stel je een toekomst voor waarin robots zo geïntegreerd zijn in het weefsel van het menselijk leven dat ze zo gewoon worden als smartphones vandaag de dag. Het gebied van robotica heeft het potentieel om de kwaliteit van ons leven op het werk, thuis en in het spel sterk te verbeteren door mensen te voorzien van ondersteuning voor cognitieve taken en fysieke taken. Jarenlang hebben robots menselijke activiteiten ondersteund in gevaarlijke, vuile en saaie taken, en hebben ze de verkenning mogelijk gemaakt van onbereikbare omgevingen, van de diepe oceanen tot de diepe ruimte. Steeds meer bekwame robots kunnen zich aanpassen, leren en communiceren met mensen en andere machines op cognitieve niveaus.
de snelle vooruitgang van de technologie in het afgelopen decennium heeft computers onmisbaar gemaakt. Computing heeft de manier waarop we werken, leven en spelen veranderd. De digitalisering van vrijwel alles, in combinatie met de vooruitgang in robotica, belooft een toekomst waar de toegang tot high-tech machines wordt gedemocratiseerd en maatwerk wijdverbreid. Robots worden steeds meer in staat door hun vermogen om meer complexe berekeningen uit te voeren en te communiceren met de wereld door middel van steeds rijkere sensoren en betere actuatoren.
een verbonden wereld met veel op maat gemaakte robots die samen met mensen werken, creëert al nieuwe banen, verbetert de kwaliteit van bestaande banen en bespaart mensen tijd zodat ze zich kunnen concentreren op wat ze interessant, belangrijk en opwindend vinden. Vandaag de dag zijn robots al onze partners geworden in industriële en huishoudelijke omgevingen. Ze werken zij aan zij met mensen in fabrieken en operatiekamers. Ze maaien onze gazons, stofzuigen onze vloeren, en melken zelfs onze koeien. Over een paar jaar zullen ze nog meer delen van ons leven raken.
bij het woon-werkverkeer in uw zelfrijdende auto kunt u lezen, oproepen beantwoorden, uw favoriete podcasts inhalen en zelfs nap ‘ s. De robotauto zal ook dienen als uw assistent, het bijhouden van wat u moet doen, het plannen van uw routes om ervoor te zorgen dat al uw klusjes worden gedaan, en het controleren van de nieuwste verkeersgegevens om de minst drukke wegen te selecteren. Zelfrijdende auto ‘ s zullen helpen om het aantal verkeersdoden door auto-ongevallen te verminderen, terwijl autonome vorkheftrucks kunnen helpen bij het elimineren van rugletsel veroorzaakt door het tillen van zware voorwerpen. Robots kunnen een aantal bestaande banen veranderen, maar over het algemeen kunnen robots grote maatschappelijke bijdragen leveren. Gazon-care robots en zwembadreinigingsrobots hebben veranderd hoe deze taken worden uitgevoerd. Robots kunnen de mensheid helpen met grote en kleine problemen.
de digitalisering van vrijwel alles, in combinatie met de vooruitgang in de robotica, belooft een toekomst waarin de toegang tot high-tech machines wordt gedemocratiseerd en op grote schaal wordt aangepast
het doel van robotica is niet om mensen te vervangen door mechanisering en automatisering van taken, maar om nieuwe manieren te vinden die robots in staat stellen effectiever met mensen samen te werken. Robots zijn beter dan mensen bij taken zoals het kraken van getallen en nauwkeurig bewegen. Robots kunnen veel zwaardere objecten optillen. Mensen zijn beter dan robots in taken zoals redeneren, abstracties definiëren, en generaliseren of specialiseren dankzij ons vermogen om te putten uit eerdere ervaringen. Door samen te werken kunnen robots en mensen elkaars vaardigheden vergroten en aanvullen.
tien jaar vooruitgang die autonomie mogelijk maakt
de vooruitgang in robotica in de afgelopen tien jaar heeft aangetoond dat robotapparatuur op unieke manieren mensen en hun omgeving kan voortbewegen, manipuleren en interageren. De bewegingsmogelijkheden van robots zijn mogelijk gemaakt door de brede beschikbaarheid van nauwkeurige sensoren (bijvoorbeeld laserscanners), krachtige motoren en de ontwikkeling van robuuste algoritmen voor mapping, lokalisatie, bewegingsplanning en waypointnavigatie. Veel nieuwe toepassingen zijn mogelijk dankzij de vooruitgang in de ontwikkeling van robotlichamen (hardware) en robothersenen (software).
