Удаленная робототехническая лаборатория просит использовать коллективный разум человечества
Один из пользовательских интерфейсов RobotsFor. Me, позволяющий управлять роботами лаборатории (в данном случае PR2) через браузер. Соня Чернова
Соня Чернова хочет, чтобы вы обучили ее робота. Два года назад Чернова и несколько ее коллег-робототехников из Вустерского политехнического института (WPI) в Массачусетсе запустили удаленную лабораторию робототехники под названием RobotsFor. Me, сайт, где пользователи могут войти в систему и научить роботов действовать в физическом пространстве. Это одновременно более и менее захватывающе, чем кажется. Участники могут сыграть в игру, в которой они набирают очки в зависимости от количества объектов, которые они могут помочь роботу подобрать за 10 минут. Но эти репетиторы не совсем погружаются в захватывающий интерфейс, похожий на взгляд робота. «Мы абстрагируем все», - говорит Чернова, которая руководит лабораторией автономии роботов и интерактивного обучения WPI. «Они никогда не видели этого робота. Их никогда не учили использовать его должным образом. Они не понимают, что робот стоит сотни тысяч долларов».
Скорее всего, они также не понимают, почему этот проект так отчаянно необходим. Некоторый контекст в порядке.
Через несколько недель одни из самых передовых роботов, когда-либо созданных, соберутся в Калифорнии и попытаются со всей своей механической мощью выполнить задачи, с которыми большинство 12-летних людей справятся с размахом. Простые дверные ручки проверят их характер. Так же будут и шлакоблоки, и лестницы. Почти гарантировано, что некоторые из 25 машин, запланированных для участия в DARPA Robotics Challenge (DRC) 5 и 6 июня, пропустят некоторые из этих задач, такие как попытка управлять транспортным средством. Почему? Потому что многим из них действительно трудно вписаться в указанное транспортное средство, не говоря уже о том, чтобы управлять педалями и рулем одновременно. Зрители на Fairplex в Помоне не должны ожидать увидеть андроидов, прыгающих по трассе, предназначенной для приблизительной имитации зоны бедствия, с нечеловеческой точностью и ловкостью. Если им повезет, роботы DRC закончат с просто нечеловеческими способностями. Если им не повезет, их выкинут с трассы по частям, потому что они пролились, пытаясь сделать что-то смехотворно рутинное, например, подобрать упавшую отвертку. И на протяжении большей части соревнований роботы будут находиться на прямой связи со своими командами. Таким образом, даже с людьми, эффективно нависающими над их плечами и говорящими им, что делать, в любой момент было бы чудом, если бы любой из участников прошел курс так быстро, как человек.
Я не хочу умалять значимость ДРК или намекать на то, что это не будет захватывающим. Это самое захватывающее соревнование по робототехнике со времен Urban Challenge, организованного DARPA в 2007 году, с которого началась гонка по разработке беспилотных автомобилей. Но DRC важен в очень специфическом контексте, который имеет мало общего с обычным восприятием роботов.
В упорядоченной среде, такой как фабрики и склады, машины могут функционировать с впечатляющей степенью автономии, добросовестно собирая или перемещая продукты и воплощая в жизнь фантазии каждой корпорации о бесплатном и безропотном беспрофсоюзном труде. Но поместите робота в неструктурированную среду - говоря робототехникой - дома, офисы или любое другое беспорядочное место - и будьте готовы к тому, что он вас не впечатлит. К тому времени, когда робот-пылесос выпустит свой инновационный набор датчиков и сложные алгоритмы картографирования и навигации для уборки одной комнаты, человек уже закончит весь дом. И как бы ни было полезно переложить рутинную работу на механических курьеров, которые перевозят материалы по больницам, подумайте о случайном трагикомическом образе одной из этих машин, застрявших за мусорным баком, ожидающих, когда человек-самаритянин освободит робота из его тюрьмы некомпетентности.
