Существует множество видов работ, которые люди хотели бы отдать роботам, такие как упаковка товаров на складах, помощь лежачим больным или солдатам на линии фронта. Но это пока невозможно, потому что роботы до сих пор не распознают простые предметы и не могут легко обращаться с ними. У людей, как правило, нет проблем с тем, чтобы складывать носки или поднять стакан, потому что мы прошли «процесс сбора больших данных» под названием детство, говорит Стефани Теллекс (Stefanie Tellex), профессор компьютерных наук в университете Брауна (Brown University). Роботам, чтобы выполнить те же типы повседневных задач, нужен доступ к большим объёмам данных о том, как манипулировать предметами. Откуда эти данные берутся? Как правило — являются результатом кропотливого программирования. Но в идеале роботы могли бы получать информацию друг от друга.
Это теория лежит в основе проекта Теллекс Million Object Challenge. Цель состоит в том, чтобы по всему миру роботы для исследований учились распознавать простые предметы, от чашек до бананов, манипулировать ими и загружать свои данные в облако, чтобы другие роботы могли анализировать и использовать эту информацию.
Лаборатория Теллекс в Провиденсе, штат Род-Айленд, производит впечатление весёлого детского сада. В день моего визита робот Baxter, промышленная машина производства Rethink Robotics, стоял среди крупногабаритных блоков, сканируя небольшую расчёску. Он с шумом перемещал правую руку назад и вперёд над объектом, делая снимки своей камерой и измеряя расстояния инфракрасным датчиком. Затем двузубым захватным устройством он пытался разными способами схватить расчёску, чтобы её поднять. После того, как он поднимал объект, он встряхивал его, чтобы убедиться, что захват надёжен. Если это так, значит, робот научился брать ещё одну вещь.
Робот может работать круглосуточно, часто с отдельным объектом в каждом из своих захватов. Теллекс и её аспирант Джон Оберлин (John Oberlin) собрали данные (и теперь делятся ими) о, примерно, двухстах объектах, начиная с таких вещей, как детская обувь, пластиковая лодка, резиновая утка, чеснокодавка, другие кухонные принадлежности и кружка-непроливайка, которая первоначально принадлежала трёхлетнему сыну Теллекс. Другие учёные могут внести вклад данными своих роботов, и Теллекс надеется, что вместе они создадут библиотеку информации о том, как роботы должны обращаться с миллионом разных вещей. В конце концов, роботы, стоящие перед переполненной полкой смогут «идентифицировать шариковую ручку перед собой и взять её», говорит Теллекс.
Такие проекты возможны, потому что многие научно-исследовательские роботы используют одни и те же стандартные платформы программирования, известные как ROS. После того, как одна машина научилась выполнять задачу, она может передавать данные другим и эти машины способны включить обратную связь, уточняя инструкции, приведённые в последующих машинах. Теллекс говорит, что информацию о том, как распознать и взять любой предмет, можно сжать до пяти-десяти мегабайт, то есть, примерно до размера песни в вашей музыкальной библиотеке.
Теллекс была партнёром в проекте под названием RoboBrain, демонстрирующем, как робот учится на чужом опыте. Её сотрудник Ашутош Саксена (Ashutosh Saxena) в Корнелльском университете (Cornell University) учил своего робота PR2 (см. об этом также https://22century.ru/lebensformen/17018) поднимать небольшие чашки и расставлять их на столе. Затем в университете Брауна, Теллекс скачала эту информацию из облака и использовала её, чтобы обучить своего Baxterʼа, который физически отличается от первого робота, чтобы он выполнил ту же задачу в другой среде.
Сейчас прогресс в этой сфере может показаться нарастающим весьма постепенно, но в ближайшие пять-десять лет нас может ожидать «взрыв в способностях роботов», говорит Саксена, занимающий сейчас пост генерального директора стартапа Brain of Things («Мозг вещей»). Поскольку всё больше исследователей вносят вклад в облачные знания, добавляет он, то «роботы должны иметь под рукой доступ ко всей информации, им необходимой».