Immaginate un futuro in cui i robot sono così integrati nel tessuto della vita umana che diventano comuni come gli smartphone sono oggi. Il campo della robotica ha il potenziale per migliorare notevolmente la qualità della nostra vita al lavoro, a casa e in gioco fornendo alle persone supporto per compiti cognitivi e compiti fisici. Per anni, i robot hanno supportato l’attività umana in compiti pericolosi, sporchi e noiosi e hanno permesso l’esplorazione di ambienti irraggiungibili, dagli oceani profondi allo spazio profondo. Sempre più, robot più capaci saranno in grado di adattarsi, imparare, e di interagire con gli esseri umani e altre macchine a livelli cognitivi.
Il rapido progresso della tecnologia negli ultimi dieci anni ha reso indispensabile l’informatica. L’informatica ha trasformato il nostro modo di lavorare, vivere e giocare. La digitalizzazione di praticamente tutto, accoppiato con i progressi della robotica, promette un futuro in cui l’accesso alle macchine ad alta tecnologia è democratizzato e personalizzazione diffusa. I robot stanno diventando sempre più capaci grazie alla loro capacità di eseguire calcoli più complessi e interagire con il mondo attraverso sensori sempre più ricchi e attuatori migliori.
Un mondo connesso con molti robot personalizzati che lavorano a fianco delle persone sta già creando nuovi posti di lavoro, migliorando la qualità dei posti di lavoro esistenti e risparmiando tempo alle persone in modo che possano concentrarsi su ciò che trovano interessante, importante ed eccitante. Oggi i robot sono già diventati nostri partner in ambito industriale e domestico. Lavorano fianco a fianco con le persone nelle fabbriche e nelle sale operatorie. Falciano i nostri prati, aspirano i nostri pavimenti e persino mungono le nostre mucche. In pochi anni, toccheranno ancora più parti della nostra vita.
Pendolarismo al lavoro in auto senza conducente vi permetterà di leggere, chiamate di ritorno, recuperare il ritardo sui vostri podcast preferiti, e anche pisolino. L’auto robotica fungerà anche da assistente, tenendo traccia di ciò che devi fare, pianificando i tuoi percorsi per assicurarti che tutte le tue faccende siano fatte e controllando gli ultimi dati sul traffico per selezionare le strade meno congestionate. Le auto senza conducente contribuiranno a ridurre le vittime di incidenti automobilistici mentre i carrelli elevatori autonomi possono aiutare a eliminare le lesioni alla schiena causate dal sollevamento di oggetti pesanti. I robot possono cambiare alcuni posti di lavoro esistenti, ma, nel complesso, i robot possono dare grandi contributi sociali. I robot per la cura del prato e i robot per la pulizia della piscina hanno cambiato il modo in cui vengono eseguiti questi compiti. I robot possono aiutare l’umanità con problemi grandi e piccoli.
La digitalizzazione di praticamente tutto, unita ai progressi della robotica, promette un futuro in cui l’accesso alle macchine high-tech è democratizzato e la personalizzazione diffusa
L’obiettivo della robotica non è quello di sostituire gli esseri umani meccanizzando e automatizzando i compiti, ma, piuttosto, di trovare nuovi modi che consentano ai robot di collaborare con I robot sono migliori degli umani in compiti come sgranocchiare i numeri e muoversi con precisione. I robot possono sollevare oggetti molto più pesanti. Gli esseri umani sono migliori dei robot in compiti come il ragionamento, la definizione di astrazioni e la generalizzazione o la specializzazione grazie alla nostra capacità di attingere a esperienze precedenti. Lavorando insieme, robot ed esseri umani possono aumentare e completare le competenze reciproche.
Un decennio di progressi che consentono l’autonomia
I progressi nella robotica negli ultimi dieci anni hanno dimostrato che i dispositivi robotici possono locomuovere, manipolare e interagire con le persone e il loro ambiente in modi unici. Le capacità di locomozione dei robot sono state abilitate dall’ampia disponibilità di sensori accurati (ad esempio, scanner laser), motori ad alte prestazioni e sviluppo di robusti algoritmi per la mappatura, la localizzazione, la pianificazione del movimento e la navigazione dei waypoint. Molte nuove applicazioni sono possibili grazie ai progressi nello sviluppo di corpi robot (hardware) e cervelli robot (software).