Чтобы ценить роботов, нужно оценивать их по кривой
По достоинству оценить роботов означает оценить их по кривой. В следующий раз, когда журналист попытается поразить вас трезвым анализом повторяющейся одержимости научной фантастики восстаниями роботов, имейте в виду, что какими бы умными ни были генералы с искусственным интеллектом, такие как Скайнет или Альтрон, их огромные армии будут посмешищем. Беспилотные автомобили умеют оставаться на дороге в оптимальных условиях, а роботы-гуманоиды обычно (хотя и не всегда) могут поддерживать скорость ходьбы на самой ровной местности. Но возьмите автомобиль-робот на бездорожье, подальше от разделителей шоссе и предварительно загруженных лазерных карт и наборов данных распознавания объектов, и он с такой же вероятностью въедет в озеро, как и вынюхивает бойцов человеческого сопротивления. А гуманоидных ботов можно было обогнать на случайной пробежке или превратить в дымящиеся руины небольшой ветки или пологого склона. Даже такие системы, как четырехногий BigDog от Boston Dynamics, невероятно устойчивый на пересеченной местности, не способны ориентироваться в окружающей среде, в которой они пролетают, и предпринимать действия, не связанные с мобильностью. В то время как вооруженные воздушные боты уже много лет являются неотъемлемой частью современной войны, наземные боты, если говорить очень широко, слишком глупы, чтобы представлять угрозу для кого-либо.
Чернова, чтобы быть ясным, не работает над чем-то, что отдаленно напоминает или имеет отношение к военным роботам. Этот тангенс полностью мой. Но миссия RobotsFor. Me резко контрастирует с мифом о гиперкомпетентности роботов. Только в фильмах роботы безошибочно адаптируются к незнакомой среде. На самом деле такие системы, как CARL (Crowdsourced Autonomy and Robot Learning), колесный однорукий бот, которого WPI чаще всего использует в своих экспериментах с краудсорсингом, нуждаются во всей возможной подготовке. И хотя RobotsFor. Me доступен для публики с 2013 года, потребность в обучении не может быть более очевидной, теперь, когда мы увидели, как тяжело некоторые из ботов DRC боролись за то, чтобы оставаться вертикальными, не говоря уже о том, чтобы доказать, что они могут заменить спасателей в зонах бедствия.
Одним из признанных методов обучения машин через Интернет является использование сервиса Amazon Mechanical Turk, который превращает людей в своего рода биологическую базу данных. Робототехники могут поставить задачу, например распознать различные объекты в заданной среде, и удаленная сеть людей может пометить эти объекты за небольшую плату. Распределенный подход к обучению RobotsFor. Me аналогичен (хотя оплата пользователям встречается реже), но он также позволяет Черновой изучать само обучение в надежде сделать роботов более автономными или, по крайней мере, лучше выполнять заказы. «Моя долгосрочная цель - продать вам робота, которого вы сможете принести домой, и научить его работать на вас так, как вы этого хотите», - говорит Чернова. Mechanical Turk и RobotsFor. Me эффективны отчасти потому, что они предоставляют множество данных. Чернова изучает, может ли такой краудсорсинговый ввод дать роботам базовые знания о мире, которые могут быть дополнены быстрым интуитивным обучением для устранения различий в планировке или обитателях или предпочтений в том, как вы хотите выполнять задачи. RobotsFor. Me может в конечном итоге помочь роботу отличить ложку от вилки. Но пользователь должен иметь возможность указать роботу, какой размер вилки должен быть на столе, не научившись писать код.
Подобно тому, как RobotsFor. Me не находится в стадии разработки для создания вооруженных наземных ботов, исследования Черновой не направлены конкретно на создание более эффективной домашней прислуги. Ее грант в размере 433 351 долл. США от Национального научного фонда направлен на изучение данных, собранных исследованиями RobotsFor. Me, и изучение того, как это может принести пользу автономии и обучению одного пользователя или многих одновременно. Это небольшой проект (по сравнению, например, с миллионами средств, уже предоставленных некоторым командам DRC) с потенциально серьезными последствиями. И прежде чем она наделит домашних роботов столь необходимыми интеллектуальными возможностями, она может привести к более скромной полумере. Помните тех больничных ботов, жалко спрятавшихся за мусорными баками? «Мы можем использовать это как предварительный шаг, чтобы сделать роботов умнее в долгосрочной перспективе, а также разработать способы, позволяющие людям входить в систему без реального обучения и выводить робота из трудного положения», - говорит Чернова. «И каждый раз, когда кто-то из этого колл-центра отвечает роботу и помогает ему, робот может стать более автономным.«Хотя это не является частью ее финансируемого исследования, Чернова кажется многообещающей моделью колл-центра, чтобы преодолеть разрыв между постоянным дистанционным управлением роботом и доверием к тому, чтобы он действовал с полной автономией. «Сегодня мы можем довольно надежно разрабатывать роботов, автономных на 90 процентов, - говорит Чернова. «Проблема именно в этих 10 процентах».