Met recente ontwikkelingen in kunstmatige intelligentie en robottechnologie, is er een groeiende interesse in het ontwikkelen en op de markt brengen van huishoudelijke robots die in staat zijn om een verscheidenheid aan huishoudelijke taken uit te voeren.
Tesla wel een humanoïde robot bouwen, die volgens CEO Elon Musk zou kunnen worden gebruikt voor het koken van maaltijden en het helpen van ouderen. Amazon onlangs overgenomen iRobot, een vooraanstaande fabrikant van robotstofzuigers, en heeft zwaar geïnvesteerd in de technologie via de Amazon Robotics-programma om robottechnologie uit te breiden naar de consumentenmarkt. In mei 2022 kondigde Dyson, een bedrijf dat bekend staat om zijn elektrische stofzuigers, aan dat het van plan is om het grootste roboticacentrum van het VK te bouwen dat zich toelegt op huishoudrobots ontwikkelen die dagelijkse huishoudelijke taken in woonruimten uitvoeren.
Ondanks de groeiende belangstelling, zullen potentiële klanten mogelijk even moeten wachten voordat die robots op de markt komen. Hoewel apparaten zoals slimme thermostaten en beveiligingssystemen tegenwoordig veel worden gebruikt in huizen, staat het commerciële gebruik van huishoudelijke robots nog in de kinderschoenen.
Als robotica onderzoeker, Ik weet uit de eerste hand hoe huishoudelijke robots aanzienlijk moeilijker te bouwen zijn dan slimme digitale apparaten of industriële robots.
Objecten hanteren
Een groot verschil tussen digitale en robotachtige apparaten is dat huishoudelijke robots objecten moeten manipuleren door fysiek contact om hun taken uit te voeren. Ze moeten de borden dragen, de stoelen verplaatsen en vuile was oprapen en in de wasmachine doen. Deze operaties vereisen dat de robot breekbare, zachte en soms zware voorwerpen met onregelmatige vormen kan hanteren.
De ultramoderne AI- en machine learning-algoritmen presteren goed in gesimuleerde omgevingen. Maar contact met objecten in de echte wereld doet ze vaak struikelen. Dit gebeurt omdat fysiek contact vaak moeilijk te modelleren en nog moeilijker te controleren is. Hoewel een mens deze taken gemakkelijk kan uitvoeren, bestaan er aanzienlijke technische hindernissen voor huishoudelijke robots om het vermogen van mensen om objecten te hanteren te bereiken.
Robots hebben moeite met twee aspecten van het manipuleren van objecten: controle en detectie. Veel pick-and-place robotmanipulators, zoals die op assemblagelijnen, zijn uitgerust met een eenvoudige grijper of gespecialiseerde gereedschappen die alleen zijn bedoeld voor bepaalde taken, zoals het grijpen en dragen van een bepaald onderdeel. Ze hebben vaak moeite om objecten met onregelmatige vormen of elastische materialen te manipuleren, vooral omdat ze de efficiënte kracht of haptische feedback mensen zijn van nature begiftigd met. Het bouwen van een robothand voor algemeen gebruik met flexibele vingers is nog steeds technisch uitdagend en duur.
Het is ook vermeldenswaard dat traditionele robotmanipulators een stabiel platform nodig hebben om nauwkeurig te kunnen werken, maar de nauwkeurigheid neemt aanzienlijk af wanneer ze worden gebruikt met platforms die zich verplaatsen, met name op verschillende oppervlakken. Het coördineren van voortbeweging en manipulatie in een mobiele robot is een open probleem in de robotica-gemeenschap dat moet worden aangepakt voordat algemeen capabele huishoudelijke robots op de markt kunnen komen.
Er is al een geavanceerde robotkeuken op de markt (hieronder), maar deze werkt in een zeer gestructureerde omgeving, wat betekent dat alle objecten waarmee hij samenwerkt - kookgerei, voedselcontainers, apparaten - zijn waar hij verwacht dat ze zijn, en er zijn geen vervelende mensen om in de weg te staan.