de mogelijkheden van robots worden bepaald door de nauwe koppeling tussen hun fysieke lichaam en de berekening die hun hersenen omvat. Een vliegende robot moet bijvoorbeeld een lichaam hebben dat kan vliegen en algoritmen om de vlucht te controleren. De robots van vandaag kunnen elementaire beweging doen op de grond, in de lucht en in het water. Ze kunnen objecten herkennen, nieuwe omgevingen in kaart brengen, pick-and-place-operaties uitvoeren, leren de controle te verbeteren, eenvoudige menselijke bewegingen imiteren, nieuwe kennis verwerven en zelfs optreden als een gecoördineerd team. Zo worden de nieuwste voetbalrobots en algoritmen in de praktijk gebracht tijdens een jaarlijkse robotvoetbalwedstrijd genaamd RoboCup.
recente ontwikkelingen op het gebied van schijfopslag, de schaal en prestaties van het Internet, draadloze communicatie, hulpmiddelen voor ontwerp en productie, en de kracht en efficiëntie van elektronica, in combinatie met de wereldwijde groei van gegevensopslag, hebben de ontwikkeling van robots op verschillende manieren beïnvloed. Hardware kosten dalen, elektromechanische componenten zijn betrouwbaarder, tools voor het maken van robots zijn rijker, programmeeromgevingen zijn gemakkelijker beschikbaar en robots hebben toegang tot de kennis van de wereld via de cloud. We kunnen ons de sprong voorstellen van de personal computer naar de personal robot, wat leidt tot vele toepassingen waar robots bestaan en zij aan zij met mensen werken.
het doel van robotica is niet om mensen te vervangen door mechaniseren en automatiseren van taken, maar eerder om nieuwe manieren te vinden die robots in staat stellen effectiever met mensen samen te werken
Transport is een goed voorbeeld. Het is veel gemakkelijker om een robot door de wereld te bewegen dan om een robot te bouwen die ermee kan interageren. De afgelopen tien jaar hebben belangrijke ontwikkelingen in algoritmen en hardware ons in staat gesteld een wereld voor te stellen waarin mensen en goederen op een veel veiligere en handigere manier worden verplaatst met geoptimaliseerde vloten van zelfrijdende auto ‘ s.
in één jaar rijden Amerikanen bijna drie biljoen mijl.1 als je dat gemiddeld met 60 km / u doet, komt dat neer op bijna vijftig miljard uur in de auto.2 dat aantal groeit exponentieel als je de rest van de wereld beschouwt. Maar de tijd doorgebracht in onze auto ‘ s is niet zonder uitdagingen. Vandaag, een auto-ongeluk gebeurt elke vijf seconden in de Verenigde Staten.3 wereldwijd zijn verkeersongevallen de achtste belangrijkste doodsoorzaak, met ongeveer 1,24 miljoen doden per jaar.4 Naast deze verschrikkelijke menselijke kosten, eisen deze crashes een enorme economische tol. De National Highway Traffic Safety Administration heeft de economische kosten in de Verenigde Staten berekend op ongeveer $ 277 miljard per jaar.5 een deuk in deze cijfers zetten is een enorme uitdaging—maar een die heel belangrijk is om aan te pakken. Zelfrijdende voertuigen hebben het potentieel om verkeersongevallen te elimineren.
stel je voor dat auto ‘ s zouden kunnen leren… leren hoe we rijden… leren hoe we nooit verantwoordelijk kunnen zijn voor een botsing… leren wat we nodig hebben als we rijden? Wat als ze vertrouwde partners konden worden? Partners die ons kunnen helpen lastige wegen te navigeren, onze rugdekking te geven als we moe zijn, zelfs onze tijd in de auto te maken … leuk? Wat als uw auto kon vertellen dat u een zware dag en zet uw favoriete muziek op om u te helpen ontspannen, terwijl zorgvuldig kijken over hoe je rijdt? Wat als je auto ook wist dat je vergat je ouders gisteren te bellen en gaf een zachte herinnering op de weg naar huis. En stel je voor dat het gemakkelijk was om dat telefoontje te maken, omdat je het rijden over kon dragen aan de auto op een saai stuk snelweg.
