Zamiast skupiać się na tym, co robot potrafi, warto zadać pytanie, jak się tego uczy. To podejście może być kluczem do rozwiązania problemów, z którymi mierzą się współczesne fabryki, choć droga od demonstracji do powszechnego wdrożenia bywa długa i wyboista.
Trzy ścieżki do robotycznego geniuszu — teleoperacja, symulacja i obserwacja
W tradycyjnej automatyce każdy ruch robota jest żmudnie kodowany linijka po linijce. Jeśli produkt na taśmie przesunie się o dwa centymetry, maszyna głupieje. Boston Dynamics chce to zmienić, stosując metody oparte na uczeniu się, dzięki którym Atlas nabywa umiejętności niemal jak człowiek – poprzez demonstrację, informację zwrotną i ciągłe doskonalenie.
Aby „mózg” Atlasa stał się uniwersalnym systemem sterowania, firma rozwija równolegle trzy ścieżki szkoleniowe:
- Teleoperacja z VR — ludzcy operatorzy zakładają gogle wirtualnej rzeczywistości i dosłownie „prowadzą Atlasa za rękę” przez skomplikowane zadania. To pozwala uzyskać niezwykle precyzyjne dane treningowe, choć jest trudne do skalowania na masową metę.
- Reinforcement Learning w symulacji — Atlas trenuje miliony ruchów wirtualnie. Dzięki temu może przećwiczyć trudne lub precyzyjne manewry tysiące razy w ciągu minuty, bez ryzyka uszkodzenia drogiego sprzętu.
- Obserwacja ludzi — to najbardziej ambitny, długofalowy plan. Robot ma uczyć się fizycznej intuicji, po prostu oglądając nagrania wideo przedstawiające ludzi przy pracy. Chodzi o to, by maszyna zrozumiała istotę zadania, a nie tylko kopiowała trajektorię ruchu ręki.
Hybrydowa inteligencja — dlaczego AI nie robi wszystkiego sama?
Ciekawym aspektem podejścia Boston Dynamics jest odrzucenie modelu „pixels-to-torques”. W takim systemie jedna, wielka sieć neuronowa miałaby przetwarzać obraz z kamer bezpośrednio na prąd w silnikach. Inżynierowie z Waltham uważają, że to nieefektywne. Zamiast tego zastosowali warstwową strukturę sterowania, inspirowaną ludzkim mózgiem.
Czytaj też: Koniec z „pokazówkami”? Humanoidy CATL weszły do fabryk i radzą sobie lepiej od ludzi
W tym modelu system decyzyjny wysokiego szczebla analizuje obraz i wyznacza ogólny cel (np. „podnieś ten karton”). Z kolei oddzielna, błyskawicznie reagująca warstwa kontrolna zajmuje się fizyką: utrzymaniem równowagi, koordynacją stawów i reagowaniem na grawitację. Dzięki temu AI nie musi za każdym razem „uczyć się” praw fizyki od nowa – ona po prostu wie, jak nie upaść, skupiając się jedynie na samym zadaniu.
Warto też wspomnieć o strategicznej roli grupy Hyundai. Partnerstwo to wykracza poza zwykłe testowanie robotów w fabrykach samochodów. Obie firmy pracują nad przeprojektowaniem całych linii montażowych tak, aby systemy humanoidalne mogły w pełni rozwinąć swoje skrzydła. Hyundai inwestuje w infrastrukturę, a Boston Dynamics rozwiązuje najtrudniejsze problemy związane z manipulacją przedmiotami podczas montażu pojazdów.
Czytaj też: Hitachi wprowadza humanoidalne roboty z AI do fabryk. Japonia wkracza w nowy etap automatyzacji
Przekaz Boston Dynamics jest jasny: era efektownych pokazów wideo się kończy, a zaczyna się era praktycznego wdrożenia. Firma przestała skupiać się na tym, jak Atlas wstaje z ziemi (choć robi to w fascynująco nieludzki, „wykręcony” sposób), a zaczęła intensywnie szukać talentów z dziedziny uczenia maszynowego. To właśnie software zdefiniuje, czy humanoidalne roboty staną się codziennością w halach produkcyjnych, czy pozostaną jedynie drogimi zabawkami. Jeśli Atlasowi uda się opanować elastyczność pracy w fabrykach samochodowych, gdzie wariantów części są tysiące, będzie to największy przełom w automatyce od dekad.
