skootterit, Matkatavarat, ostoskärryt, roska-astiat ja jopa veneet. Nämä teknologiat avaavat oven lukuisille uusille tuotteille ja sovelluksille aina tilauksesta tapahtuvasta liikkuvuudesta itsenäisiin ostoksiin ja tavaroiden kuljetuksiin sekä tehokkaampaan liikkuvuuteen sairaaloissa. Kaikki hyötyisivät siitä, että kuljetuksista tulisi laajalti saatavilla oleva palvelu, mutta näillä eduilla on erityinen vaikutus uusiin kuljettajiin, vanhusväestöön ja ihmisiin, joita sairaus tai vamma koskettaa.
autojen autonomian mahdollistavalla teknologialla voi olla hyvin laaja yhteiskunnallinen vaikutus. Kuvittele, että eläkeläisyhteisön asukkaita kuljetetaan turvallisesti automaattisilla golfkärryillä. Tulevaisuudessa pystymme automatisoimaan pyörillä mitä tahansa-ei vain nykypäivän imureita, vaan myös ruohonleikkureita tai jopa roskiksia.
jos haluamme itseohjautuvien autojen olevan käyttökelpoista globaalia teknologiaa, tämä riippuvuus yksityiskohtaisista etukartoista on ongelma. Nykyiset autonomiset ajoneuvot eivät voi ajaa maaseutuympäristössä, jossa ei ole karttoja
samaa teknologiaa, joka mahdollistaa tämän automaation tason, voitaisiin jopa käyttää auttamaan vammaisia ihmisiä—kuten sokeita—kokemaan maailma tavoilla, joita ei ole koskaan ennen mahdollista. Näkövamma vaikuttaa maailmanlaajuisesti noin 285 miljoonaan ihmiseen, jotka voisivat hyötyä valtavasti lisääntyneestä liikkuvuudesta ja robottiavusta. Tämä on väestönosa, jonka teknologia on usein jättänyt taakseen tai jättänyt huomiotta, mutta tässä tapauksessa teknologialla voisi olla suuri merkitys. Puettavat laitteet, jotka sisältävät itseohjautuvien autojen käyttämät sensorit ja autonomyohjelmiston, voisivat antaa näkövammaisille mahdollisuuden kokea maailma turvallisesti ja kävelykeppiä paljon rikkaammilla tavoilla.
robotiikka tulee muuttamaan ihmisten ja tavaroiden kuljetustapaamme lähitulevaisuudessa. Mutta pian sen jälkeen se tekee enemmän kuin toimittaa asioita ajallaan; sen avulla voimme myös tuottaa ne nopeasti ja paikallisesti.
robotiikan haasteet
huolimatta alan viimeaikaisista ja merkittävistä edistysaskeleista ja tulevaisuuden lupauksesta, tämän päivän robottien kyky hahmottaa asioita on vielä melko rajallinen, niiden viestintä on usein haurasta ja uusien robottien tekeminen vie liikaa aikaa. Robottien laaja omaksuminen edellyttää robottien luonnollista integroitumista ihmisten maailmaan sen sijaan, että ihmiset integroituisivat koneiden maailmaan.
päättely
robotit voivat suorittaa vain rajoitettua päättelyä, koska niiden laskelmat on tarkasti määritelty. Nykypäivän roboteille kaikki on kirjoitettu yksinkertaisilla ohjeilla ja robotin laajuus sisältyy kokonaan sen ohjelmaan. Tehtävät, joita ihmiset pitävät itsestään selvinä, esimerkiksi kysymyksen ” olenko ollut täällä ennen?”ovat tunnetusti vaikeita roboteille. Robotit tallentavat käyntikohteiden ominaisuuksia. Nämä ominaisuudet poimitaan antureista, kuten kameroista tai laserskannereista. Koneen on vaikea erottaa ominaisuuksia, jotka kuuluvat robotin jo näkemälle kohtaukselle, ja uutta kohtausta, joka sattuu sisältämään joitakin samoja esineitä. Yleisesti ottaen sensoreista ja toimilaitteista kerätty data on liian suurta ja alhaista; se on kartoitettava mielekkäiksi abstraktioiksi, jotta robotit voivat käyttää tietoa tehokkaasti. Nykyinen koneoppimistutkimus big datasta käsittelee sitä, miten suuri aineisto tiivistetään pieneen määrään semanttisesti merkityksellisiä datapisteitä. Tiivistämistä voivat käyttää myös robotit. Robotit voisivat esimerkiksi tiivistää visuaalisen historiansa vähentääkseen merkittävästi kuvien määrää, joka tarvitaan sen määrittämiseksi, onko ” olen ollut täällä ennen.”
lisäksi robotit eivät selviä yllättävistä tilanteista. Jos robotti kohtaa tapauksen, jota sitä ei ole ohjelmoitu käsittelemään tai joka on kykyjensä ulkopuolella, se siirtyy virhetilaan ja pysähtyy. Usein robotti ei pysty viestimään virheen syytä. Esimerkiksi imurirobotit on suunniteltu ja ohjelmoitu liikkumaan lattialla, mutta ne eivät pysty kiipeämään portaita.
