Kan lide det eller ej, vi er omgivet af robotter. Tusinder af amerikanere kører på arbejde i disse dage i biler, der stort set kører selv. Støvsugere scooter rundt i vores stuer alene. Quadcopter-droner glider automatisk over landbrugsfelter og foretager luftundersøgelser, der hjælper landmænd med at dyrke deres afgrøder. Selv skræmmende humanoide robotter, dem, der kan hoppe og løbe som os, kan være kommercielt tilgængelige i den nærmeste fremtid.
Robotapparater bliver ret gode til at bevæge os rundt i vores verden uden nogen indblanding fra os. Men på trods af disse nyfundne færdigheder kommer de stadig med en stor svaghed: Den mest talentfulde af flokken kan stadig stoppes i deres spor af en simpel dørhåndtag.
Spørgsmålet, siger Matt Mason, en robotist ved Carnegie Mellon University, er, at for alle robotters eksisterende evner til at bevæge sig verden rundt autonomt, kan de endnu ikke fysisk interagere med genstande på en meningsfuld måde, når de først kommer dertil.
”Hvad har vi lært af robotik? Den første lektion er, at manipulation er hård. Dette er i modsætning til vores individuelle oplevelse, da næsten ethvert menneske er en dygtig manipulator, ”skriver Mason i en nylig gennemgåelsesartikel.
Det er et rimeligt punkt. Vi mennesker manipulerer verden omkring os uden at tænke over. Vi griber, pirker, vrider, hugger og støtter genstande næsten ubevidst, delvis takket være vores utroligt behændige hænder. Som et resultat har vi opbygget vores verdener med disse vedhæng i tankerne. Alle mobiltelefoner, tastaturer, radioer og andre værktøjer, vi har håndteret gennem vores levetid, er eksplicit designet til at passe ind i vores fingre og håndflader.
Ikke sådan for eksisterende robotter. I øjeblikket er en af de mest anvendte robothånddesign, kaldet en "griber", mere eller mindre identisk med dem, der blev forestillet på tv i 1960'erne: en enhed lavet af to stive metalfingre, som klemmer objekter imellem dem.
I et kontrolleret miljø som en samlebånd fungerer enheder som disse helt fint. Hvis en robot ved, at hver gang den når frem til en bestemt del, vil den være på samme sted og orientering, og det er trivielt at gribe den. ”Det er klart, hvilken slags del der kommer ned på transportbåndet, hvilket gør sensing og opfattelse relativt let for en robot, ” bemærker Jeannette Bohg, en robotist ved Stanford University.
Den virkelige verden er på den anden side rodet og fuld af ukendte. Bare tænk på dit køkken: Der kan være bunker med opvask, der tørrer ved siden af vasken, bløde og skrøbelige grøntsager foring i køleskabet og flere redskaber, der er fyldt i smalle skuffer. Fra en robotperspektiv, siger Bohg, at identificere og manipulere, at en lang række objekter ville være et fuldstændig kaos.
”Dette er på en måde den hellige gral, ikke? Meget ofte ønsker du at manipulere en lang række objekter, som folk ofte manipulerer, og som er blevet gjort til at blive manipuleret af mennesker, ”siger Matei Ciocarlie, en robotforsker og mekanisk ingeniør ved Columbia University. ”Vi kan bygge manipulatorer til specifikke objekter i specifikke situationer. Det er ikke et problem. Det er alsidighed, der er vanskeligheden. ”
For at håndtere det enorme antal unikke former og fysiske egenskaber ved disse materialer - uanset om de er solide som en kniv eller deformerbar, som et stykke plastfolie - ville et ideelt robotbilag nødvendigvis være noget, der ligner det, der er ved slutningen af vores arme. Selv med stive knogler bøjes og bøjes vores hænder, når vi griber genstande, så hvis en robots hånd kan gøre det samme, kunne det "bur" genstande inde i dets greb og bevæge dem rundt på en overflade ved at rive til dem som et spædbarn gør hendes legetøj.
Udvikling af, at alsidighed ikke er en lille præstation. Da ingeniører hos iRobot - det samme firma, der bragte dig Roomba-støvsugeren - for flere år siden udviklede en fleksibel, trefingeret "hånd", blev det hyldet som en stor bedrift. I dag fortsætter robotikerne med at vende sig væk fra en trofast kopi af den menneskelige hånd og kigge mod klistrede materialer og bedre beregningsværktøjer som maskinlæring til at kontrollere dem.
