Roboty znające swoje limity
W obecnych czasach robotyka rozwija się w błyskawicznym tempie, a jednym z najważniejszych wyzwań, przed którymi stają inżynierowie, jest nauka robotów, jak rozpoznawać limity swojej wiedzy i umiejętności. Zespół ekspertów z Uniwersytetu Princeton wspólnie z inżynierami z Google opracował innowacyjną metodologię, która umożliwia robotom identyfikowanie sytuacji, w których konieczna jest ludzka interwencja. Jest to kluczowe dla podniesienia ich efektywności i zwiększenia bezpieczeństwa.
Tradycyjnie, roboty programowano do realizowania określonych zadań bazujących na wyraźnych instrukcjach. Jednak najnowsze odkrycia naukowe wskazują, że dla robotów istotna jest nie tylko zdolność reagowania na otoczenie i interpretacji ludzkiego języka, ale również umiejętność rozpoznawania własnych braków w wiedzy. Kluczowym elementem tego procesu jest nauczenie robotów, aby sygnalizowały potrzebę pomocy w przypadku napotkania niejasności lub przeszkód.
Zespół inżynierów opracował metodę, która polega na kwantyfikacji niejednoznaczności ludzkiego języka. Ta technika pozwala na informowanie robotów o konieczności zasięgnięcia ludzkich wskazówek. Na przykład, komenda kierująca robotem do podniesienia miski ze stołu, dotyczy tylko jednej czynności i jest dość prosta. Jednak, gdy na stole znajduje się kilka misek, poziom niepewności znacznie wzrasta, co skłania robota do poproszenia o dodatkowe wyjaśnienia.
Inżynierowie wykorzystują duże modele językowe, takie jak ChatGPT, do oceny niepewności w złożonych środowiskach. Modele te dostarczają robotom zaawansowanych narzędzi do interpretacji ludzkiego języka. Jednak ich wyniki mogą być czasami niewystarczająco precyzyjne, dlatego ważne jest, by roboty potrafiły rozpoznać momenty, kiedy brakuje im wiedzy.
System pozwala na ustawienie przez użytkownika robota poziomu sukcesu, który jest związany z określonym progiem niepewności. Próg ten determinuje moment, w którym robot powinien zwrócić się o pomoc. Na przykład, robot wykorzystywany w chirurgii miałby dużo niższą tolerancję na błędy niż robot sprzątający.
Metoda ta została przetestowana zarówno na symulowanym ramieniu robota, jak i na dwóch różnych rodzajach sprzętu robotycznego w obiektach Google w Nowym Jorku i Mountain View. W ramach testów zastosowano robotyczne ramię zamontowane na mobilnej platformie w kuchni biurowej, wyposażonej w mikrofalówkę oraz pojemniki do recyklingu i śmieci. W jednym z eksperymentów, robot otrzymał polecenie umieszczenia miski w mikrofalówce, ale na blacie znajdowały się dwie miski stworzone z różnych materiałów. System planowania robota, wykorzystujący modele językowe, wygenerował cztery różne opcje działania, przypisując każdej z nich prawdopodobieństwo. Dzięki zastosowaniu metody przewidywaniem zgodnym i gwarantowanej przez użytkownika stopy sukcesu, algorytm został zaprogramowany tak, by uruchamiał prośbę o ludzką pomoc, gdy opcje osiągnęły ustalony próg prawdopodobieństwa.
To przełomowe badanie otwiera nowe perspektywy w dziedzinie robotyki, podkreślając jak ważne jest, aby roboty potrafiły rozpoznawać granice swojej wiedzy i umiejętności. Może to przyczynić się do tworzenia bardziej zaawansowanych, bezpiecznych i efektywnych robotów, które będą skuteczniej współpracować z ludźmi i lepiej radzić sobie w złożonych, nieprzewidywalnych środowiskach. Dalsze badania mogą koncentrować się na rozwijaniu tej metody w zakresie aktywnej percepcji robotów, co stanowi kolejne wyzwanie w oszacowaniu niepewności i decydowaniu o konieczności proszenia o pomoc.
Ten postęp w dziedzinie robotyki wskazuje na znaczenie ciągłego rozwoju i adaptacji technologii do coraz bardziej skomplikowanych zadań i środowisk, w których roboty będą działać. Praca ta ma potencjał, by wywrzeć wpływ nie tylko w przemyśle robotycznym, ale także w wielu innych sektorach, od medycyny po produkcję, otwierając nowe możliwości w pracy robotów.
Szymon Ślubowski