tijdens een hysterectomie onderkende de meeste autofabrikanten dit buitengewone potentieel in de afgelopen jaren. Elon Musk beroemde voorspeld konden we in slaap vallen achter het stuur in vijf jaar; de Google / Waymo auto is in het nieuws veel voor het rijden van enkele miljoenen ongevallen-vrije mijlen; Nissan beloofde zelf-rijdende auto ‘ s tegen 2020; Mercedes creëerde een prototype 2014 Model S autonome auto; en Toyota aangekondigd (September 2015) een ambitieus programma voor de ontwikkeling van een auto die nooit verantwoordelijk zal zijn voor een botsing, en investeerde $1 miljard om kunstmatige intelligentie vooruit.
er is veel activiteit in deze ruimte over een groot spectrum van auto-mogelijkheden. Om te begrijpen waar alle verschillende vorderingen vallen, is het nuttig om te kijken naar de National Highway Traffic Safety Administration (NHTSA) classificatie van vijf niveaus van autonomie: niveau 0 omvat geen ondersteuning voor automatisering; Niveau 1 bevat hulpmiddelen voor extra feedback aan de menselijke bestuurder, bijvoorbeeld met behulp van een achteruitrijcamera; niveau 2 omvat gelokaliseerde actieve controle, bijvoorbeeld antiblokkeerremmen; niveau 3 omvat ondersteuning voor selecte autonomie, maar de mens moet klaar zijn om het over te nemen (zoals in de Tesla Autopilot); niveau 4 omvat soms autonomie op sommige plaatsen; en Niveau 5 is de autonomie in alle omgevingen de hele tijd.
een andere manier om de mate van autonomie van een zelfrijdende auto te karakteriseren is aan de hand van drie assen die (1) De snelheid van het voertuig bepalen; (2) de complexiteit van de omgeving waarin het voertuig beweegt, en (3) de complexiteit van de interacties met bewegende agenten (auto ‘ s, mensen, fietsers, enzovoort) in die omgeving. Onderzoekers duwen de envelop langs elk van deze assen, met het doel om dichter bij Niveau 5 autonomie te krijgen.
de afgelopen tien jaar hebben belangrijke ontwikkelingen in algoritmen en hardware ons in staat gesteld een wereld voor te stellen waarin mensen en goederen op een veel veiligere en handigere manier worden verplaatst met geoptimaliseerde vloten van zelfrijdende auto ‘ s
dankzij algoritmische en hardwareontwikkelingen in de afgelopen tien jaar is de technologie van vandaag klaar voor niveau 4-toepassingen met lage snelheden in omgevingen met weinig complexiteit en weinig interactie met omringende voetgangers en andere voertuigen. Dit omvat autonomie op particuliere wegen, zoals in pensioengemeenschappen en campussen, of op openbare wegen die niet erg overbelast zijn.
niveau 4 autonomie is mogelijk gemaakt door een decennium van vooruitgang in de hardware en algoritmen beschikbaar voor de robots. Het belangrijkste is de convergentie van verschillende belangrijke algoritmische ontwikkelingen: het maken van kaarten, wat betekent dat het voertuig zijn sensoren kan gebruiken om een kaart te maken; lokalisatie, Wat betekent dat het voertuig zijn sensoren kan gebruiken om erachter te komen waar het zich op de kaart bevindt; waarneming, wat betekent dat het voertuig de bewegende objecten op de weg kan waarnemen; planning en besluitvorming, wat betekent dat het voertuig kan uitzoeken wat te doen volgende op basis van wat het nu ziet; en betrouwbare hardware, evenals het besturen van datasets die auto ‘ s in staat stellen om te leren hoe om te rijden van mensen. Vandaag kunnen we zoveel simultane berekeningen doen, zoveel meer gegevens crunchen en algoritmen in real time uitvoeren. Deze technologieën hebben ons tot een punt in de tijd gebracht waar we het idee van autonomie op de wegen realistisch kunnen bespreken.
