xBerry Talks – Wyzwania związane z SLAM i autonomią z Piotrem Skrzypczyńskim and Januszem Będkowskim

Autonomia w sprzątaniu — czy mój odkurzacz jest autonomiczny?

 
W codziennym życiu otacza nas wiele maszyn — jedne są bardziej, inne mniej inteligentne. Wśród nich wielu z nas wyposażyło się w roboty sprzątające. Te małe maszyny potrafią sprawić, że nasze domy lśnią czystością, ale czy kiedykolwiek zastanawialiście się, co kryje się pod ich obudową? Czy możemy uznać nasze odkurzacze za roboty autonomiczne i dlaczego tak dużo mówi się o autonomii pojazdów, skoro autonomia w ograniczonych warunkach wydaje się prostszym rozwiązaniem?
 
„Patrząc na obecny stan wiedzy, trudno jednoznacznie określić poziom autonomii wykazywany przez roboty sprzątające. Upraszczając autonomię do zdolności budowania mapy otoczenia, nawigowania po tej mapie i wykonywania serii misji bez potrzeby angażowania operatora, to odpowiedź brzmi: tak. Z drugiej strony wielu badaczy i użytkowników tych robotów oczekuje od maszyny autonomicznej spektakularnych kompetencji. Naturalną aspiracją robotyki jest stworzenie w pełni inteligentnej maszyny, która rozpoznaje otoczenie i na tej podstawie wykonuje zadania samodzielnie lub we współpracy z innymi maszynami.” mówi profesor Janusz Będkowski.
 
„Określając agenta robotycznego mianem ‘autonomicznego’, mam na myśli autonomię w sensie podejmowania niezależnych decyzji. Można więc powiedzieć, że inteligentny agent postrzega swoje otoczenie za pomocą sensorów i działa racjonalnie na to otoczenie za pomocą swoich efektorów. Ta definicja jest zbliżona do tego, jak Russel i Norvig definiują w swoim podręczniku ‘Artificial Intelligence: A Modern Approach’, powszechnie używanym do nauczania AI na uniwersytetach. W tym sensie nowoczesne roboty odkurzające są rzeczywiście autonomiczne, choć większość z nich jest dość prosta w swoim zachowaniu, będąc raczej agentami reaktywnymi niż bardziej zaawansowanymi ‘agentami racjonalnymi’, które działają w kierunku osiągnięcia celu, zgodnie z klasyfikacją Russela i Norviga. W praktyce autonomia może mieć wiele aspektów, a brak niektórych funkcji (np. budowania mapy czy planowania) nie oznacza, że agent lub robot nie jest autonomiczny, o ile podejmuje decyzje na podstawie obserwacji lub odczytów z sensorów.” twierdzi profesor Piotr Skrzypczyński.
 
„Dlaczego ludzie mówią o autonomicznych samochodach, a nie o autonomicznych odkurzaczach czy kosiarkach? Być może po prostu dlatego, że samochody są bardziej „efektowne”. Prowadzenie samochodu to także doświadczenie znane większości ludzi, więc „zrobotyzowanie” tej czynności wygląda jak przeniesienie autonomii w robotyce na nowy, ważny poziom, w przeciwieństwie do obsługi odkurzacza, która może być postrzegana jedynie jako „automatyzacja”. Moim zdaniem cały ten szum wokół samochodów autonomicznych to głównie kwestia PR-u. Podoba mi się tu porównanie z programem kosmicznym z lat 60. W rzeczywistości wysłanie ludzi na Księżyc było bardzo skomplikowane, ryzykowne i w dużej mierze niepotrzebne. Jednak cały program Apollo umożliwił ogromny postęp w wielu obszarach technologii, z których większość nie była bezpośrednio związana z podróżami kosmicznymi. Rola samochodów autonomicznych wydaje się podobna, tyle że obecnie siłą napędową są raczej duże firmy technologiczne niż rządy.” dodaje profesor.
 

