Сучасний штучний інтелект для роботів часто тісно пов’язаний із конкретною конструкцією машини. Якщо замінити маніпулятор, змінити кількість сегментів або число ступенів свободи, раніше навчена система може потребувати суттєвої адаптації. Китайська компанія Feagine Robotics пропонує інший підхід: її модель Fi0 розробляється для роботи з роботами, які мають різну фізичну будову.

Одночасно Feagine представила три м’які маніпулятори з тросовим приводом — A01, A02 та A03. Вони відрізняються кількістю сегментів, довжиною та числом ступенів свободи й дають змогу розробникам перевірити, наскільки один ШІ здатний переносити набуті навички між різними роботизованими платформами. Сама компанія розглядає цей напрям як основу для embodied intelligence — втіленого штучного інтелекту.

Чому роботу недостатньо просто знати завдання

Для людини завдання «взяти предмет і перенести його в інше місце» здається простим. Для робота все значно складніше: спосіб виконання залежить від довжини руки, кількості суглобів, діапазону рухів та фізичних обмежень конструкції.

У Feagine ці відмінності спеціально закладені в апаратну платформу. A01 має один гнучкий сегмент і два ступені свободи, важить близько 750 г та розрахований на навантаження до 200 г. A02 отримав два сегменти, чотири ступені свободи та вантажопідйомність до 400 г. A03 оснащений трьома сегментами та складнішою системою керування, а його конструкція розрахована на вищі навантаження. В офіційних матеріалах Feagine A01 позиціонується як легкий маніпулятор для мобільних платформ, A02 — як настільна дослідницька система, а A03 — як професійна платформа для досліджень.

Fi0 має враховувати не лише поставлене завдання, а й фізичні можливості конкретного робота. Інакше кажучи, модель повинна розуміти різницю між тим, що може зробити довгий трисекційний маніпулятор, і можливостями компактнішої конструкції.

Одна демонстрація замість повного перенавчання

Feagine заявляє, що Fi0 здатна використовувати демонстрацію людини як контекст під час виконання нового завдання. Якщо робот раніше не стикався з певною дією, людина може показати потрібний результат, після чого модель намагається визначити загальну структуру завдання та адаптувати її до конкретної роботизованої конструкції.

Саме ця відмінність є ключовою. ШІ не повинен буквально копіювати траєкторію руху людської руки. Натомість він має визначити, які об’єкти беруть участь у завданні, у якій послідовності відбуваються дії, які контакти мають значення та яким повинен бути кінцевий результат.

Такий підхід відповідає ширшому напряму розвитку сучасної робототехніки. Дослідження, опубліковане в Proceedings of Machine Learning Research, показало, що одна модель, навчена на даних із 20 різних роботизованих платформ, здатна керувати істотно різними машинами, зокрема маніпуляторами, колісними роботами, квадрокоптерами та чотириногими платформами.

Інша робота дослідників у галузі робототехніки показала, що збільшення кількості різних роботизованих конструкцій у навчальних даних може покращувати здатність моделі переносити навички на раніше невідомі платформи. Водночас самі автори наголошують, що широка генералізація на нові конструкції залишається складним завданням.

М’які роботи ставлять перед ШІ складніше завдання

Для експериментів Feagine обрала не класичні промислові маніпулятори з жорсткими суглобами, а м’які системи з тросовим приводом. Це принципово важливо: така конструкція може безперервно згинатися та змінювати форму, тому її поведінку складніше описати набором фіксованих кутів суглобів.

Саме тут проявляється додаткова перевага концепції Fi0. ШІ має враховувати морфологію робота, його датчики, виконавчі механізми та поточний стан. Компанія називає представлення фізичної структури робота Embodiment Graph.

Сама Feagine описує свою платформу як спробу створити спільний рівень даних та інтелекту для наступного покоління роботів. Компанія робить ставку на м’які конструкції, які можуть безпечніше взаємодіяти з людьми та водночас надавати різноманітні дані для навчання моделей.

Водночас м’які маніпулятори цікаві не лише як експериментальна платформа. Їхня здатність згинатися та підлаштовуватися під навколишні об’єкти може бути корисною там, де жорстка промислова рука має надто багато обмежень: під час роботи з крихкими предметами, у тісному просторі або безпосередньо під час взаємодії з людиною.

Чому універсальному роботу необов’язково бути гуманоїдом

Останніми роками саме гуманоїдні роботи стали одним із головних напрямів розвитку embodied AI. Їхня перевага очевидна: людські будівлі, інструменти та робочі місця вже пристосовані до нашої анатомії.

Але універсальність штучного інтелекту не обов’язково потребує універсального тіла. Один робот може бути оптимізований для виробництва, інший — для роботи в обмеженому просторі, третій — для взаємодії з людиною, а четвертий — для роботи в небезпечному середовищі.

Саме такий підхід пропонує Feagine: не створювати одну машину, здатну виконувати абсолютно всі завдання, а спробувати зробити один інтелектуальний рівень достатньо гнучким для керування безліччю спеціалізованих платформ.

Поки що Fi0 залишається проєктом на ранньому етапі, а заяви компанії ще належить перевірити на більшій кількості роботів і завдань, а також у реальних умовах експлуатації. Ба більше, нещодавні дослідження показують, що перенесення навичок на незнайомі роботизовані конструкції досі має серйозні обмеження та потребує врахування фізичних властивостей конкретної машини.

Втім, цей напрям виглядає перспективним. Якщо подібні моделі справді зможуть переносити знання між різними роботами без повного перенавчання кожного нового пристрою, виробникам буде простіше створювати спеціалізовані машини, не розробляючи для кожної з них окремий ШІ.

Для України ця технологія поки що залишається радше дослідницьким напрямом, ніж рішенням, близьким до масового впровадження. Однак такий підхід потенційно важливий для автоматизації виробництва, складської логістики, лабораторій та інших сфер, де вартість розробки окремої системи керування для кожного типу робота стає серйозним обмеженням. У перспективі саме ШІ, здатний переносити набуті навички між різними платформами, може виявитися важливішим за спроби створити одну конструкцію, яка однаково добре виконуватиме всі завдання.