we hebben echter nog geen Niveau 5 autonomie. Technologische uitdagingen voor niveau 5 autonomie omvatten: rijden in files, rijden met hoge snelheden, rijden in slecht weer (regen, sneeuw), rijden onder menselijke bestuurders, rijden in gebieden waar er geen high-density kaarten, en reageren op hoekgevallen. Het waarnemingssysteem van een voertuig heeft niet dezelfde kwaliteit en effectiviteit als het menselijk oog. Om duidelijk te zijn, er zijn een aantal dingen die machines beter kunnen dan mensen, zoals nauwkeurig schatten hoe snel een ander voertuig beweegt. Maar robots delen onze herkenningscapaciteiten niet. Hoe konden ze? We brengen ons hele leven door met leren hoe we de wereld kunnen observeren en begrijpen. Machines vereisen algoritmen om dit te doen, en data—Heel veel en heel veel data, geannoteerd om ze te vertellen wat het allemaal betekent. Om autonomie mogelijk te maken, moeten we nieuwe algoritmen ontwikkelen die hen helpen om zonder toezicht te leren van veel minder voorbeelden, zonder constante menselijke tussenkomst.
er zijn twee filosofieën die onderzoek en ontwikkeling op het gebied van autonoom rijden stimuleren: series autonomy en parallel autonomy. Parallelle autonomie betreft het ontwikkelen van driver-assist-technologieën waarbij de bestuurder achter het stuur zit, maar het driver-assist—systeem bewaakt wat de bestuurder doet en grijpt in waar nodig—op een manier die geen schade toebrengt-bijvoorbeeld om een botsing te voorkomen of om de stuurhoek te corrigeren die de auto op de weg houdt. De autonomie mogelijkheden van de auto groeien stapsgewijs, maar werken parallel met de mens. De parallelle autonomie benadering stelt de auto in staat om overal en altijd te werken. Series autonomy streeft het idee na dat de mens of de auto de leiding heeft, maar niet beide. Wanneer de auto in autonome modus staat, draagt de mens op geen enkele manier bij aan het rijden. De autonomie mogelijkheden van de auto ook groeien stapsgewijs, maar deze auto kan alleen werken volgens de mogelijkheden ondersteund door zijn autonomie pakket. De auto zal geleidelijk werken in steeds complexere omgevingen.
er zijn twee filosofieën die onderzoek en ontwikkeling op het gebied van autonoom rijden stimuleren: serieautonomie en parallelle autonomie. Dit laatste heeft betrekking op de ontwikkeling van driver-assist-technologieën waarbij de bestuurder achter het stuur zit, maar het driver-assist-systeem bewaakt wat de bestuurder doet en grijpt zo nodig in
de huidige serie autonomy-oplossingen werken in gesloten omgevingen (gedefinieerd door de wegen waarop het voertuig kan rijden). Het autonomy recept begint met het uitbreiden van de voertuigen met drive-by-wire controle en sensoren zoals camera ‘ s en laserscanners. De sensoren worden gebruikt om kaarten te maken, bewegende obstakels te detecteren, zoals voetgangers en andere voertuigen, en om het voertuig in de wereld te lokaliseren. De autonome rijoplossingen zijn kaartgebaseerd en profiteren van tien jaar vooruitgang op het gebied van simultane lokalisatie en kartering (SLAM). De kaarten worden gemaakt door het besturen van het autonome voertuig op elk mogelijk wegsegment, het verzamelen van functies met de sensoren. De kaarten worden gebruikt voor elke volgende autonome aandrijving, om een pad van begin tot doel te plannen, om het pad uit te voeren terwijl obstakels worden vermeden, en om de voertuigen te lokaliseren terwijl het het pad uitvoert.
de meeste zelfrijdende autobedrijven testen hun wagenparken alleen in grote steden waar ze gedetailleerde 3D-kaarten hebben ontwikkeld die nauwkeurig zijn gelabeld met de exacte posities van dingen zoals rijstroken, stoepranden en stopborden. Deze kaarten bevatten omgevingskenmerken die door de sensoren van het voertuig worden gedetecteerd. De kaarten zijn gemaakt met behulp van 3D LIDAR-systemen die afhankelijk zijn van licht om de lokale ruimte te scannen, het verzamelen van miljoenen datapunten en het extraheren van de functies die elke plaats definiëren.