 

Autonomia na ulicach i chodnikach — podejścia i możliwości

 
Choć jazda autonomiczna z pewnością stanie się rzeczywistością w niedalekiej przyszłości, pozostaje tematem kontrowersyjnym. Okazuje się, że szukając rozwiązań technologicznych dla autonomicznych robotów czy samochodów, wciąż musimy brać pod uwagę cały szereg zasad i zależności, związanych na przykład z przepisami drogowymi. Gdzie autonomia pojawi się najpierw — na chodnikach, w formie robotów dostarczających paczki na ostatnim odcinku drogi, skutecznie manewrujących między pieszymi, czy na ulicach, jako pełnoprawne pojazdy bez kierowcy za kierownicą?
 
„Roboty dostawcze na ostatnim odcinku drogi to być może najnowszy dodatek do zestawu obiecywanych rozwiązań robotycznych, które powinniśmy mieć w zasięgu ręki w najbliższej przyszłości. Jednak tego typu roboty prawdopodobnie wyprzedzą swoich większych kuzynów w wyścigu o realne zastosowania. Istnieje wiele czynników, które sprawiają, że roboty dostawcze są zarówno technologicznie prostsze, jak i łatwiejsze do wdrożenia w praktycznych zastosowaniach,” — twierdzi profesor Piotr Skrzypczyński. — „Przede wszystkim ryzyko związane z ewentualnymi wypadkami z udziałem robotów dostarczających jedzenie lub paczki jest mniejsze i łatwiejsze do opanowania niż w przypadku wypadków autonomicznych pojazdów, które mogą przewozić ludzi. Oczywiście poruszanie się w tłumie także nie jest łatwe, ale istnieją algorytmy, które potrafią zarządzać takimi scenariuszami, a ryzyko nieprzewidzianego, ale poważnego wypadku jest znacznie mniejsze.” — dodaje.
 
Ten pogląd podziela również profesor Janusz Będkowski. „Komercjalizacja i wprowadzenie autonomicznych robotów dostarczających jedzenie do codziennego użytku nastąpi szybciej niż pojazdów autonomicznych przewożących ludzi na najwyższym poziomie autonomii (bez kierownicy). Jednocześnie obecne samochody są już częściowo autonomiczne — potrafią utrzymywać się na pasie, automatycznie hamować i przyspieszać. Problem autonomii sprowadza się do zapewnienia komfortowej podróży z punktu A do punktu B, co dla samochodów stanowi wyzwanie z punktu widzenia bezpieczeństwa. Roboty dostawcze jedzenia są znacznie lżejsze i poruszają się wolniej. Można wręcz zaryzykować stwierdzenie, że są dużo prostszym rozwiązaniem ze względu na ograniczony wpływ na innych uczestników ruchu drogowego. Prawdopodobieństwo, że robot dostarczający jedzenie spowoduje śmiertelny wypadek, jest szacowane jako zdecydowanie niższe niż w przypadku szybko poruszającego się autonomicznego samochodu,” — twierdzi profesor Będkowski.
 

 

Czy autonomia = SLAM? Porozmawiajmy o schematach myślowych w technologii

 
Gdy mówimy o autonomii pojazdów, od razu zaczynamy myśleć również o SLAM. Czy ten schemat myślowy jest poprawny? Czy budowanie i aktualizowanie gęstych oraz dokładnych map jest konieczne do stworzenia autonomii?
 
„Autonomia bez SLAM jest możliwa, ale w ograniczonym zakresie,” mówi profesor Janusz Będkowski. „SLAM umożliwia natychmiastową aktualizację mapy, co w konsekwencji skraca czas planowania i eliminuje ryzyko niepowodzenia misji z punktu A do B. Automatyczna, ciągła aktualizacja mapy to wyzwanie. Moim zdaniem autonomiczne pojazdy przyszłości będą korzystać z map, które będą aktualizowane na podstawie dużej ilości informacji z różnych źródeł. Dlatego roboty będą używać map również z innych źródeł niż SLAM na komputerze pokładowym.”
 