Jakten på bløde, fleksible "hænder"
"Menneskelige gribere har en tendens til at være meget mere delikate og meget dyrere, fordi du har meget flere motorer, og de er pakket ind i et lille rum, " siger Dmitry Berenson, der studerer autonom robotmanipulation ved University of Michigan. ”Du er virkelig nødt til at have en masse teknik for at få det til at fungere og en masse vedligeholdelse, normalt.” På grund af disse begrænsninger, siger han, er eksisterende menneskelige hænder ikke i vid udstrækning brugt af industrien.
For at en robothånd skal være praktisk og endda komme tæt på et menneskes evne, ville den være fast, men fleksibel; kunne føle kulde, varme og røre ved høje opløsninger; og være blid nok til at hente skrøbelige genstande, men robuste nok til at modstå en juling. Åh, og oven på alt det skulle det være billigt.
For at komme omkring dette problem søger nogle forskere at skabe et lykkeligt medium. De tester hænder, der efterligner nogle af vores egne træk, men er langt enklere at designe og bygge. Hver af dem bruger bløde latex “fingre” drevet af sene-lignende kabler, der trækker dem åbne og lukkede. Fordelen ved disse former for design er deres bogstavelige fleksibilitet - når de støder på et objekt, kan de klemme rundt om det, forme til sin komplekse form og skære det pænt op.
I stedet for hænder, der nøje efterligner vores egne, arbejder nogle forskere på bløde, fleksible dem lavet af silikone. På dette billede krøller hule silikone fingre, når de er fyldt med luft og presser dem omkring usædvanligt formede genstande. (J. MORROW ET AL / IEEE INTERNATIONAL KONFERENCE OM ROBOTIK OG AUTOMATION (ICRA) 2016) Sådanne squishy "hænder" tilbyder en større forbedring i forhold til en hård metalgreb. Men de begynder kun at løse problemet. Selvom en gummiagtig finger fungerer godt til at samle alle mulige genstande, vil den kæmpe med fine motoriske færdigheder, der er nødvendige til enkle opgaver som at placere en mønt i en slot - hvilket ikke kun involverer at holde mynten, men også føle spalten og undgå dens kanter, og skub mønt inde. Derfor siger Ciocarlie, at skabe sensorer, der fortæller robotter mere om de genstande, de berører, er en lige så vigtig del af puslespillet.
Vores egne fingerspidser har tusinder af individuelle berøringsreceptorer indlejret i huden. ”Vi ved ikke rigtig, hvordan man bygger den slags sensorer, og selv hvis vi gjorde det, ville vi have en meget hård tid på at tilslutte dem og få den information tilbage, ” siger Ciocarlie.
Det store antal sensorer, der kræves, ville rejse et andet, endnu mere knudrende problem: hvad man skal gøre med al den information, når du først har det. Beregningsmetoder, der lader en robot bruge enorme mængder sensoriske data til at planlægge det næste træk, begynder at dukke op, siger Berenson. Men at få disse evner op til, hvor de har brug for, kan trumfe alle andre udfordringer, som forskerne står overfor med at opnå autonom manipulation. At opbygge en robot, der kan bruge sine "hænder" hurtigt og problemfrit - selv i helt nye situationer - er muligvis ikke muligt, medmindre ingeniører kan give det en form for kompleks intelligens.
Denne hjernekræft er noget, mange af os mennesker tager for givet. For at hente en blyant på vores skrivebord når vi bare ud og griber den. Når vi spiser middag, bruger vi tang, gafler og spisepinde til at gribe vores mad med nåde og præcision. Selv amputerede, der har mistet øvre lemmer, kan lære at bruge protesekroge til opgaver, der kræver finmotorik.
”De kan binde deres sko, de kan lave en sandwich, de kan klæde sig - alt sammen med den enkleste mekanisme. Så vi ved, det er muligt, hvis du har den rigtige intelligens bag det, ”siger Berenson.
Undervisning af maskinen
At komme til det niveau af intelligens i en robot kan kræve et spring i de nuværende metoder, som forskere bruger til at kontrollere dem, siger Bohg. Indtil for nylig har mest manipuleringssoftware været involveret i opbygning af detaljerede matematiske modeller af situationer i den virkelige verden og derefter lade robotten bruge disse modeller til at planlægge dens bevægelse. En for nylig bygget robot, der har til opgave at samle en Ikea-stol, bruger for eksempel en softwaremodel, der kan genkende hvert enkelt stykke, forstå, hvordan det passer sammen med sine naboer og sammenligne det med, hvordan det endelige produkt ser ud. Det kan afslutte monteringsjobbet på cirka 20 minutter. Bed dog om, at det samles et andet Ikea-produkt, og det vil være fuldstændigt flummoxet.