als we willen dat zelfrijdende auto ‘ s wereldwijd levensvatbaar zijn, is dit vertrouwen op Gedetailleerde kaarten van tevoren een probleem. De autonome voertuigen van vandaag zijn niet in staat om te rijden in landelijke omgevingen waar we geen kaarten hebben—met andere woorden, op de miljoenen kilometers wegen die onverhard, onverlicht of onbetrouwbaar gemarkeerd zijn. Bij het MIT CSAIL zijn we begonnen met de ontwikkeling van MapLite als een eerste stap om zelfrijdende auto ‘ s in staat te stellen te navigeren op wegen waar ze nog nooit eerder geweest zijn met alleen GPS en sensoren. Ons systeem combineert GPS-gegevens-zoals die op Google Maps te vinden zijn-met gegevens afkomstig van LIDAR-sensoren. Samen stellen deze twee elementen ons in staat om autonoom een auto over meerdere onverharde landwegen te rijden en de weg op betrouwbare wijze meer dan 30 meter van tevoren te detecteren. Andere onderzoekers hebben gewerkt aan verschillende kaartloze benaderingen met wisselend succes. Methoden die gebruik maken van waarnemingssensoren zoals LIDAR moeten vaak sterk afhankelijk zijn van wegmarkeringen of brede generalisaties maken over de geometrie van wegstoepels. Ondertussen kunnen vision-based benaderingen goed presteren in ideale omstandigheden, maar hebben problemen bij slecht weer of slechte verlichting. In termen van”niveau 5 autonomie” —dat wil zeggen, autonomie waar en wanneer dan ook—zijn we nog enkele jaren verwijderd, en dit is te wijten aan zowel technische als regelgevende uitdagingen.
autonome voertuigen kunnen vele verschillende vormen aannemen, waaronder golfkarren, rolstoelen, scooters, bagage, winkelwagentjes, vuilnisbakken en zelfs boten. Deze technologieën zetten de deur open voor een breed scala aan nieuwe produkten en toepassingen
hoewel er op technisch gebied aanzienlijke vooruitgang is geboekt, is het begrijpelijk dat het inhaalproces van het beleid complex en geleidelijk is verlopen. Beleidsmakers debatteren nog steeds over het niveau waarop autonome voertuigen moeten worden gereguleerd. Welke soorten voertuigen moeten op de weg worden toegelaten en wie mag ze besturen? Hoe moet de veiligheid worden getest en door wie? Hoe kunnen verschillende aansprakelijkheidsregelingen de tijdige en veilige invoering van autonome voertuigen beïnvloeden, en wat zijn de afwegingen? Wat zijn de gevolgen van een lappendeken van wet-en regelgeving per lidstaat en wat zijn de gevolgen voor de harmonisatie van dit beleid? In hoeverre moeten beleidsmakers de invoering van autonome voertuigen aanmoedigen? Bijvoorbeeld door slimme wegeninfrastructuur, Speciale rijstroken, stimulansen voor fabrikanten of consumenten? Dit zijn complexe kwesties met betrekking tot het gebruik van autonome voertuigen op de openbare weg. Tegelijkertijd is een vorm van autonomie die nu al inzetbaar is “Niveau 4 autonomie”, gedefinieerd als autonomie in sommige omgevingen een deel van de tijd. De technologie is hier voor autonome voertuigen die kunnen rijden in mooi weer, op particuliere wegen, en op lagere snelheden.
omgevingen zoals bejaardengemeenschappen, campussen, hotels en pretparken kunnen allemaal profiteren van de technologieën van niveau 4 voor autonomie. Autonome voertuigen kunnen veel verschillende vormen aannemen, waaronder golfkarren, rolstoelen, scooters, bagage, winkelwagentjes, vuilnisbakken en zelfs boten. Deze technologieën openen de deur naar een breed scala aan nieuwe producten en toepassingen, van mobiliteit op aanvraag tot autonoom winkelen en transport van goederen en efficiëntere mobiliteit in ziekenhuizen. Iedereen zou er baat bij hebben dat vervoer een algemeen beschikbaar nut wordt, maar deze voordelen zullen een bijzondere impact hebben op nieuwe bestuurders, onze oudere bevolking en mensen die getroffen zijn door ziekte of invaliditeit.
de technologie die autonomie voor auto ‘ s mogelijk maakt, kan een zeer brede maatschappelijke impact hebben. Stel je voor dat bewoners van een pensioengemeenschap veilig worden vervoerd door geautomatiseerde golfkarren. In de toekomst zullen we alles op wielen kunnen automatiseren—niet alleen de stofzuigers van vandaag, maar ook grasmaaiers of zelfs vuilnisbakken.
