Lumile virtuale în care roboții învață să îndeplinească sarcini în lumea reală

Robotul Freddo traversează biroul și ia o sticlă de plastic oferită de un angajat.

Având în vedere că un robot a doborât recent recordul lui Usain Bolt la proba de 100 de metri, aceasta nu este cea mai spectaculoasă realizare.

Totuși, viteza cu care Freddo a fost antrenat să meargă, să recunoască sticla și să o apuce este impresionantă. A fost nevoie de doar câteva minute pentru ca aceste abilități să fie dezvoltate și încărcate în Freddo. Creatorii săi spun că sistemelor concurente le-ar putea lua zile întregi să dobândească aceleași deprinderi.

Mă aflu la Vsim, un start-up britanic cu sediul în Cambridge. Fondatorii Michelle Lu și Kier Storey speră ca, într-o zi, software-ul lor să controleze roboți capabili să se deplaseze și să îndeplinească sarcini utile în locuințe și la locul de muncă.

Însă până acolo mai este un drum lung.

„Este o situație ciudată în domeniul roboticii, pentru că lucrurile pe care noi, oamenii, le considerăm extrem de dificile, cum ar fi gimnastica, pot fi realizate de roboți într-un mod rezonabil. În schimb, ceea ce oamenii fac foarte bine, precum dexteritatea fină, este extrem de dificil pentru roboți”, spune Storey.

Abilitățile lui Freddo au fost perfecționate într-un mediu virtual, unde o sarcină poate fi realizată de milioane de ori într-o simulare pe computer. După identificarea soluției optime, cunoscută sub denumirea de „politică”, aceasta poate fi încărcată și folosită de echipamentul fizic, în acest caz de Freddo.

Astfel de simulări virtuale reprezintă o metodă frecvent utilizată pentru antrenarea roboților. Gigantul tehnologic Nvidia are un sistem numit Isaac Sim, care funcționează în acest mod, iar Lu și Storey au lucrat amândoi la o versiune timpurie a acestuia.

În 2022, cei doi au decis să înființeze Vsim, pentru a-și construi propriul mediu de antrenare și alte instrumente.

Deoarece porneau de la zero, Lu și Storey au putut optimiza software-ul pentru a exploata cipurile puternice folosite în inteligența artificială, cunoscute drept unități de procesare grafică sau GPU-uri.

„Algoritmii de bază pe care i-am folosit pentru cele mai multe dintre aceste simulări robotice datează din anii 1970 și 1980, însă acei algoritmi nu sunt adaptați în mod special pentru GPU-uri”, afirmă Storey.

În câteva luni, fondatorii au realizat că sistemul lor putea funcționa mult mai rapid decât orice altceva văzuseră până atunci.

„După 18 luni avem, de fapt, un simulator complet funcțional și cu performanțe foarte ridicate”, spune Lu.

Software-ul este atât de eficient încât poate rula pe echipamentul transportat de Freddo. Acest lucru înseamnă că robotul poate efectua zeci de mii de simulari în timp ce se deplasează.

„Poate analiza aproximativ o secundă în viitor, luând în calcul 20.000 de combinații diferite de lucruri care s-ar putea întâmpla”, explică Storey.

O asemenea capacitate ar fi esențială pentru un robot care se deplasează într-un mediu nestructurat, precum o locuință obișnuită.

„Lucruri aflate în afara controlului robotului, precum oamenii, animalele sau chiar alți roboți, pot face lucruri care necesită schimbarea strategiei. Aceste evenimente neașteptate se pot produce foarte rapid, iar robotul trebuie să se poată adapta rapid pentru a se asigura că acțiunile sale rămân sigure și conforme cu misiunea”, spune Lu.

Vsim este un start-up cu 10 ingineri care lucrează la această tehnologie. Nvidia se află la celălalt capăt al industriei. Compania domină piața cipurilor pentru computere utilizate în inteligența artificială și are o divizie importantă de software pentru robotică, cu sute de ingineri.

Nvidia nu construiește roboți. În schimb, compania oferă o suită de programe concepute pentru a permite organizațiilor să antreneze și să controleze roboți.

Aceasta include sisteme de antrenare prin simulare virtuală și un așa-numit model al lumii, denumit Cosmos, care îi oferă robotului o înțelegere a fizicii lumii reale și a modului în care mediul său s-ar putea schimba pe măsură ce se deplasează.

Totuși, chiar și cu resursele informatice puternice disponibile pentru Nvidia, software-ul oferă doar o înțelegere rudimentară a lumii reale.

„Manipularea, atunci când apuc pur și simplu o sticlă, nu este prea dificilă. Problema apare când începi să îndeplinești sarcini pe termen lung, de tipul: «Vreau să iei sticla, să o umpli și apoi să mergi să torni conținutul»”, spune Spencer Huang, director de produs pentru robotică la Nvidia.

El este însă convins că se înregistrează progrese importante. În acest an, Nvidia a început să folosească agenți de inteligență artificială pentru a contribui la construirea unor medii virtuale destinate antrenării roboților și pentru a verifica dacă soluțiile rezultate în urma antrenamentului funcționează sau nu.

„Când vorbim despre crearea lumii virtuale și scanarea ei propriu-zisă, o mare parte din acest proces presupune muncă manuală.

Pur și simplu folosim agenți pentru acest lucru. Practic, ne-au oferit o forță de muncă uriașă”, afirmă Huang.

Simularea nu este singura metodă de antrenare a roboților. Aceștia pot fi instruiți și prin observarea unor demonstrații realizate de oameni sau prin analizarea unor videoclipuri.

Rika Antonova lucrează în domeniul roboticii din 2015 și este în prezent conferențiar asociat la Departamentul de Informatică și Tehnologie al Universității din Cambridge.

Cercetările sale se concentrează pe dezvoltarea unor programe și echipamente care îi pot ajuta pe roboți să învețe comportamente complexe.

Antonova lucrează cu un sistem de antrenare numit MuJoCo, deținut de Google DeepMind din 2021. Este un software open-source, ceea ce înseamnă că cercetătorii îl pot folosi gratuit și au voie să modifice codul.

„Este foarte, foarte ușor de utilizat. Prin urmare, pentru grupurile de cercetare sau pentru start-up-urile mici, acest lucru este util”, spune ea.

Antonova consideră promițătoare abordarea Vsim, bazată pe simularea foarte rapidă.

„Dacă ai un simulator foarte, foarte rapid, poți simula sute de milioane de exemple în acele câteva secunde în care robotul se gândește cum să-și ajusteze mișcarea. Apoi poți schimba mișcarea aproape în timp real”, explică ea.

Însă aceste medii simulate sunt în continuare aproximări imperfecte ale lumii reale, ceea ce limitează lucrurile care pot fi antrenate.

„Există anumite lucruri greu de modelat într-o simulare, precum obiectele foarte deformabile și tăierea”, spune ea.

Aceasta este o provocare la care lucrează atât Nvidia, cât și Lu și Storey de la Vsim.

Lu spune că sistemul lor a „redus aproximarea, folosind simulări precise pentru a antrena modele care funcționează în realitate la fel de bine ca în simulări”.

În curând, un al doilea robot, care va fi numit Nacho, va contribui la dezvoltarea acestei tehnologii.

Lu afirmă că acest lucru ar trebui să accelereze procesul lor de dezvoltare și să garanteze că software-ul poate rula pe diferite tipuri de mașini.

Și, desigur, îi va oferi lui Freddo puțină companie.