Ambiciózna vízia priblížiť humanoidné roboty do našich každodenných životov čelí významným prekážkam, prevažne kvôli ohromujúcemu „100 000-ročnému deficitu dát“, tvrdí robotik Ken Goldberg z UC Berkeley. V nedávnych zisteniach publikovaných v Science Robotics sa preukazuje, že humanoidné roboty sú stále ďaleko od dosiahnutia zručnosti a spoľahlivosti potrebnej na vykonávanie zložitých úloh v reálnom svete. Porovnanie spočíva v skokoch, ktoré dosiahli veľké jazykové modely (LLM), ktoré úspešne využili obrovské množstvo textových dát dostupných na internete. Ale pokiaľ ide o roboty, ktoré sa učia fyzické úkony, Goldberg tvrdí, že cesta nie je taká priamočiara.

Prečo Jazyk Predstihol Zručnosť

Goldberg zdôrazňuje, že hlavná prekážka brániaca robotom nie je len v softvéri alebo dátach, ale v zložitých úlohách vyžadujúcich jemné motorické zručnosti, ako napríklad manipulácia s jemnými predmetmi alebo vykonávanie subtílnych úprav. Ľudia zvládajú tieto úkony bez námahy a intuitívne, ale pre roboty tieto úlohy predstavujú obrovské výzvy. Tento rozdiel pripomína dlhodobo existujúci Moravecov paradox: úlohy, ktoré sú pre ľudí jednoduché, môžu byť pre stroje extrémne zložité. Návrhy na využitie online video dát na tréning robotov zlyhávajú, pretože im chýbajú podrobné fyzické interakcie potrebné na skutočné porozumenie a replikáciu.

Simulácia a Teleoperácia: Súčasná Pomoc, ale Nie Riešenie

Aj keď simulácie posúvajú robotov v dynamických výkonech, ako je beh, prekladať to na zložité úlohy zostáva obtiažne. Teleoperácia, kde ľudia priamo ovládajú roboty, generuje užitočné dáta, ale veľmi pomalým tempom. Tieto metódy sú sľubné, no stále zaostávajú za krivkami učenia viditeľnými v jazykovo založenej AI. Podľa Goldberga by prístup mal ležať niekde medzi zberom dát a „dobrou starou inžinierskou prácou“, zameriavajúc sa na praktické, nasaditeľné riešenia na zber reálnych údajov, ktoré poháňajú neustále zlepšenie.

Stará Dobrý Inžinierstvo a Moderná Robotika

Goldberg obhajuje hybridný prístup inžinierstva a zberu reálnych údajov. Spoločnosti ako Waymo a Ambi Robotics využívajú túto metódu, kontinuálne zberajúc dáta počas prevádzky na iteratívne zlepšovanie výkonu. Toto kreslí obraz nie o náhlej revolúcii, ale o dôkladnom vývoji. Takýto postupný pokrok v robotike by mohol zmierniť hype, ktorý často zahmlieva verejné vnímanie a očakávania.

Skutočná Práca Iba Začína

Debata o tom, či roboty prevezmú prácu, je zložitá. Podľa Goldberga sú manuálne zamestnania v modrých golieroch zahŕňajúce zložité manuálne manipulácie bezpečné pred automatizáciou. Naopak, rutinné úlohy, najmä v bielogolierových sektoroch, môžu čeliť väčšiemu narušeniu, keďže jazykové systémy stále viac automatizujú tieto funkcie. Napriek tomu zamestnania vyžadujúce empatiu a ľudskú interakciu majú menšiu pravdepodobnosť, že budú plne automatizované.

Presah Software: Inteligentné Telo je Nevyhnutné

Fyzické obmedzenia nie sú obmedzené len na algoritmické alebo dátové nedostatky. Goldberg a jeho kolegovia zdôrazňujú, že humanoidné roboty musia tiež fyzicky evolvovať. Zlepšenia v dizajne kĺbov a mechanickej inteligencii sú rovnako dôležité ako aktualizácie softvéru. Pozorovania z reálneho sveta zdôrazňujú, že mnohé súčasné roboty míňajú nadmernú energiu kvôli zastaraným a nepružným dizajnom hardvéru, čo podčiarkuje potrebu prechodu k biomimickým dizajnom.

Záver: Výzva na Vyvážený Pokrok

Hoci je súčasný pokrok hmatateľný, Goldberg propaguje umiernené očakávania. Osvojenie týchto zručností nie je za rohom, ale je to starostlivá cesta spájajúca inžinierstvo a adaptívny dizajn. Ochrana poľa robotiky pred nesprávnym nadšením zabezpečí stabilný a praktický pokrok nevyhnutný na prechod robotov od inovatívnych prototypov k spoľahlivým pomocníkom v každodennom živote.

Ako je uvedené v Interesting Engineering, ďalšie poznatky je možné získať z rozhovoru s Kenom Goldbergom na UC Berkeley News.