Ze houden van structuur
In een lopende band of een magazijn zijn de omgeving en de volgorde van taken strikt georganiseerd. Hierdoor kunnen technici de bewegingen van de robot voorprogrammeren of eenvoudige methoden zoals QR-codes gebruiken om objecten of doellocaties te lokaliseren. Huishoudelijke artikelen zijn echter vaak ongeordend en willekeurig geplaatst.
Thuisrobots hebben te maken met veel onzekerheden in hun werkruimtes. De robot moet eerst het doelitem lokaliseren en identificeren, naast vele andere. Heel vaak vereist het ook het opruimen of vermijden van andere obstakels in de werkruimte om het item te kunnen bereiken en bepaalde taken uit te voeren. Dit vereist dat de robot een uitstekend waarnemingssysteem, efficiënte navigatievaardigheden en krachtige en nauwkeurige manipulatiemogelijkheden heeft.
Gebruikers van robotstofzuigers weten bijvoorbeeld dat ze alle kleine meubels en andere obstakels zoals kabels van de vloer moeten verwijderen, omdat zelfs de beste robotstofzuiger ze niet alleen kan verwijderen. Nog uitdagender is dat de robot moet werken in de aanwezigheid van bewegende obstakels wanneer mensen en huisdieren binnen korte afstand lopen.
Keeping It Simple
Hoewel ze voor mensen eenvoudig lijken, zijn veel huishoudelijke taken te complex voor robots. Industriële robots zijn uitstekend geschikt voor repetitieve handelingen waarbij de robotbeweging voorgeprogrammeerd kan worden. Maar huishoudelijke taken zijn vaak uniek voor de situatie en kunnen vol verrassingen zijn waardoor de robot voortdurend beslissingen moet nemen en zijn route moet veranderen om de taken uit te voeren.
Denk aan koken of afwassen. In de loop van een paar minuten koken, zou je een sauteerpan, een spatel, een fornuisknop, een deurklink van de koelkast, een ei en een fles bakolie kunnen pakken. Om een pan af te wassen, houdt en beweegt u deze meestal met één hand terwijl u met de andere schrobt, en zorgt u ervoor dat alle aangekoekte voedselresten worden verwijderd en dat vervolgens alle zeep wordt afgespoeld.
Er is de afgelopen jaren een aanzienlijke ontwikkeling geweest met behulp van machine learning om robots te trainen om intelligente beslissingen te nemen bij het kiezen en plaatsen van verschillende objecten, wat inhoudt dat ze objecten van de ene plek naar de andere grijpen en verplaatsen. Om robots te kunnen trainen om alle verschillende soorten keukengereedschap en huishoudelijke apparaten onder de knie te krijgen, zou echter een andere moeilijkheidsgraad zijn, zelfs voor de beste leeralgoritmen.
Om nog maar te zwijgen van het feit dat de huizen van mensen vaak trappen, smalle doorgangen en hoge planken hebben. Die moeilijk bereikbare ruimtes beperken het gebruik van de huidige mobiele robots, die de neiging hebben om wielen of vier poten te gebruiken. Humanoïde robots, die beter aansluiten bij de omgevingen die mensen voor zichzelf bouwen en organiseren, moeten nog betrouwbaar worden gebruikt buiten laboratoriumomgevingen.
Een oplossing voor de complexiteit van taken is het bouwen van robots voor speciale doeleinden, zoals robotstofzuigers of keukenrobots. In de nabije toekomst zullen waarschijnlijk veel verschillende soorten van dergelijke apparaten worden ontwikkeld. Ik geloof echter dat thuisrobots voor algemeen gebruik nog steeds ver weg.
Dit artikel is opnieuw gepubliceerd vanaf The Conversation onder een Creative Commons-licentie. Lees de originele artikel.
Krediet van het beeld: Dyson
