Tök jó, hogy a robotok elvégzik a kreatív munkákat, miközben mi mosogatunk… Vagy mégsem? Végre érkezhetnek a klasszikus mosogató, vasaló és egyéb házi munkákat átvállaló robotgépek!
A robotok verset írnak, festegetnek (na jó: képet generálnak), tehát elvégzik jól-rosszul, és jellemzően lélektelenül azt a tevékenységet, amit az emberek többsége is szívesen végezne. Közben a mosogatóban gyűlik a tányér, a padló sem mossa fel önmagát, tehát a gép épp azt nem teszi, amit tennie kellene: nem veszi le a vállunkról a mindennapi apró-cseprő nyűgök terhét. Szerencsére ezen a fronton radikális változásra számíthatunk.
Az Austini Texasi Egyetem és az NVIDIA Research kutatói ugyanis kifejlesztették a RoboCasa nevű eszközt – számol be róla az Interesting Engineering. A RoboCasa még nem robot, de az első lépés a háztartási, általános robotok felé vezető úton – a RoboCasa ugyanis egy átfogó szimulációs keretrendszert, melyet éppen azért hoztak létre, hogy robotokat tanítson be a háztartási feladatok elvégzésére különféle mindennapi körülmények között. A RoboCasa generatív mesterséges intelligencia eszközöket tartalmaz, mint például az objektumok szöveg-alapú 3D modelljeit és a környezeti textúrák szöveg-kép modelljeit, hogy javítsa szimulációinak a valósághűségét és egyben a sokszínűségét.
A keretrendszer több mint 150 objektumkategóriához biztosít hozzáférést, magyarán számos bútorhoz és készülékhez, miközben több ezer 3D-s eszközt kínál, és több mint 100 különféle feladatot támogat.
A RoboCasa tehát lényegében egy virtuális kiképzőtábor háztartási robotoknak – azért van rá szükség, hogy a tanuló rendszerek adatokhoz jussanak, amelyeket egyébként a valós életben elég nehéz lenne generálni. Különösen a szükséges mennyiségben. A RoboCasa segítségével készült, nagy pontosságú szimulációk így költséghatékony, szintetikus adatokat szolgáltatnak. A keretrendszer egyébként a RoboSuite alapjaira épül, annak infrastruktúráját használja fel a részletes környezetek létrehozására.
Mindez jelentős előrelépés, de azért akadnak korlátok is: kihívást jelent például a szimulált környezetben megtanult irányelvek valós környezetbe történő ültetése (pedig ugye ez lenne a dolog lényege), és szükség lenne még a feladatok számának, valamint komplexitásának a bővítésére is.
Viszont a szándék legalább már megvan. A jövőbeni kutatások célja pedig a szimulációs hűség javítása és a szimulált és valós robotikai alkalmazások közötti szakadék áthidalása. A kutatás végső, üdvözlendő célja pedig tehát, hogy új lehetőségeket nyisson az általános célú robotok képzésében, amelyek végre képesek lennének ellátni a mindennapi, háztartással kapcsolatos feladatok széles skáláját.
Felkai Ádám
A robotok verset írnak, festegetnek (na jó: képet generálnak), tehát elvégzik jól-rosszul, és jellemzően lélektelenül azt a tevékenységet, amit az emberek többsége is szívesen végezne. Közben a mosogatóban gyűlik a tányér, a padló sem mossa fel önmagát, tehát a gép épp azt nem teszi, amit tennie kellene: nem veszi le a vállunkról a mindennapi apró-cseprő nyűgök terhét. Szerencsére ezen a fronton radikális változásra számíthatunk.
Az Austini Texasi Egyetem és az NVIDIA Research kutatói ugyanis kifejlesztették a RoboCasa nevű eszközt – számol be róla az Interesting Engineering. A RoboCasa még nem robot, de az első lépés a háztartási, általános robotok felé vezető úton – a RoboCasa ugyanis egy átfogó szimulációs keretrendszert, melyet éppen azért hoztak létre, hogy robotokat tanítson be a háztartási feladatok elvégzésére különféle mindennapi körülmények között. A RoboCasa generatív mesterséges intelligencia eszközöket tartalmaz, mint például az objektumok szöveg-alapú 3D modelljeit és a környezeti textúrák szöveg-kép modelljeit, hogy javítsa szimulációinak a valósághűségét és egyben a sokszínűségét.
A keretrendszer több mint 150 objektumkategóriához biztosít hozzáférést, magyarán számos bútorhoz és készülékhez, miközben több ezer 3D-s eszközt kínál, és több mint 100 különféle feladatot támogat.
A RoboCasa tehát lényegében egy virtuális kiképzőtábor háztartási robotoknak – azért van rá szükség, hogy a tanuló rendszerek adatokhoz jussanak, amelyeket egyébként a valós életben elég nehéz lenne generálni. Különösen a szükséges mennyiségben. A RoboCasa segítségével készült, nagy pontosságú szimulációk így költséghatékony, szintetikus adatokat szolgáltatnak. A keretrendszer egyébként a RoboSuite alapjaira épül, annak infrastruktúráját használja fel a részletes környezetek létrehozására.
Mindez jelentős előrelépés, de azért akadnak korlátok is: kihívást jelent például a szimulált környezetben megtanult irányelvek valós környezetbe történő ültetése (pedig ugye ez lenne a dolog lényege), és szükség lenne még a feladatok számának, valamint komplexitásának a bővítésére is.
Viszont a szándék legalább már megvan. A jövőbeni kutatások célja pedig a szimulációs hűség javítása és a szimulált és valós robotikai alkalmazások közötti szakadék áthidalása. A kutatás végső, üdvözlendő célja pedig tehát, hogy új lehetőségeket nyisson az általános célú robotok képzésében, amelyek végre képesek lennének ellátni a mindennapi, háztartással kapcsolatos feladatok széles skáláját.
Felkai Ádám
