UC Berkeleyn robotiikan tutkija Ken Goldbergin mukaan humanoidirobotit ovat edelleen kaukana siitä, että ne saavuttaisivat riittävän ketteryyden ja luotettavuuden suorittaa monimutkaisia reaalimaailman tehtäviä, mikä johtuu “100 000 vuoden tietovajeesta”. Tuoreessa Science Robotics -julkaisussa esitetään, että vaikka suurilla kielimalleilla (LLM) on onnistuneesti hyödynnetty internetin valtavia tekstiaineistoja, robottien matkalla fyysisten tehtävien oppimiseen ei ole kyse yhtä suoraviivaisesta polusta.
Miksi kieli ohitti ketteryyden
Goldberg korostaa, että robottien suurin pullonkaula ei ole pelkästään ohjelmistoissa tai datassa, vaan monimutkaisissa tehtävissä, jotka vaativat hienomotoriikkaa, kuten herkkien esineiden käsittely tai hienovaraiset säädöt. Ihmiset tekevät tämän vaivatta, intuitiivisesti, mutta roboteille nämä tehtävät ovat valtavia haasteita. Tämä epäsuhta heijastaa pitkään tunnettua Moravecin paradoksia: tehtävät, jotka ovat ihmisille helppoja, voivat osoittautua koneille erittäin monimutkaisiksi. Ehdotukset käyttää online-videodataa robottien kouluttamiseen jäävät vajaaksi, koska ne eivät sisällä tarvittavia yksityiskohtaisia fyysisiä vuorovaikutuksia todellisen ymmärryksen ja jäljittelyn saavuttamiseksi.
Simulaatio ja kauko-ohjaus: Nykyinen apu, mutta ei ratkaisu
Vaikka simulaatiot edistävät robotteja dynaamisissa suorituksissa kuten juoksemisessa, niiden kääntäminen monimutkaisiin tehtäviin on edelleen vaikeaa. Kauko-ohjaus, jossa ihmiset ohjaavat robotteja suoraan, tuottaa hyödyllistä dataa mutta erittäin hitaasti. Nämä menetelmät vaikuttavat lupaavilta, mutta jäävät silti jälkeen kielipohjaisiin tekoälyihin nähden oppimiskäyrillään. Goldbergin mukaan lähestymistavan tulisi sijoittua johonkin tiedonkeruun ja “hyväksi havaitun insinööritaidon” välille, keskittyen käytännöllisiin, käyttökelpoisiin ratkaisuihin todellisen maailman datan keräämiseen, joka ajaa jatkuvaa parantamista.
Hyväksi havaittu insinöörityö kohtaa modernin robotiikan
Goldberg puoltaa hybridilähestymistapaa insinöörityön ja todellisen maailman datankeruussa. Yritykset kuten Waymo ja Ambi Robotics käyttävät tätä menetelmää kerätäkseen jatkuvasti dataa toiminnan aikana parantaakseen suorituskykyä iteratiivisesti. Tämä piirtää kuvan ei yön yli tapahtuvasta vallankumouksesta, vaan säntillisestä kehityksestä. Tällainen asteittainen kehitys robotiikassa voi lieventää hypeä, joka usein hämärtää yleisön käsityksiä ja odotuksia.
Varsinainen työ on vasta alkamassa
Keskustelu robottien työpaikkojen valtaamisesta on monimutkainen. Goldbergin mukaan sinikaulustyöpaikat, jotka vaativat monimutkaista manuaalista manipulointia, ovat turvassa automaatiolta. Sitä vastoin rutiinitehtävät, erityisesti valkokaulustyötehtävissä, voivat kohdata suurempaa häiriötä, kun kielipohjaiset järjestelmät automatisoivat näitä toimintoja yhä enemmän. Kuitenkin ne työt, jotka vaativat empatiaa ja ihmisten välistä vuorovaikutusta, ovat vähemmän todennäköisesti automatisoituvia.
Ohjelmistojen ohella: Älykkäät kehot ovat välttämättömiä
Fyysiset rajoitukset eivät rajoitu algoritmisiin tai datavajeisiin. Goldberg ja hänen kollegansa korostavat, että humanoidirobottien on myös kehityttävä fyysisesti. Parannukset nivelien suunnittelussa ja mekaanisessa älykkyydessä ovat yhtä tärkeitä kuin ohjelmistopäivitykset. Reaalimaailman havainnot korostavat, että moni nykyinen robotti kuluttaa liikaa energiaa vanhentuneiden ja joustamattomien laitteistojen vuoksi, mikä korostaa biotiikasta inspiroituneiden suunnittelujen tarpeen.
Johtopäätös: Kutsumus tasapainoiseen edistymiseen
Vaikka nykyinen kehitys onkin havaittavissa, Goldberg suosittelee hillittyjä odotuksia. Näiden taitojen hallitseminen ei ole aivan nurkan takana, vaan tarkka matka, joka yhdistää insinöörityön ja adaptiivisen suunnittelun. Hypeen harhautuminen voi vaarantaa robotiikan kentän vakaat, käytännölliset edistysaskeleet, jotka ovat välttämättömiä robottien siirtymiselle innovatiivisista prototyypeistä luotettaviksi arjen apureiksi.
Lisäyksiin liittyen voi löytää lisätietoja Ken Goldbergin haastattelusta UC Berkeley Newsissä, kuten Interesting Engineering.