Le capacità dei robot sono definite dallo stretto accoppiamento tra i loro corpi fisici e il calcolo che comprende i loro cervelli. Ad esempio, un robot volante deve avere un corpo in grado di volare e algoritmi per controllare il volo. I robot di oggi possono fare la locomozione di base a terra, in aria e in acqua. Possono riconoscere oggetti, mappare nuovi ambienti, eseguire operazioni di pick-and-place, imparare a migliorare il controllo, imitare semplici movimenti umani, acquisire nuove conoscenze e persino agire come un team coordinato. Ad esempio, gli ultimi robot e algoritmi di calcio vengono messi in pratica in una competizione annuale di calcio robot chiamata RoboCup.
I recenti progressi nell’archiviazione su disco, la scala e le prestazioni di Internet, la comunicazione wireless, gli strumenti che supportano la progettazione e la produzione e la potenza e l’efficienza dell’elettronica, insieme alla crescita mondiale dell’archiviazione dei dati, hanno influenzato lo sviluppo dei robot in diversi modi. I costi dell’hardware stanno diminuendo, i componenti elettromeccanici sono più affidabili, gli strumenti per creare robot sono più ricchi, gli ambienti di programmazione sono più facilmente disponibili e i robot hanno accesso alla conoscenza del mondo attraverso il cloud. Possiamo iniziare a immaginare il salto dal personal computer al robot personale, portando a molte applicazioni in cui i robot esistono pervasivamente e lavorano fianco a fianco con gli esseri umani.
L’obiettivo della robotica non è quello di sostituire gli esseri umani meccanizzando e automatizzando le attività, ma, piuttosto, di trovare nuovi modi che consentano ai robot di collaborare con gli esseri umani in modo più efficace
Il trasporto è un grande esempio. È molto più facile spostare un robot attraverso il mondo che costruire un robot in grado di interagire con esso. Nell’ultimo decennio, significativi progressi negli algoritmi e nell’hardware ci hanno permesso di immaginare un mondo in cui le persone e le merci vengono spostate in modo molto più sicuro e conveniente con flotte ottimizzate di auto a guida autonoma.
In un solo anno, gli americani guidano quasi tre trilioni di miglia.1 Se si media che fuori a 60 mph, che aggiunge fino a quasi cinquanta miliardi di ore trascorse in macchina.2 Questo numero cresce esponenzialmente se si considera il resto del globo. Ma il tempo trascorso nelle nostre auto non è privo di sfide. Oggi, un incidente d’auto si verifica ogni cinque secondi negli Stati Uniti.3 A livello globale, gli incidenti stradali sono l’ottava causa di morte, con circa 1,24 milioni di vite perse ogni anno.4 Oltre a questo terribile costo umano, questi incidenti hanno un enorme costo economico. La National Highway Traffic Safety Administration ha calcolato il costo economico negli Stati Uniti a circa billion 277 miliardi l’anno.5 Mettere un dente in questi numeri è una sfida enorme – ma uno che è molto importante da affrontare. I veicoli a guida autonoma hanno il potenziale per eliminare gli incidenti stradali.
Immagina se le auto potessero imparare learn impara come guidiamo learn impara come non essere mai responsabile di una collisione learn impara di cosa abbiamo bisogno quando guidiamo? E se potessero diventare partner fidati? Partner che potrebbero aiutarci a navigare strade difficili, guardarci le spalle quando siamo stanchi, anche rendere il nostro tempo in macchina fun divertente? Che cosa succede se la vostra auto potrebbe dire che stanno avendo una dura giornata e girare la vostra musica preferita per aiutarvi a rilassarvi, mentre si guarda con attenzione su come si guida? Cosa succede se la tua auto sapeva anche che hai dimenticato di chiamare i tuoi genitori ieri e ha emesso un dolce promemoria sulla strada di casa. E immagina che sia stato facile fare quella chiamata perché potresti girare la guida verso l’auto su un noioso tratto di autostrada.
