Společnost Apple nedávno představila svou novou studii, která ukazuje, jak lze efektivněji trénovat humanoidní roboty kombinací lidských instruktorů a robotických demonstrátorů. Tento nový přístup, který Apple nazývá PH2D (Physical Human-Humanoid Data), přináší naději na levnější, škálovatelnější a účinnější vývoj robotiky – a možná i budoucích domácích asistentů.
Mohlo by vás zajímat
Apple se v minulosti v oblasti robotiky soustředil spíše na specializovaná zařízení, jako byla například robotická lampa. Nejnovější výzkum ale ukazuje ambice jít dál – k vývoji humanoidních robotů schopných zvládat každodenní úkoly. Studie s názvem „Humanoid Policy ~ Human Policy“ analyzuje nedostatky tradičního robotického výcviku, který je často náročný na čas i peníze, a to zejména kvůli potřebě teleoperace a shromažďování dat pomocí samotných robotů.
Když lidé učí roboty
Namísto výhradního spoléhání na roboty navrhuje Apple zapojení lidských instruktorů, kteří roboty učí prostřednictvím vlastních pohybů rukou. Tato metoda nejen snižuje náklady, ale také umožňuje sběr dat v prostředí připomínajícím reálný svět.
Pro tyto účely Apple upravil běžně dostupné spotřebitelské technologie a přetvořil je na nástroje pro sběr tréninkových dat. Headset Apple Vision Pro byl například upraven tak, aby využíval pouze levý dolní fotoaparát pro vizuální snímání. Současně byla pomocí technologie ARKit zaznamenávána trojrozměrná poloha hlavy a rukou instruktorů. Další zařízení, headset Meta Quest, bylo vybaveno stereo kamerami ZED Mini, čímž vznikl cenově dostupný a efektivní systém pro získávání dat potřebných k tréninku humanoidních robotů.
Lidé, kteří byli těmito upravenými headsety vybavení, seděli vzpřímeně a vykonávali úkony, jako uchopování předmětů, jejich zvedání nebo nalévání tekutin. Akce byly zaznamenány a zpomaleny, aby je mohl robot snadněji napodobit.
Fotogalerie
HAT: Srdce tréninkového systému
Apple vytvořil model nazvaný Human-humanoid Action Transformer (HAT), který zpracovává data jak od lidí, tak od robotů. Tento systém se učí z různorodých zdrojů a vytváří tzv. generalizované politiky, tedy sady pravidel chování, které jsou přenositelné na různé situace. Výsledkem je, že roboti vyškolení tímto hybridním přístupem dosahují lepší výkonnosti a robustnosti než ti, kteří byli trénováni pouze robotickými demonstrátory.
Společnost Apple tvrdí, že její metoda přináší významné výhody nejen v kvalitě výcviku, ale také v nákladech. Roboti vyškolení pomocí PH2D si lépe poradí se specifickými úkoly – například se svislým uchopováním předmětů – a celý proces lze rozšířit bez nutnosti nákladného vybavení.
Spekuluje se o tom, že Apple pracuje na mobilním robotovi pro domácnosti, který by mohl zvládat jednoduché úkoly a asistovat uživatelům podobně, jako dnes asistují hlasoví asistenti typu Siri – jen ve fyzické podobě.
Budoucnost ve stylu Apple?
Apple zatím představil pouze prototypy, ale díky inovativnímu přístupu ke strojovému učení, kombinaci lidské inteligence a umělé inteligence, se zdá, že cesta k robotickému pomocníkovi pro každodenní život je zase o krok blíže. A pokud někdo umí proměnit vědecký výzkum ve spotřebitelský produkt s masovým dosahem, je to právě Apple.