als we willen dat zelfrijdende auto ‘ s wereldwijd levensvatbaar zijn, is dit vertrouwen op Gedetailleerde kaarten van tevoren een probleem. De huidige autonome voertuigen zijn niet in staat om te rijden in landelijke omgevingen waar we niet beschikken over kaarten
dezelfde technologie die dit niveau van automatisering mogelijk zal maken, zou zelfs kunnen worden gebruikt om mensen met een handicap—zoals blinden—te helpen de wereld te ervaren op een manier die nooit eerder mogelijk was. Een visuele beperking treft ongeveer 285 miljoen mensen wereldwijd, mensen die enorm kunnen profiteren van verhoogde mobiliteit en robotassistentie. Dit is een deel van de bevolking dat technologie vaak heeft achtergelaten of genegeerd, maar in dit geval kan technologie het verschil maken. Draagbare apparaten die sensoren bevatten die worden gebruikt door zelfrijdende auto ‘ s en autonomysoftware kunnen visueel gehandicapten in staat stellen om de wereld veilig en op manieren te ervaren die veel rijker zijn dan de wandelstok.
robotica zal de manier waarop we mensen en dingen vervoeren in de zeer nabije toekomst veranderen. Maar kort daarna zal het meer doen dan dingen op tijd leveren; het zal ons ook in staat stellen om die dingen snel en lokaal te produceren.
uitdagingen in de robotica
ondanks recente en belangrijke stappen in het veld en de belofte voor de toekomst, zijn de robots van vandaag nog steeds vrij beperkt in hun vermogen om dingen uit te zoeken, is hun communicatie vaak broos en kost het te veel tijd om nieuwe robots te maken. Een brede acceptatie van robots vereist een natuurlijke integratie van robots in de menselijke wereld in plaats van een integratie van mensen in de wereld van de machines.
redeneren
Robots kunnen slechts beperkte redeneren omdat hun berekeningen zorgvuldig zijn gespecificeerd. Voor de robots van vandaag, alles is gespeld met eenvoudige instructies en de omvang van de robot is volledig opgenomen in het programma. Taken die mensen vanzelfsprekend vinden, bijvoorbeeld het stellen van de vraag ” ben ik hier eerder geweest?”zijn notoir moeilijk voor robots. Robots registreren de kenmerken van de plaatsen die ze hebben bezocht. Deze functies worden geëxtraheerd uit sensoren zoals camera ‘ s of laserscanners. Het is moeilijk voor een machine om onderscheid te maken tussen functies die behoren tot een scène die de robot al heeft gezien en een nieuwe scène die toevallig een aantal van dezelfde objecten bevat. Over het algemeen zijn de gegevens die worden verzameld van sensoren en actuatoren te groot en te laag; ze moeten worden gekoppeld aan zinvolle abstracties voor robots om de informatie effectief te kunnen gebruiken. Het huidige machine-learning onderzoek naar big data richt zich op het comprimeren van een grote dataset naar een klein aantal semantisch betekenisvolle datapunten. Samenvatting kan ook worden gebruikt door robots. Robots kunnen bijvoorbeeld hun visuele geschiedenis samenvatten om het aantal beelden dat nodig is om te bepalen of “ik ben hier eerder geweest, aanzienlijk te verminderen.”
bovendien kunnen robots niet omgaan met onverwachte situaties. Als een robot een geval tegenkomt waarvoor hij niet geprogrammeerd was of die buiten het bereik van zijn mogelijkheden valt, zal hij een foutstatus invoeren en stoppen. Vaak kan de robot de oorzaak van de fout niet communiceren. Stofzuigerrobots zijn bijvoorbeeld ontworpen en geprogrammeerd om op de vloer te bewegen, maar kunnen geen trappen beklimmen.