Riconoscendo questo straordinario potenziale negli ultimi due anni, la maggior parte delle case automobilistiche ha annunciato progetti di auto a guida autonoma. Elon Musk ha notoriamente predetto che potremmo addormentarci al volante in cinque anni; l’auto Google / Waymo è stata nelle notizie molto per aver guidato diversi milioni di miglia senza incidenti; Nissan ha promesso auto a guida autonoma entro il 2020; Mercedes ha creato un prototipo 2014 Model S auto autonoma; e Toyota ha annunciato (settembre 2015) un programma ambizioso per sviluppare una vettura che non sarà mai responsabile di una collisione, e ha investito billion 1 miliardo per far avanzare l’intelligenza artificiale.
C’è un sacco di attività in questo spazio attraverso un grande spettro di capacità di auto. Per capire dove cadono tutti i vari progressi, è utile guardare la classificazione della National Highway Traffic Safety Administration (NHTSA) di cinque livelli di autonomia: il livello 0 non include alcun supporto per l’automazione; Livello 1 include strumenti per ulteriori feedback umano driver, per esempio utilizzando una fotocamera posteriore; Livello 2 comprende localizzata controllo attivo, per esempio antibloccaggio freni; Livello 3 include il supporto per selezionare l’autonomia, ma l’uomo deve essere pronto a prendere il sopravvento (come Tesla pilota automatico); Livello 4 comprende autonomia in alcuni luoghi per qualche tempo; e il Livello 5 è l’autonomia in tutti gli ambienti, per tutto il tempo.
Un modo alternativo per caratterizzare il livello di autonomia di un’auto a guida autonoma è secondo tre assi che definiscono (1) la velocità del veicolo; (2) la complessità dell’ambiente in cui il veicolo si muove e (3) la complessità delle interazioni con gli agenti in movimento (automobili, persone, ciclisti e così via) in quell’ambiente. I ricercatori stanno spingendo la busta lungo ciascuno di questi assi, con l’obiettivo di avvicinarsi al livello 5 di autonomia.
nel Corso dell’ultimo decennio, i notevoli progressi algoritmi e hardware hanno reso possibile per noi immaginare un mondo in cui le persone e le merci sono trasportate in un modo molto più sicuro e più conveniente con ottimizzati flotte di self-driving cars
a Causa di algoritmica e hardware progressi negli ultimi dieci anni, oggi la tecnologia è pronta per il Livello 4 distribuzioni a bassa velocità, a bassa complessità ambienti con bassi livelli di interazione con circostante pedoni e altri veicoli. Ciò include l’autonomia su strade private, come nelle comunità di pensionamento e nei campus, o su strade pubbliche che non sono molto congestionate.
L’autonomia di livello 4 è stata abilitata da un decennio di progressi nell’hardware e negli algoritmi disponibili per i robot. La più importante è la convergenza di diversi importanti sviluppi algoritmici: creazione di mappe, che significa che il veicolo può utilizzare i suoi sensori per creare una mappa; localizzazione, che significa che il veicolo può utilizzare i suoi sensori per capire dove si trova sulla mappa; percezione, che significa che il veicolo può percepire gli oggetti in movimento sulla strada; pianificazione e processo decisionale, il che significa che il veicolo può capire cosa fare dopo in base a ciò che vede ora; e hardware affidabile, così come i set di dati di guida che consentono alle auto di imparare a guidare dagli esseri umani. Oggi, possiamo fare tanti calcoli simultanei, crunch tanti più dati, ed eseguire algoritmi in tempo reale. Queste tecnologie ci hanno portato ad un punto nel tempo in cui possiamo realisticamente discutere l’idea di autonomia sulle strade.
