Hvorfor husholdningsrobotter som Rosie fra 'Jetsons' stadig er uden for rækkevidde PlatoBlockchain Data Intelligence. Lodret søgning. Ai.

Hvorfor husholdningsrobotter som Rosie fra 'Jetsons' stadig er uden for rækkevidde

Med de seneste fremskridt inden for kunstig intelligens og robotteknologi, er der stigende interesse for at udvikle og markedsføre husholdningsrobotter, der er i stand til at klare en række huslige gøremål.

Tesla er bygge en menneskelig robot, som ifølge CEO Elon Musk kunne bruges til at lave mad og hjælpe ældre mennesker. Amazon for nylig erhvervet iRobot, en fremtrædende robotstøvsugerproducent, og har investeret massivt i teknologien gennem Amazon Robotics program at udvide robotteknologi til forbrugermarkedet. I maj 2022 annoncerede Dyson, et firma kendt for sine kraftstøvsugere, at det planlægger at bygge Storbritanniens største robotcenter, der er dedikeret til udvikling af husholdningsrobotter der udfører daglige huslige opgaver i beboelsesrum.

På trods af den stigende interesse kan potentielle kunder muligvis vente et stykke tid på, at disse robotter kommer på markedet. Mens enheder som smarte termostater og sikkerhedssystemer er meget udbredt i hjemmene i dag, er den kommercielle brug af husholdningsrobotter stadig i sin vorden.

Som en robotforsker, Jeg ved selv, hvordan husholdningsrobotter er betydeligt sværere at bygge end smarte digitale enheder eller industrirobotter.

[Indlejret indhold]

Håndtering af genstande

En stor forskel mellem digitale og robotiske enheder er, at husholdningsrobotter behov for at manipulere objekter gennem fysisk kontakt til at udføre deres opgaver. De skal bære tallerkenerne, flytte stolene og samle snavset vasketøj op og lægge det i vaskemaskinen. Disse operationer kræver, at robotten er i stand til at håndtere skrøbelige, bløde og nogle gange tunge genstande med uregelmæssige former.

De avancerede AI- og maskinlæringsalgoritmer fungerer godt i simulerede miljøer. Men kontakt med genstande i den virkelige verden vælter dem ofte. Dette sker, fordi fysisk kontakt ofte er svær at modellere og endnu sværere at kontrollere. Mens et menneske nemt kan udføre disse opgaver, eksisterer der betydelige tekniske forhindringer for husholdningsrobotter for at nå evnen til at håndtere genstande på menneskeligt niveau.

Robotter har svært ved to aspekter af at manipulere objekter: kontrol og sansning. Mange pick-and-place robotmanipulatorer som dem på samlebånd er udstyret med en simpel griber eller specialværktøj, der kun er dedikeret til bestemte opgaver som at gribe og bære en bestemt del. De kæmper ofte med at manipulere genstande med uregelmæssige former eller elastiske materialer, især fordi de mangler den effektive kraft eller haptisk feedback mennesker er naturligt udstyret med. At bygge en robothånd til generelle formål med fleksible fingre er stadig teknisk udfordrende og dyrt.

Det er også værd at nævne, at traditionelle robotmanipulatorer kræver en stabil platform for at fungere præcist, men nøjagtigheden falder betydeligt, når de bruges med platforme, der bevæger sig rundt, især på en række forskellige overflader. Koordinering af bevægelse og manipulation i en mobil robot er et åbent problem i robotmiljøet, som skal løses, før bred egnede husholdningsrobotter kan komme på markedet.

Et sofistikeret robotkøkken er allerede på markedet (nedenfor), men det fungerer i et meget struktureret miljø, hvilket betyder, at alle de genstande, det interagerer med - køkkengrej, madbeholdere, apparater - er, hvor det forventer, at de skal være, og der er ingen irriterende mennesker at komme i vejen.

[Indlejret indhold]

De kan lide struktur

I et samlebånd eller et lager er miljøet og rækkefølgen af ​​opgaver strengt organiseret. Dette giver ingeniører mulighed for at forprogrammere robottens bevægelser eller bruge simple metoder som QR-koder til at lokalisere objekter eller målplaceringer. Dog er husholdningsartikler ofte uorganiserede og placeret tilfældigt.

Hjemmerobotter skal håndtere mange usikkerheder i deres arbejdspladser. Robotten skal først lokalisere og identificere målobjektet blandt mange andre. Ganske ofte kræver det også, at man rydder eller undgår andre forhindringer i arbejdsområdet for at kunne nå varen og udføre givne opgaver. Dette kræver, at robotten har et fremragende perceptionssystem, effektive navigationsevner og kraftfuld og nøjagtig manipulationsevne.

For eksempel ved brugere af robotstøvsugere, at de skal fjerne alle små møbler og andre forhindringer såsom kabler fra gulvet, fordi selv den bedste robotstøvsuger ikke kan rense dem af sig selv. Endnu mere udfordrende er det, at robotten skal operere i nærvær af bevægelige forhindringer, når mennesker og kæledyr går inden for kort afstand.

Holde det enkelt

Selvom de virker ligetil for mennesker, er mange husholdningsopgaver for komplekse for robotter. Industrirobotter er fremragende til gentagne operationer, hvor robotbevægelsen kan forprogrammeres. Men husholdningsopgaver er ofte unikke for situationen og kan være fulde af overraskelser, der kræver, at robotten hele tiden træffer beslutninger og ændrer rute for at udføre opgaverne.

Tænk på madlavning eller rengøring. I løbet af et par minutters madlavning kan du få fat i en sauterpande, en spatel, en komfursknop, et køleskabsdørhåndtag, et æg og en flaske madolie. For at vaske en pande holder og flytter du den typisk med den ene hånd, mens du skrubber med den anden, og sørger for at alle påkogte madrester er fjernet og så skylles al sæbe af.

Der er sket en betydelig udvikling i de senere år med at bruge maskinlæring til at træne robotter til at træffe intelligente beslutninger, når de plukker og placerer forskellige objekter, hvilket betyder at gribe og flytte objekter fra et sted til et andet. Men at kunne træne robotter til at mestre alle forskellige typer køkkenredskaber og husholdningsapparater ville være en anden sværhedsgrad selv for de bedste indlæringsalgoritmer.

For slet ikke at tale om, at folks hjem ofte har trapper, smalle gange og høje hylder. Disse svært tilgængelige rum begrænser brugen af ​​nutidens mobile robotter, som har tendens til at bruge hjul eller fire ben. Humanoide robotter, som i højere grad ville matche de miljøer, mennesker bygger og organiserer for sig selv, er endnu ikke blevet brugt pålideligt uden for laboratoriemiljøer.

En løsning på opgavekompleksitet er at bygge specialrobotter, såsom robotstøvsugere eller køkkenrobotter. Mange forskellige typer af sådanne enheder vil sandsynligvis blive udviklet i den nærmeste fremtid. Jeg tror dog, at almene hjemmerobotter stadig er det langt væk.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs oprindelige artikel.

Billede Credit: Dyson

Tidsstempel:

Mere fra Singularitet Hub