Mennesker udvikler færdigheder meget forskelligt. I stedet for at have dyb viden om et enkelt snævert emne optager vi viden på farten fra eksempel og praksis, styrker forsøg, der fungerer, og afviser dem, der ikke gør det. Tænk tilbage på første gang du lærte, hvordan du hugger en løg - når du først regnede ud med, hvordan du skulle holde kniven og skive et par gange, behøver du sandsynligvis ikke at starte fra bunden, da du stødte på en kartoffel. Så hvordan får man en robot til at gøre det?
Bohg mener, at svaret kan ligge i "maskinlæring", en slags iterativ proces, der giver en robot mulighed for at forstå, hvilke manipuleringsforsøg der er vellykkede, og hvilke der ikke er - og gør det muligt for den at bruge denne information til at manøvrere i situationer, den aldrig er stødt på.
”Før maskinlæring trådte ind inden for robotik, handlede det om at modellere fysik af manipulation - komme med matematiske beskrivelser af et objekt og dets miljø, ” siger hun. ”Maskinlæring gør det muligt for os at give en robot en masse eksempler på objekter, som nogen har kommenteret, og viser den, ” Her er et godt sted at gribe. ”En robot kunne bruge disse tidligere data til at se på et helt nyt objekt og forstå, hvordan man forstå det.
Denne metode repræsenterer en større ændring fra tidligere modelleringsteknikker, men det kan vare et stykke tid, før det er sofistikeret nok til at lade robotter lære helt på egen hånd, siger Berenson. Mange eksisterende maskinlæringsalgoritmer skal fodres med store mængder data om mulige resultater - ligesom alle de potentielle træk i et skakspil - inden de kan begynde at udarbejde den bedst mulige angrebsplan. I andre tilfælde kan de have brug for hundreder, hvis ikke tusinder, forsøg på at manipulere et givet objekt, før de snubler over en strategi, der fungerer.
Det bliver nødt til at ændre sig, hvis en robot skal bevæge sig og interagere med verden så hurtigt som mennesker kan. I stedet, siger Berenson, skal en ideel robot være i stand til at udvikle nye færdigheder i bare et par trin ved hjælp af prøve og fejl eller være i stand til at ekstrapolere nye handlinger fra et enkelt eksempel.
Apollo, en robot bygget af ingeniør Jeannette Bohg, forsøger at flytte en cylinder hen over et bord, mens en papkasse blokerer for vejen. I dette eksperiment flyttede en forsker boksen til nye placeringer på bordet, mens armen bevægede sig, og tvang Apollo til at beregne sin bane på farten igen. Det virvarede billede i nederste højre hjørne viser en udsigt fra Apollos perspektiv, hvilket understreger, hvor svært det er for en robot at genkende og interagere med objekter omkring det. (DOMSTOL JEANNETTE BOHG) ”Det store spørgsmål, man skal overvinde, er, hvordan opdaterer vi en robots modeller ikke med 10 millioner eksempler, men et ?” Siger han. ”For at få det til et punkt, hvor det står: 'OK, dette virkede ikke, så hvad gør jeg derefter?' Det er det rigtige læringsspørgsmål, jeg ser. ”
Mason, robotisten fra Carnegie Mellon, er enig. Udfordringen med at programmere robotter til at gøre, hvad vi gør uden hensyntagen, siger han, opsummeres af noget, der hedder Moravecs paradoks (opkaldt efter robotpioneren Hans Moravec, som også underviser på Carnegie Mellon). Den siger kort sagt, at det, der er svært for mennesker at gøre, ofte håndteres af robotter, men hvad der er den anden natur for os er utroligt svært at programmere. En computer kan fx spille skak bedre end nogen person - men at få den til at genkende og afhente et skakstykke på egen hånd har vist sig at være svimlende vanskeligt.
For Mason ringer det stadig. På trods af de gradvise fremskridt, som forskerne gør med robotkontrolsystemer, siger han, er det grundlæggende koncept med autonom manipulation muligvis en af de hårdeste nødder, som området endnu ikke har slået ned.
”Rationel, bevidst tænkning er en relativt ny udvikling i evolutionen, ” siger han. ”Vi har alt dette andre mentale maskiner, der gennem hundreder af millioner af år har udviklet evnen til at gøre fantastiske ting, som bevægelse, manipulation, opfattelse. Alligevel sker alle disse ting under det bevidste niveau.
"Måske er de ting, vi betragter som en højere kognitiv funktion, som at være i stand til at spille skak eller lave algebra - måske er disse ting døde trivielle sammenlignet med manipulationens mekanik."
Knowable Magazine er en uafhængig journalistisk indsats fra årlige anmeldelser. 