Tuttavia, non abbiamo ancora l’autonomia di livello 5. Le sfide tecnologiche verso l’autonomia di livello 5 includono: guidare in congestione, guidare ad alta velocità, guidare in condizioni meteorologiche avverse (pioggia, neve), guidare tra i conducenti umani, guidare in aree in cui non ci sono mappe ad alta densità e rispondere a casi d’angolo. Il sistema di percezione di un veicolo non ha la stessa qualità ed efficacia dell’occhio umano. Per essere chiari, ci sono alcune cose che le macchine possono fare meglio delle persone, come stimare con precisione quanto velocemente un altro veicolo si sta muovendo. Ma i robot non condividono le nostre capacità di riconoscimento. Come hanno potuto? Trascorriamo tutta la nostra vita imparando come osservare il mondo e dare un senso ad esso. Le macchine richiedono algoritmi per farlo e dati—molti e molti e molti dati, annotati per dire loro cosa significa tutto. Per rendere possibile l’autonomia, dobbiamo sviluppare nuovi algoritmi che li aiutino a imparare da molti meno esempi in modo non supervisionato, senza un costante intervento umano.
Ci sono due filosofie che stanno guidando la ricerca e lo sviluppo nella guida autonoma: autonomia in serie e autonomia parallela. L’autonomia parallela riguarda lo sviluppo di tecnologie di assistenza alla guida in cui il conducente è al volante, ma il sistema di assistenza alla guida monitora ciò che il conducente fa e interviene secondo necessità—in modo che non danneggi—ad esempio per prevenire una collisione o per correggere l’angolo di sterzata che mantiene l’auto sulla strada. Le capacità di autonomia dell’auto crescono in modo incrementale ma operano in parallelo con l’umano. L’approccio parallelo all’autonomia consente all’auto di operare ovunque e in qualsiasi momento. Serie autonomia persegue l’idea che l’uomo o l’auto sono in carica, ma non entrambi. Quando l’auto è in modalità autonoma, l’umano non contribuisce in alcun modo alla guida. Anche le capacità di autonomia dell’auto crescono in modo incrementale, ma questa vettura può funzionare solo in base alle capacità supportate dal suo pacchetto di autonomia. L’auto opererà gradualmente in ambienti sempre più complessi.
Esistono due filosofie che guidano la ricerca e lo sviluppo nella guida autonoma: l’autonomia in serie e l’autonomia parallela. Quest’ultimo riguarda lo sviluppo di tecnologie di assistenza alla guida in cui il conducente è al volante, ma il sistema di assistenza alla guida monitora ciò che il conducente fa e interviene in base alle necessità
Le attuali soluzioni di autonomia della serie operano in ambienti chiusi (definiti dalle strade su cui il veicolo può guidare). La ricetta autonomy inizia aumentando i veicoli con il controllo drive-by-wire e sensori come telecamere e scanner laser. I sensori vengono utilizzati per creare mappe, per rilevare gli ostacoli in movimento, come pedoni e altri veicoli, e per localizzare il veicolo nel mondo. Le soluzioni di guida autonoma sono basate su mappe e beneficiano di un decennio di progressi nell’area della localizzazione e mappatura simultanea (SLAM). Le mappe sono costruite guidando il veicolo autonomo su ogni possibile segmento di strada, raccogliendo caratteristiche con i sensori. Le mappe vengono utilizzate per ogni successiva guida autonoma, per pianificare un percorso dall’inizio alla meta, per eseguire il percorso evitando gli ostacoli e per localizzare i veicoli mentre esegue il percorso.
La maggior parte delle aziende di auto a guida autonoma prova solo le loro flotte nelle principali città dove hanno sviluppato mappe 3D dettagliate che sono meticolosamente etichettate con le posizioni esatte di cose come corsie, cordoli e segnali di stop. Queste mappe includono caratteristiche ambientali rilevate dai sensori del veicolo. Le mappe vengono create utilizzando sistemi LIDAR 3D che si basano sulla luce per scansionare lo spazio locale, accumulando milioni di punti dati ed estraendo le caratteristiche che definiscono ogni luogo.
