Jedním z problémů, kterým roboti čelí, je manipulace s objekty a interakce s prostředím. Musí být schopni rozpoznat objekty, uchopit je, použít nebo přemístit podle potřeby. Například robot, který má za úkol uklidit nádobí do myčky, musí být schopen otevřít myčku, vložit nádobí do správných přihrádek, zavřít myčku a zapnout ji. To může být pro robota obtížné, protože každá myčka může mít jiný design, umístění nebo ovládání.

Podobně robot, který má za úkol projít z jedné místnosti do druhé, musí být schopen otevřít dveře, pokud jsou zavřené. To také může být docela nelehké, protože některé dveře mohou mít opět jiný tvar, velikost, barvu nebo typ kliky. Robot musí umět identifikovat dveře jako objekt, který lze otevřít, najít kliku a použít ji správným způsobem.

Jak se tedy roboti mohou naučit tyto úkoly provádět?

Jedním z možných řešení je použití umělé inteligence a strojového učení. Jejím využitím budou moci roboti zlepšovat své schopnosti a adaptovat se na nové situace. Mohou například používat kameru nebo jiné senzory k získání informací o objektech a prostředí. Potom mohou používat algoritmy strojového učení k analýze těchto informací a k vytvoření modelu nebo reprezentace objektů a prostředí. Ten jim pak pomůže rozhodnout se, jak manipulovat s objekty nebo jak interagovat s prostředím.

Zdroj: Shutterstock

Jedním z příkladů využití umělé inteligence a strojového učení v robotice je projekt RoboNet, který je společnou iniciativou několika univerzit a výzkumných institucí. Cílem tohoto projektu je vytvořit velkou databázi videí, které ukazují, jak roboti manipulují s různými objekty. Tato databáze pak může posloužit jako zdroj dat pro algoritmy strojového učení, které mohou naučit roboty provádět podobné úkoly.

Jedním z výstupů tohoto projektu je algoritmus, který umožňuje robotům učit se otevírat právě myčky a dveře. Využívá k tomu techniku zvanou meta-učení, která umožňuje systému učit se učit. Jinými slovy, systém se nejen učí provádět konkrétní úkol, ale také se učí, jakou rychlostí a aby to bylo efektivní. Tímto způsobem může systém přenášet své znalosti a dovednosti z jednoho úkolu na druhý.

Algoritmus přitom funguje tak, že nejprve používá data z databáze RoboNet k naučení se obecného modelu manipulace s objekty. Potom používá tento model k adaptaci na nový úkol, jako je otevření myčky nebo dveří. K tomu používá malé množství dat získaných z experimentů s reálnými roboty. No a tímto způsobem se může tento systém rychle naučit nový úkol s minimálním počtem pokusů a chyb.

Výhodou je, že umožňuje robotům učit se otevírat různé typy myček a dveří, aniž by bylo nutné jim poskytnout detailní instrukce nebo předem definované cíle. Roboti si sami vytvářejí cíle na základě svých pozorování a zkoušejí různé akce, dokud nedosáhnou úspěchu. Tímto způsobem mohou roboti být flexibilní a autonomní v řešení problémů.