robottien on opittava säätämään ohjelmiaan, sopeutumaan ympäristöönsä ja vuorovaikutukseen ihmisten, ympäristöjen ja muiden koneiden kanssa. Nykyään kaikilla, joilla on internetyhteys, on maailman tieto käden ulottuvilla, myös koneilla. Robotit voisivat hyödyntää tätä tietoa tehdäkseen parempia päätöksiä. Robotit voisivat myös tallentaa ja käyttää koko historiansa (esimerkiksi anturiensa ja toimilaitteidensa tuotokset) sekä muiden koneiden kokemukset. Esimerkiksi koiran ulkoiluttamiseen koulutettu robotti voisi käyttää säätiedotusta verkossa,ja sitten aiempien kävelyjen perusteella määrittää parhaan reitin. Ehkä lyhyt kävely, jos on kuuma tai sataa, tai pitkä kävely läheiseen puistoon, jossa muut robottikoirien kävelijät ovat tällä hetkellä. Kaikki tämä voitaisiin määrittää ilman ihmisten vuorovaikutusta tai väliintuloa.
viestintä
maailma, jossa monet robotit työskentelevät yhdessä, vaatii luotettavaa viestintää koordinoidakseen. Langattoman viestinnän edistymisestä huolimatta robottien välisessä viestinnässä on edelleen esteitä. Ongelmana on, että viestinnän mallinnus ja ennustaminen on tunnetusti vaikeaa ja kaikki nykyisiin viestintämalleihin tukeutuvat robottiohjausmenetelmät ovat täynnä melua. Robotit tarvitsevat luotettavampia lähestymistapoja viestintään, jotka takaavat tarvittavan kaistanleveyden, kun he sitä tarvitsevat. Joustavan robottien välisen viestinnän saamiseksi uusi paradigma on mitata paikallisesti viestinnän laatua sen ennustamisen sijaan malleilla. Viestinnän mittaamisen ideaa hyödyntäen voimme alkaa kuvitella käyttävämme lentäviä robotteja liikkuvina tukiasemina, jotka koordinoivat toisiaan planeetan laajuisen viestinnän kattavuuden tarjoamiseksi. Lentävien robottien parvet voisivat tuoda internetyhteyden kaikkialle maailmaan.
myös robottien ja ihmisten välinen kommunikaatio on nykyisin vähäistä. Vaikka puhetekniikkaa on käytetty antamaan roboteille komentoja ihmiskielellä (esimerkiksi ”siirry ovelle”), näiden vuorovaikutusten laajuus ja sanasto on pinnallista. Robotit kaipaisivat ihmisten apua, kun ne jäisivät jumiin. On käynyt ilmi, että pienikin määrä ihmisen puuttumista robotin tehtävään muuttaa ongelman täysin ja voimaannuttaa koneet tekemään enemmän.
tällä hetkellä, kun robotit kohtaavat jotain odottamatonta (tapaus, johon sitä ei ollut ohjelmoitu), ne jumiutuvat. Otaksukaamme, että robotti ei vain jäisi jumiin, vaan kykenisi järkeilemään, miksi se on jumissa, ja pyytämään ihmisen apua. Esimerkiksi hiljattain tehty työ robottien käyttämisestä Ikean huonekalujen kokoamiseen osoittaa, että robotit voivat tunnistaa, milloin pöytäjalka on ulottumattomissa, ja pyytää ihmisiä ojentamaan osan heille. Osan saatuaan robotit jatkavat kokoonpanotehtävää. Nämä ovat ensimmäisiä askeleita kohti symbioottisten ihmisrobottiryhmien luomista, joissa robotit ja ihmiset voivat pyytää apua toisiltaan.
suunnittelu ja valmistus
toinen suuri haaste nykyisillä roboteilla on uusien robottien suunnittelun ja valmistuksen kesto. Robottien luomista on nopeutettava. Nykyään on saatavilla monia erilaisia robotteja, mutta jokaisen tällaisen robotin valmistamiseen meni monta vuotta. Robottien laskenta—, liikkuvuus-ja manipulointikyvyt ovat tiukasti sidoksissa robotin kehoon-sen laitteistojärjestelmään. Koska nykyiset robottirungot ovat kiinteitä ja vaikeasti laajennettavia, jokaisen robotin ominaisuuksia rajoittaa sen keho. Uusien robottien—lisäosien robottimoduulien, kalusteiden tai erikoistyökalujen-valmistus ei ole todellinen vaihtoehto, sillä suunnittelu—, valmistus -, kokoonpano-ja ohjelmointiprosessi on pitkä ja vaivalloinen. Tarvitsemme työkaluja, jotka nopeuttavat robottien suunnittelua ja valmistusta. Kuvittele luoda robotti kääntäjä, joka ottaa syötteenä toiminnallinen spesifikaatio robotin (esimerkiksi ”Haluan robotti pelata shakkia kanssani”) ja laskee suunnittelu, joka täyttää eritelmän, valmistus suunnitelma, ja mukautetun ohjelmointiympäristön robotin käyttöä. Monet tehtävät suuret ja pienet voitaisiin automatisoida nopeasti suunnittelu ja valmistus monia erilaisia robotteja tällaisen robotin kääntäjä.