Se vogliamo che le auto a guida autonoma siano una tecnologia globale valida, questa dipendenza da mappe dettagliate precedenti è un problema. I veicoli autonomi di oggi non sono in grado di guidare in ambienti rurali dove non abbiamo mappe—in altre parole, sui milioni di miglia di strade che sono sterrate, non illuminate o contrassegnate in modo inaffidabile. Al CSAIL del MIT, abbiamo iniziato a sviluppare MapLite come primo passo per consentire alle auto a guida autonoma di navigare su strade che non sono mai state prima utilizzando solo GPS e sensori. Il nostro sistema combina i dati GPS—come quelli che si trovano su Google Maps-con i dati presi dai sensori LIDAR. Insieme, questi due elementi ci permettono di guidare autonomamente un’auto su più strade di campagna non asfaltate e di rilevare in modo affidabile la strada più di 100 piedi (30 metri) in anticipo. Altri ricercatori hanno lavorato su diversi approcci map-less con vari gradi di successo. I metodi che utilizzano sensori di percezione come LIDAR spesso devono fare molto affidamento sulla segnaletica orizzontale o fare ampie generalizzazioni sulla geometria dei cordoli stradali. Nel frattempo, gli approcci basati sulla visione possono funzionare bene in condizioni ideali, ma hanno problemi quando c’è tempo avverso o cattiva illuminazione. In termini di”autonomia di livello 5″ —cioè, autonomia ovunque in qualsiasi momento—siamo ancora a qualche anno di distanza, e questo è a causa di sfide sia tecniche che normative.
I veicoli autonomi possono assumere molte forme diverse, tra cui golf cart, sedie a rotelle, scooter, bagagli, carrelli della spesa, bidoni della spazzatura e persino barche. Queste tecnologie aprono la porta a una vasta gamma di nuovi prodotti e applicazioni
Mentre i progressi sono stati significativi sul lato tecnico, ottenere la politica per recuperare è stato un processo comprensibilmente complesso e incrementale. I responsabili politici stanno ancora discutendo il livello a cui i veicoli autonomi dovrebbero essere regolamentati. Quali tipi di veicoli dovrebbero essere consentiti sulla strada e chi è autorizzato a gestirli? Come dovrebbe essere messa alla prova la sicurezza, e da chi? In che modo i diversi regimi di responsabilità possono influenzare l’adozione tempestiva e sicura di veicoli autonomi e quali sono i compromessi? Quali sono le implicazioni di un mosaico di leggi e regolamenti stato per stato, e quali sono i compromessi nell’armonizzazione di queste politiche? In che misura i responsabili politici dovrebbero incoraggiare l’adozione di veicoli autonomi? Ad esempio, attraverso infrastrutture stradali intelligenti, corsie autostradali dedicate, incentivi per produttori o consumatori? Si tratta di questioni complesse riguardanti l’uso di veicoli autonomi sulle strade pubbliche. Allo stesso tempo, una forma di autonomia che è già implementabile ora è “Autonomia di livello 4”, definita come autonomia in alcuni ambienti un po ‘ di tempo. La tecnologia è qui per i veicoli autonomi che possono guidare in bel tempo, su strade private, ea velocità inferiori.
Ambienti come comunità di pensionamento, campus, proprietà alberghiere e parchi di divertimento possono tutti beneficiare delle tecnologie di autonomia di livello 4. I veicoli autonomi possono assumere molte forme diverse, tra cui golf cart, sedie a rotelle, scooter, bagagli, carrelli della spesa, bidoni della spazzatura e persino barche. Queste tecnologie aprono le porte a una vasta gamma di nuovi prodotti e applicazioni, dalla mobilità su richiesta, allo shopping autonomo e al trasporto di merci, fino a una mobilità più efficiente negli ospedali. Tutti trarrebbero beneficio dal fatto che il trasporto diventi un’utilità ampiamente disponibile, ma tali benefici avranno un impatto particolare sui nuovi conducenti, sulla nostra popolazione senior e sulle persone affette da malattia o disabilità.
La tecnologia che consente l’autonomia delle automobili può avere un impatto sociale molto ampio. Immaginate i residenti di una comunità di pensionati trasportati in modo sicuro da carrelli da golf automatizzati. In futuro, saremo in grado di automatizzare qualsiasi cosa su ruote—non solo gli aspirapolvere di oggi, ma anche tosaerba o persino bidoni della spazzatura.
