Robot pokračoval vo svojej úlohe, aj keď mu odtrhli nohu. Vedci hovoria o správaní, ktoré naháňa strach
Vedci vytvorili revolučný mozog pre roboty, ktorý sa dokáže prispôsobiť zlomeným nohám, zmenám tela aj pádom. Vďaka tréningu v simulovanom svete 100 000 robotov vznikla tzv. omni-bodied AI, ktorá sa učí z vlastných chýb podobne ako človek.
Život je nevyspytateľný, platí to ako pre ľudí, tak aj pre roboty. Možno si videl tie virálne videá, kde roboty robia úžasné veci. Vyzerá to skvele, no v reálnom svete ich stretáva jedna nepríjemná pravda, takmer žiadne roboty si tam nevedia poradiť samé, približuje Skild AI.
Je to preto, lebo väčšina videí vzniká v čistých, kontrolovaných podmienkach. Robot vie, že podlaha je hladká, že nikto mu nezmení konfiguráciu, že nič nepadá pred jeho senzory. Stačí malá zmena a celá „kompetencia“ robotov sa rozpadá. Problém je v tom, ako roboty programujeme. Väčšina AI, ktorá ovláda pohyb robotov, sa učí pre konkrétnu konfiguráciu tela, konkrétny typ motora, presné rozmery nôh, spôsob pohybu. Takáto AI si vlastne zapamätá „recept“ na chôdzu, ako by si sa ty naučil odpovede na test. Funguje, keď sa nič nemení, no keď sa objaví neznámy problém, napríklad zaseknuté motory, zlomená noha alebo úplne nové telo, AI nevie, čo robiť a robot padá.
Vedci prišli na riešenie, nenaučiť AI pohyb len jedného robota, ale rovno multiverzum rôznych robotov. Tréning zahŕňal 100 000 rôznych tiel, pričom AI musela ovládať každý z nich. Nemohla si nič zapamätať, musela vymyslieť stratégiu, ktorá funguje všade. Vznikla takzvaná omni-bodied AI, alebo inak mozog, ktorý sa vie prispôsobiť nečakaným situáciám.
Učenie sa z pádu
Napríklad výskumníci vezmú štvornohého robota a spustia AI, keď je v stoji. Mozog nevie, aké telo práve ovláda. Zistí, že je v tele humanoida, nie štvornožca. Prvé pokusy končia pádom, telo je nestabilné a motorická konfigurácia neznáma. Druhý pokus už využíva skúsenosť z prvého pádu a tretí pokus končí úspechom. Toto kontextuálne učenie umožňuje AI učiť sa z predošlých neúspechov, podobne, ako to robia veľké jazykové modely.
Zaujímavé je, že táto schopnosť učiť sa z predošlých pádov naznačuje, že vedci pravdepodobne použili architektúru transformer modelov, rovnakú, aká stojí za úspechom ChatGPT a ďalších veľkých jazykových modelov. Tento prístup umožňuje spracovať minulé dáta ako kontext a okamžite zlepšiť budúce správanie.
Neprehliadni
Strata končatín a zlomené nohy
Vedci simulovali aj stratu končatín, robot prišiel o časť nohy, čo úplne zmenilo pohyb. Špecializovaný algoritmus, trénovaný len pre jedno telo, by padol a prevrátil sa. Omni-bodied AI sa po niekoľkých sekundách adaptovala a našla nový spôsob pohybu, napríklad vyššie kyvadlové kývanie v bedrovom kĺbe a pokračovala v chôdzi.
Pri zablokovaní kĺbov alebo poškodenej nohe dokázala AI upraviť váhu tela a pokračovať. Aj pri kolesových robotov sa mozog adaptoval. Keď sa kolesá zasekli, prešiel na chôdzu a po uvoľnení opäť využil kolesá. Zaujímavé bolo, keď pripojili robotovi predĺžené nohy, ako keby chodil na chodúľoch. Zvýšilo sa tým jeho ťažisko a nestabilita, no AI rýchlo upravila krok, dĺžku kroku a polohu chodidiel a robot prešiel stabilne.
Hoci je výsledný omni-bodied mozog adaptívny a efektívny, treba mať na pamäti, že vytvorenie takéhoto modelu bolo extrémne náročné. Tréning v simulovanom multiverze 100 000 robotov trval tisícročia simulovaného času a vyžadoval obrovský výpočtový výkon. Takáto technológia je zatiaľ dostupná len pre veľké laboratóriá.
Najväčší potenciál má však pre záchranárske a servisné roboty v neznámom teréne, napríklad pri katastrofách. Kým priemyselný robot v továrni potrebuje presnosť, robot v troskách potrebuje robustnú schopnosť adaptácie, aby ho po zaseknutí kĺbu nemuseli zachraňovať ľudia.