Robots moeten leren hoe ze hun programma’ s aan te passen, zich aan te passen aan hun omgeving en de interacties die ze hebben met mensen, met hun omgeving en met andere machines. Vandaag de dag heeft iedereen met internettoegang de informatie van de wereld binnen handbereik, inclusief machines. Robots kunnen van deze informatie profiteren om betere beslissingen te nemen. Robots kunnen ook hun hele geschiedenis (bijvoorbeeld de output van hun sensoren en actuatoren) en de ervaringen van andere machines registreren en gebruiken. Bijvoorbeeld, een robot getraind om uw hond uit te laten kon toegang krijgen tot het weerbericht online, en vervolgens, op basis van eerdere wandelingen, bepalen de beste route te nemen. Misschien een korte wandeling als het warm is of regent, of een lange wandeling naar een nabijgelegen park waar andere robotachtige hondenwandelaars zich momenteel bevinden. Dit alles kan worden vastgesteld zonder menselijke interactie of interventie.
communicatie
een wereld waarin veel robots samenwerken vereist betrouwbare communicatie voor coördinatie. Ondanks de vooruitgang in draadloze communicatie, zijn er nog steeds belemmeringen in robot-naar-robot communicatie. Het probleem is dat het modelleren en voorspellen van communicatie is notoir moeilijk en elke robot controle methode die afhankelijk is van de huidige communicatiemodellen is beladen met ruis. De robots hebben betrouwbaardere communicatiebenaderingen nodig die de bandbreedte garanderen die ze nodig hebben, wanneer ze dat nodig hebben. Om veerkrachtige robot-naar-robot communicatie te krijgen, is een nieuw paradigma om lokaal de communicatiekwaliteit te meten in plaats van deze te voorspellen met modellen. Met behulp van het idee van het meten van communicatie, kunnen we beginnen voor te stellen het gebruik van vliegende robots als mobiele basisstations die met elkaar coördineren om te zorgen voor communicatie op planeet-schaal dekking. Zwermen vliegende robots kunnen overal ter wereld internettoegang brengen.De communicatie tussen robots en mensen is momenteel ook beperkt. Terwijl spraaktechnologieën zijn gebruikt om robots commando ‘ s in menselijke taal te geven (bijvoorbeeld, “move to the door”), is de reikwijdte en woordenschat van deze interacties oppervlakkig. Robots kunnen de hulp van mensen gebruiken als ze vast komen te zitten. Het blijkt dat zelfs een kleine hoeveelheid menselijke interventie in de taak van een robot het probleem volledig verandert en de machines in staat stelt om meer te doen.
wanneer robots iets onverwachts tegenkomen (een geval waarvoor het niet was geprogrammeerd), komen ze vast te zitten. Stel, in plaats van vast te komen te zitten, was de robot in staat om te redeneren waarom hij vastzit en menselijke hulp in te roepen. Bijvoorbeeld, recent werk over het gebruik van robots om IKEA meubels te monteren toont aan dat robots kunnen herkennen wanneer een tafelpoot buiten bereik is en mensen vragen om hen het onderdeel te overhandigen. Na ontvangst van het onderdeel hervatten de robots de montagetaak. Dit zijn enkele van de eerste stappen naar het creëren van symbiotische mens-robot teams waar robots en mensen elkaar om hulp kunnen vragen.
ontwerp en fabricage
een andere grote uitdaging met robots van vandaag is de lengte van de tijd om nieuwe robots te ontwerpen en te fabriceren. We moeten de creatie van robots versnellen. Vandaag de dag zijn er veel verschillende soorten robots beschikbaar, maar elk van deze robots heeft vele jaren nodig gehad om te produceren. De reken—, mobiliteits-en manipulatiemogelijkheden van robots zijn nauw verbonden met het lichaam van de robot-het hardwaresysteem. Omdat de robotlichamen van vandaag vast zijn en moeilijk uit te breiden, worden de mogelijkheden van elke robot beperkt door zijn lichaam. Het fabriceren van nieuwe robots-add-on robotmodules, armaturen of gespecialiseerde tools om mogelijkheden uit te breiden—is geen echte optie, omdat het proces van ontwerp, fabricage, assemblage en programmering lang en omslachtig is. We hebben hulpmiddelen nodig die het ontwerp en de fabricage van robots versnellen. Stel je voor het creëren van een robot compiler die neemt als input de functionele specificatie van de robot (bijvoorbeeld “Ik wil een robot om te Schaken met mij”) en berekent een ontwerp dat voldoet aan de specificatie, een fabricageplan, en een aangepaste-programmering omgeving voor het gebruik van de robot. Veel taken groot en klein kunnen worden geautomatiseerd door snel ontwerp en fabricage van vele verschillende soorten robots met behulp van een dergelijke robot compiler.