Se vogliamo che le auto a guida autonoma siano una tecnologia globale valida, questa dipendenza da mappe dettagliate precedenti è un problema. I veicoli autonomi di oggi non sono in grado di guidare in ambienti rurali dove non abbiamo mappe
La stessa tecnologia che consentirà questo livello di automazione potrebbe anche essere utilizzata per aiutare le persone che si occupano di disabilità—come i non vedenti—a sperimentare il mondo in modi mai prima possibili. La disabilità visiva colpisce circa 285 milioni di persone in tutto il mondo, persone che potrebbero beneficiare enormemente di una maggiore mobilità e assistenza robotica. Questo è un segmento della popolazione che la tecnologia ha spesso lasciato alle spalle o ignorato, ma, in questo caso, la tecnologia potrebbe fare la differenza. I dispositivi indossabili che includono i sensori utilizzati dalle auto a guida autonoma e il software run autonomy potrebbero consentire alle persone ipovedenti di sperimentare il mondo in modo sicuro e in modi molto più ricchi del bastone da passeggio.
La robotica cambierà il modo in cui trasportiamo persone e cose in un futuro molto prossimo. Ma, subito dopo, farà di più che consegnare le cose in tempo; ci permetterà anche di produrre quelle cose rapidamente e localmente.
Sfide nella robotica
Nonostante i recenti e significativi passi avanti nel campo e promesse per il futuro, i robot di oggi sono ancora piuttosto limitati nella loro capacità di capire le cose, la loro comunicazione è spesso fragile e richiede troppo tempo per creare nuovi robot. Un’ampia adozione dei robot richiederà una naturale integrazione dei robot nel mondo umano piuttosto che un’integrazione degli umani nel mondo delle macchine.
Ragionamento
I robot possono eseguire solo ragionamenti limitati a causa del fatto che i loro calcoli sono accuratamente specificati. Per i robot di oggi, tutto è spiegato con semplici istruzioni e la portata del robot è interamente contenuta nel suo programma. Compiti che gli umani danno per scontati, ad esempio ponendo la domanda ” Sono stato qui prima?”sono notoriamente difficili per i robot. I robot registrano le caratteristiche dei luoghi che hanno visitato. Queste caratteristiche vengono estratte da sensori come telecamere o scanner laser. È difficile per una macchina distinguere tra caratteristiche che appartengono a una scena che il robot ha già visto e una nuova scena che contiene alcuni degli stessi oggetti. In generale, i dati raccolti da sensori e attuatori sono di livello troppo grande e troppo basso; deve essere mappato su astrazioni significative per consentire ai robot di utilizzare efficacemente le informazioni. L’attuale ricerca di apprendimento automatico sui big data sta affrontando il modo di comprimere un set di dati di grandi dimensioni in un piccolo numero di punti dati semanticamente significativi. La sintesi può essere utilizzata anche dai robot. Ad esempio, i robot potrebbero riassumere la loro storia visiva per ridurre in modo significativo il numero di immagini necessarie per determinare se “Sono stato qui prima.”
Inoltre, i robot non possono far fronte a situazioni impreviste. Se un robot incontra un caso che non è stato programmato per gestire o non rientra nell’ambito delle sue capacità, entrerà in uno stato di errore e si fermerà. Spesso il robot non può comunicare la causa dell’errore. Ad esempio, i robot aspirapolvere sono progettati e programmati per muoversi sul pavimento, ma non possono salire le scale.
I robot devono imparare come regolare i loro programmi, adattandosi all’ambiente circostante e alle interazioni che hanno con le persone, con i loro ambienti e con altre macchine. Oggi, chiunque abbia accesso a Internet ha le informazioni del mondo a portata di mano, comprese le macchine. I robot potrebbero trarre vantaggio da queste informazioni per prendere decisioni migliori. I robot potrebbero anche registrare e utilizzare tutta la loro storia (ad esempio, l’uscita dei loro sensori e attuatori), e le esperienze di altre macchine. Ad esempio, un robot addestrato a camminare il vostro cane potrebbe accedere al bollettino meteo on-line, e poi, sulla base di passeggiate precedenti, determinare il percorso migliore da prendere. Forse una breve passeggiata se fa caldo o piove, o una lunga passeggiata in un parco vicino dove si trovano attualmente altri camminatori di cani robotici. Tutto ciò potrebbe essere determinato senza l’interazione o l’intervento umano.
