Robot jako „cień” człowieka
Kluczem do sukcesu KR-1 nie jest sztywne programowanie, lecz metoda zwana nauczaniem kinestetycznym (kinesthetic teaching). Tradycyjne podejście, oparte na matematycznych wzorach, niemal zawsze zawodzi przy obiektach odkształcalnych, takich jak ubrania czy pościel. Ich kształt zmienia się przy każdym, nawet najmniejszym dotknięciu, co czyni je nieprzewidywalnymi dla klasycznych algorytmów.
Inżynierowie z Kinsi Robotics podeszli do sprawy inaczej:
- Ręczne prowadzenie — operator porusza ramionami robota w trybie podatnym (compliant mode), fizycznie pokazując mu każdy etap składania ręcznika.
- Rejestracja danych — w trakcie pokazu system zapisuje wszystko: obrazy z kamer RGB, ruchy przegubów oraz siłę uścisku chwytaków.
- Mapowanie wizualne — robot uczy się, jak konkretny obraz (np. zagięty róg ręcznika) powinien przełożyć się na konkretny ruch mechaniczny.
Dzięki powtarzaniu tego procesu w różnych konfiguracjach, KR-1 nie uczy się jednej sztywnej sekwencji ruchów. Zamiast tego zaczyna rozumieć „zasadę” składania. Nie musi wiedzieć, gdzie teoretycznie znajdują się krawędzie; uczy się rozpoznawać wzorce wizualne i przewidywać, jak pociągnięcie za dany fragment materiału zmieni jego kształt.
Dlaczego ręcznik to dla maszyny „boss” poziomu trudnego?
Można by zapytać: skoro roboty budują samochody, to co za problem złożyć kawałek materiału? Problem tkwi w fizyce. Sztywne przedmioty można opisać prostymi równaniami. Ręcznik natomiast ma niemal nieskończoną liczbę stanów, w jakich może się znaleźć. W robotyce nazywa się to manipulacją obiektami podatnymi.
Czytaj też: Robot na wigilii, czyli jak technologia (nie) radzi sobie ze świątecznym chaosem
KR-1 pokonuje tę barierę poprzez uczenie oparte na demonstracji. Zamiast instrukcji „chwyć punkt o współrzędnych X, Y”, robot „wie”, że kiedy widzi określoną teksturę i sfałdowanie, musi złączyć dwa punkty, aby uzyskać pożądany efekt. To podejście jest znacznie bliższe temu, jak my, ludzie, uczymy się nowych umiejętności – przez praktykę i obserwację, a nie studiowanie instrukcji obsługi.
KR-1 został zaprojektowany głównie jako robot magazynowy do prac typu „podnieś i podaj”, ale sukces z ręcznikiem otwiera przed nim zupełnie nowe drzwi. Wyposażony w dwuramienny system, kołową bazę i zaawansowaną sztuczną inteligencję, może wkrótce trafić do handlu detalicznego, a nawet pomagać w domowych obowiązkach, gdzie adaptacja do zmiennego otoczenia jest kluczowa.
Czytaj też: X1 to robotyczny duet do zadań specjalnych. Czy tak będą wyglądać ratownicy przyszłości?
Sukces Kinsi Robotics to dowód na to, że zmierzamy w stronę robotyki opartej na nauce, a nie na sztywnych regułach. Jeśli robot potrafi nauczyć się obsługi tak nieprzewidywalnego przedmiotu jak ręcznik poprzez prostą obserwację człowieka, to bariera między laboratorium a realnym światem zaczyna znikać. KR-1 pokazuje, że przyszłe maszyny nie będą potrzebowały armii programistów do każdego nowego zadania – wystarczy im chwila „treningu” z ludzkim nauczycielem. Wygląda na to, że era robotów, które potrafią asystować w codziennych, delikatnych czynnościach, jest bliżej, niż nam się wydawało.