naar pervasieve robotica
er zijn significante verschillen tussen waar robots nu zijn en de belofte van pervasieve integratie van robots in het dagelijks leven. Sommige hiaten hebben betrekking op de creatie van robots—hoe ontwerpen en fabriceren we nieuwe robots snel en efficiënt? Andere hiaten betreffen de berekening en mogelijkheden van robots om te redeneren, te veranderen en zich aan te passen voor steeds complexere taken in steeds complexere omgevingen. Andere hiaten hebben betrekking op interacties tussen robots, en tussen robots en mensen. De huidige onderzoeksrichtingen in robotica duwen de grenzen in elk van deze richtingen, gericht op betere oplossingen voor het maken van robots, het beheersen van de beweging van robots en hun manipulatievaardigheden, het vergroten van het vermogen van robots om te redeneren, het mogelijk maken van semantisch-niveau perceptie door middel van machine visie, en het ontwikkelen van meer flexibele coördinatie en samenwerking tussen machines en tussen machines en mensen. Het aanpakken van deze uitdagingen zal robots dichter bij de visie van alomtegenwoordige robotica brengen: de verbonden wereld van veel mensen en veel robots die veel verschillende taken uitvoeren.
doordringende, aangepaste robotica is een grote uitdaging, maar de reikwijdte ervan is niet anders dan de uitdaging van doordringende computing, die ongeveer vijfentwintig jaar geleden werd geformuleerd. Vandaag kunnen we zeggen dat computing inderdaad alomtegenwoordig is, het is een nut geworden en is overal en altijd beschikbaar. Dus, wat zou er nodig zijn om een doordringende integratie van robots in het dagelijks leven te hebben? Mark Weiser, die een chief scientist bij Xerox PARC en wordt algemeen aangeduid als de vader van alomtegenwoordige computing, zei van alomtegenwoordige computing dat: “de meest diepgaande technologieën zijn die verdwijnen. Ze weven zich in het weefsel van het dagelijks leven tot ze er niet van te onderscheiden zijn.”
elektriciteit was bijvoorbeeld ooit een nieuwe technologie en maakt nu deel uit van het leven. Robottechnologieën hebben het potentieel om de personal computer en elektriciteit als doordringende aspecten van het dagelijks leven te verbinden. In de nabije toekomst zullen robottechnologieën onze manier van denken over vele aspecten van het dagelijks leven veranderen.
er zijn aanzienlijke verschillen tussen waar robots zich nu bevinden en de belofte van een alomtegenwoordige integratie van robots in het dagelijks leven. Deze lacunes betreffen de creatie van robots, hun berekening en het vermogen om te redeneren, te veranderen en zich aan te passen aan steeds complexere taken in steeds complexere omgevingen, en hun vermogen om te communiceren met mensen
zelfrijdende wagenparken hebben het potentieel om van vervoer een nut te maken, met aangepaste ritten die overal en altijd beschikbaar zijn. Openbaar vervoer kan een twee-laags systeem worden: een netwerk van grote voertuigen (bijvoorbeeld treinen, bussen) die backbone transport voor veel mensen over lange afstanden, en vloten van transport pods die de aangepaste transportbehoeften van individuen voor korte hop. Een dergelijk transportnetwerk zou worden aangesloten op de IT-infrastructuur en op mensen om mobiliteit op aanvraag te bieden. De werking van de backbone zou kunnen bestaan uit dynamisch veranderende routes om zich aan te passen aan de behoeften van de mensen. Real-time en historische transportgegevens worden al gebruikt om de meest optimale busroutes en de locatie van haltes op een fijne granulariteit te bepalen. Mobiliteit op aanvraag kan worden vergemakkelijkt door de modernste technologieën voor zelfrijdende voertuigen. Het nemen van een zelfrijdende auto voor een rit kan net zo eenvoudig zijn als het gebruik van een smartphone. De robotpods zouden weten wanneer mensen op een station aankomen, waar de mensen zijn die nu een lift nodig hebben, en waar de andere robotpods zijn. Na het rijden van mensen naar hun bestemming, de robot pods zouden rijden zichzelf naar de volgende klant, met behulp van vraag-matching en coördinatie algoritmen om de activiteiten van de vloot te optimaliseren en de wachttijd van mensen te minimaliseren. Openbaar vervoer zou handig en aangepast zijn.