Comunicazione
Un mondo con molti robot che lavorano insieme richiede una comunicazione affidabile per il coordinamento. Nonostante i progressi nella comunicazione wireless, ci sono ancora ostacoli nella comunicazione robot-to-robot. Il problema è che la modellazione e la previsione della comunicazione è notoriamente difficile e qualsiasi metodo di controllo robotico che si basa sugli attuali modelli di comunicazione è pieno di rumore. I robot hanno bisogno di approcci più affidabili alla comunicazione che garantiscano la larghezza di banda di cui hanno bisogno, quando ne hanno bisogno. Per ottenere una comunicazione robot-to-robot resiliente, un nuovo paradigma consiste nel misurare localmente la qualità della comunicazione invece di prevederla con i modelli. Usando l’idea di misurare la comunicazione, possiamo iniziare a immaginare di usare robot volanti come stazioni base mobili che si coordinano tra loro per fornire una copertura di comunicazione su scala planetaria. Sciami di robot volanti potrebbero portare l’accesso a Internet in tutto il mondo.
Anche la comunicazione tra robot e persone è attualmente limitata. Mentre le tecnologie vocali sono state impiegate per dare comandi ai robot nel linguaggio umano (ad esempio, “sposta verso la porta”), la portata e il vocabolario di queste interazioni sono superficiali. I robot potrebbero usare l’aiuto degli umani quando rimangono bloccati. Si scopre che anche una piccola quantità di intervento umano nel compito di un robot cambia completamente il problema e consente alle macchine di fare di più.
Attualmente, quando i robot incontrano qualcosa di inaspettato (un caso per il quale non è stato programmato) si bloccano. Supponiamo, invece di rimanere bloccati, che il robot sia stato in grado di ragionare sul motivo per cui è bloccato e arruolare l’aiuto umano. Ad esempio, un recente lavoro sull’utilizzo di robot per assemblare mobili IKEA dimostra che i robot possono riconoscere quando una gamba del tavolo è fuori portata e chiedere agli esseri umani di consegnare loro la parte. Dopo aver ricevuto la parte, i robot riprendono l’attività di assemblaggio. Questi sono alcuni dei primi passi verso la creazione di squadre simbiotiche uomo-robot in cui robot e umani possono chiedere aiuto a vicenda.
Progettazione e fabbricazione
Un’altra grande sfida con i robot di oggi è la lunghezza del tempo per progettare e fabbricare nuovi robot. Dobbiamo accelerare la creazione di robot. Molti diversi tipi di robot sono disponibili oggi, ma ognuno di questi robot ha preso molti anni per produrre. Le capacità di calcolo, mobilità e manipolazione dei robot sono strettamente accoppiate al corpo del robot—il suo sistema hardware. Poiché i corpi robot di oggi sono fissi e difficili da estendere, le capacità di ciascun robot sono limitate dal suo corpo. Fabbricare nuovi robot-moduli robotici aggiuntivi, dispositivi o strumenti specializzati per estendere le funzionalità—non è una vera opzione, poiché il processo di progettazione, fabbricazione, assemblaggio e programmazione è lungo e ingombrante. Abbiamo bisogno di strumenti che velocizzino la progettazione e la fabbricazione di robot. Immagina di creare un compilatore robot che prende come input le specifiche funzionali del robot (ad esempio” Voglio che un robot giochi a scacchi con me”) e calcola un progetto che soddisfi le specifiche, un piano di fabbricazione e un ambiente di programmazione personalizzato per l’utilizzo del robot. Molti compiti grandi e piccoli potrebbero essere automatizzati dalla rapida progettazione e fabbricazione di molti diversi tipi di robot che utilizzano un compilatore di robot.