kohti läpitunkevaa robotiikkaa
siinä, missä robotit ovat tänä päivänä, ja lupauksessa robottien kokonaisvaltaisesta integroinnista arkielämään on merkittäviä aukkoja. Osa aukoista koskee robottien luomista-miten suunnittelemme ja valmistamme uusia robotteja nopeasti ja tehokkaasti? Muut puutteet koskevat robottien laskentaa ja kykyä järkeillä, muuttaa ja sopeutua yhä monimutkaisempiin tehtäviin yhä monimutkaisemmissa ympäristöissä. Muita aukkoja liittyy vuorovaikutukseen robottien välillä sekä robottien ja ihmisten välillä. Robotiikan nykyiset tutkimussuunnat työntävät kirjekuorta jokaiseen näistä suunnista ja pyrkivät parempiin ratkaisuihin robottien tekemisessä, robottien liikkumisen ja manipulointitaitojen hallinnassa, robottien järkeilykyvyn lisäämisessä, semanttisen tason hahmottamisen mahdollistamisessa konenäön avulla sekä joustavamman koordinoinnin ja yhteistyön kehittämisessä koneiden välillä sekä koneiden ja ihmisten välillä. Näihin haasteisiin vastaaminen tuo robotit lähemmäs visiota läpitunkevasta robotiikasta: monien ihmisten ja monien robottien yhdistetty maailma, joka suorittaa monia erilaisia tehtäviä.
Läpitunkeva, räätälöity robotiikka on iso haaste, mutta sen laajuus ei eroa pervasiivisen tietojenkäsittelyn haasteesta, joka muotoiltiin noin kaksikymmentäviisi vuotta sitten. Tänään voimme sanoa, että computing on todellakin Läpitunkeva, siitä on tullut apuohjelma, ja se on saatavilla missä tahansa, milloin tahansa. Mitä siis vaatisi, että robotit integroituisivat arjessa kaikkialle? Mark Weiser, joka oli Xerox PARC: n johtava tiedemies ja jota kutsutaan yleisesti kaikkialla olevan tietojenkäsittelyn isäksi, sanoi pervasiivisesta tietojenkäsittelystä, että: ”syvällisimmät teknologiat ovat niitä, jotka katoavat. He kutovat itsensä arkielämän kudokseen, kunnes heitä ei erota siitä.”
esimerkiksi sähkö oli aikoinaan uutta teknologiaa ja nyt se on osa elämää. Robottiteknologialla on potentiaalia yhdistää henkilökohtainen tietokone ja sähkö arjen läpitunkevina osa-alueina. Lähitulevaisuudessa robottiteknologia muuttaa ajattelutapaamme monista arjen osa-alueista.
on merkittäviä aukkoja siinä, missä robotit ovat tänä päivänä, ja lupauksessa robottien kokonaisvaltaisesta integroinnista arkielämään. Nämä puutteet liittyvät robottien luomiseen, niiden laskentaan ja kykyyn järkeillä, muuttaa ja sopeutua yhä monimutkaisempiin tehtäviin yhä monimutkaisemmissa ympäristöissä, ja niiden kykyyn olla vuorovaikutuksessa ihmisten kanssa
itseohjautuvat autokunnat voivat tehdä kuljetuksesta hyödyllisen, ja räätälöityjä kyytejä on saatavilla missä ja milloin tahansa. Joukkoliikenteestä voisi tulla kaksikerroksinen järjestelmä: suurten ajoneuvojen verkosto (esimerkiksi junat, bussit), joka tarjoaa runkokuljetuksia monille ihmisille pitkillä matkoilla, ja kuljetuskapselien laivastot, jotka tarjoavat yksilöille räätälöityjä kuljetustarpeita lyhyille humalille. Tällainen liikenneverkko liitettäisiin IT-infrastruktuuriin ja ihmisiin, jotta he voisivat liikkua tilauksesta. Selkärangan toimintaan voisi kuulua dynaamisesti muuttuvia reittejä ihmisten tarpeisiin sopeutumiseksi. Reaaliaikaista ja historiallista kuljetustietoa käytetään jo nyt optimaalisten bussireittien ja pysäkkien sijainnin määrittämiseen hienolla rakeisuudella. Tilauksesta tapahtuvaa liikkuvuutta voidaan helpottaa itseohjautuvien ajoneuvojen uusimmalla teknologialla. Kuskittoman auton ottaminen ajelulle voisi olla yhtä helppoa kuin älypuhelimen käyttö. Robottikapselit tietäisivät, milloin ihmiset saapuvat asemalle, missä ovat ne ihmiset, jotka tarvitsevat kyytiä nyt, ja missä muut robottikapselit ovat. Ajettuaan ihmiset määränpäähänsä robottikapselit ajoivat itsensä seuraavan asiakkaan luo käyttäen kysynnän sovittamista ja koordinointialgoritmeja optimoimaan laivaston toimintaa ja minimoimaan ihmisten odotusajan. Julkinen liikenne olisi kätevä ja räätälöity.