Verso la robotica pervasiva
Ci sono notevoli lacune tra dove i robot sono oggi e la promessa di integrazione pervasiva dei robot nella vita di tutti i giorni. Alcune delle lacune riguardano la creazione di robot-come progettiamo e fabbrichiamo nuovi robot in modo rapido ed efficiente? Altre lacune riguardano il calcolo e la capacità dei robot di ragionare, cambiare e adattarsi a compiti sempre più complessi in ambienti sempre più complessi. Altre lacune riguardano le interazioni tra robot e tra robot e persone. Le attuali direzioni di ricerca in robotica spingono l’involucro in ciascuna di queste direzioni, mirando a soluzioni migliori per creare robot, controllando il movimento dei robot e le loro abilità di manipolazione, aumentando la capacità dei robot di ragionare, consentendo la percezione a livello semantico attraverso la visione artificiale e sviluppando un coordinamento e una cooperazione più flessibili tra macchine e Affrontare queste sfide porterà i robot più vicini alla visione della robotica pervasiva: il mondo connesso di molte persone e molti robot che svolgono molti compiti diversi.
La robotica pervasiva e personalizzata è una grande sfida, ma la sua portata non è dissimile dalla sfida del pervasive computing, che è stata formulata circa venticinque anni fa. Oggi possiamo dire che l’informatica è davvero pervasiva, è diventata un’utilità ed è disponibile ovunque, in qualsiasi momento. Quindi, cosa ci vorrebbe per avere un’integrazione pervasiva dei robot nella vita di tutti i giorni? Mark Weiser, che era uno scienziato capo di Xerox PARC ed è ampiamente indicato come il padre di ubiquitous computing, ha detto di pervasive computing che: “Le tecnologie più profonde sono quelli che scompaiono. Si intrecciano nel tessuto della vita di tutti i giorni fino a quando non sono indistinguibili da esso.”
Ad esempio, l’elettricità era una volta una nuova tecnologia e ora fa parte della vita. Le tecnologie robotiche hanno il potenziale per unire il personal computer e l’elettricità come aspetti pervasivi della vita quotidiana. Nel prossimo futuro, le tecnologie robotiche cambieranno il modo in cui pensiamo a molti aspetti della vita quotidiana.
Ci sono notevoli lacune tra dove i robot sono oggi e la promessa di integrazione pervasiva dei robot nella vita di tutti i giorni. Queste lacune riguardano la creazione di robot, il loro calcolo e la loro capacità di ragionare, cambiare e adattarsi a compiti sempre più complessi in ambienti sempre più complessi, e la loro capacità di interagire con le persone
Le flotte di auto a guida autonoma hanno il potenziale per trasformare il trasporto in un’utilità, con giostre personalizzate disponibili ovunque e in Il trasporto pubblico potrebbe diventare un sistema a due strati: una rete di veicoli di grandi dimensioni (ad esempio, treni, autobus) che forniscono il trasporto dorsale per molte persone su lunghe distanze e flotte di pod di trasporto che forniscono le esigenze di trasporto personalizzate degli individui per brevi luppoli. Tale rete di trasporto sarebbe collegata all’infrastruttura IT e alle persone per fornire mobilità su richiesta. Il funzionamento della spina dorsale potrebbe includere percorsi che cambiano dinamicamente per adattarsi alle esigenze delle persone. I dati di trasporto in tempo reale e storici sono già utilizzati per determinare le linee di autobus più ottimali e la posizione delle fermate con una granularità fine. La mobilità su richiesta può essere facilitata da tecnologie all’avanguardia per i veicoli a guida autonoma. Prendere un’auto senza conducente per un giro potrebbe essere facile come usare uno smartphone. I robot pod saprebbero quando le persone arrivano in una stazione, dove sono le persone che hanno bisogno di un passaggio ora, e dove sono gli altri robot pod. Dopo aver guidato le persone verso la loro destinazione, i pod del robot si guiderebbero verso il prossimo cliente, utilizzando algoritmi di corrispondenza e coordinamento della domanda per ottimizzare le operazioni della flotta e ridurre al minimo i tempi di attesa delle persone. Il trasporto pubblico sarebbe conveniente e personalizzato.