„Tak, to możliwe,” — twierdzi profesor Piotr Skrzypczyński. „W rzeczywistości, biorąc pod uwagę definicję autonomii oraz autonomicznego/inteligentnego agenta, o której wcześniej rozmawialiśmy, możliwe jest wykazywanie inteligentnego zachowania bez budowania modelu świata. To coś, co odkryto pod koniec lat 80., gdy badacze robotyki zaczęli kwestionować sens paradygmatu sense-plan-act przy konstruowaniu autonomicznych robotów. Ten paradygmat, zaczerpnięty bezpośrednio z ówczesnych teorii AI dotyczących reprezentacji wiedzy i formalnego planowania, okazał się niewystarczający dla systemów czasu rzeczywistego w nieprzewidywalnym środowisku, czyli dla robotów mobilnych. Rodney Brooks — wpływowy i dziś bardzo znany badacz robotyki — ukuł wtedy powiedzenie „świat jest swoim najlepszym modelem”, odnosząc się do agentów reaktywnych.
 
Tak więc nie potrzebujemy SLAM do autonomii. Jednak haczyk polega na tym, że bez modelu świata musimy pozostać na poziomie autonomii i planowania poznawczego podobnym do tych prostych odkurzaczy. Aby planować działania i ruchy oraz osiągnąć pojęcie optymalności w działaniach wykonywanych przez robota, potrzebujemy modelu świata. Z kolei jeśli chcemy modelu świata, musimy go zbudować, ponieważ przypadki użycia, w których możemy uzyskać rozsądny model świata od „wyroczni”, takie jak mapy HD w autonomicznej jeździe czy plany architektoniczne do nawigacji wewnętrznej, nie są dostępne dla wielu środowisk, a mówiąc szczerze, ich użycie jest raczej ograniczone. Nawet jeśli mamy taki model, robot musi przynajmniej być w stanie go aktualizować. Model środowiska można uzyskać w stosunkowo prosty sposób, o ile znane są pozycje agenta, ale znowu potrzebujemy „wyroczni”, aby dostarczyć te pozycje. I tak dochodzimy do problemu „kury i jajka”, którym w istocie jest SLAM.
 
SLAM jest konieczny dla autonomii, jeśli posiadanie mapy środowiska jest niezbędne do wykonania danego zadania. Oczywiście w niektórych środowiskach mamy praktyczną „wyrocznię”, taką jak GNSS do nawigacji na zewnątrz, ale wszystkie systemy techniczne mają swoje ograniczenia. Technologia GNSS nie jest wyjątkiem i z powodu ograniczonej dostępności sygnału oraz licznych problemów związanych z propagacją sygnału z satelitów, SLAM z lokalnymi sensorami wciąż jest konieczny. Typ mapy wymaganej przez robota również zależy od zastosowania. Zazwyczaj SLAM może działać z dość rzadką reprezentacją środowiska, zawierającą tylko cechy użyteczne do lokalizacji. Jednak jeśli chcemy używać tej samej mapy do planowania ruchu, rozpoznawania obiektów, segmentacji semantycznej lub czegokolwiek innego poza samym SLAM-em, wtedy gęsta mapa może być właściwym wyborem. Moim zdaniem sensowne jest jednak, aby mapa SLAM była możliwie jak najbardziej minimalna ze względu na właściwości skalowania, a następnie używać oszacowań pozycji agenta dostarczanych przez SLAM do rejestrowania innych właściwości środowiska.” mówi profesor.
 

 

Wpływ SLAM na przyszłość — czy społeczeństwo autonomiczne to fakt, czy fantazja?

 
W popkulturze nietrudno znaleźć liczne odniesienia do zautomatyzowanej, robotycznej przyszłości. Wizje zastępowania ludzi przez roboty w różnych obszarach — zawodowych czy społecznych — stały się popularnym motywem w tekstach kultury, niosąc często ton science fiction. Czy ta fikcja, często tworzona wyłącznie w celach rozrywkowych, ma szansę przenieść się do rzeczywistości? Być może mamy szansę stworzyć częściowo zautomatyzowane społeczeństwo, w którym będziemy żyli w pewnego rodzaju symbiozie z robotami — nie tylko pomagającymi nam w najbardziej powtarzalnych zadaniach, ale również działającymi niemal jak codzienni towarzysze?
 
„Nie sądzę, żeby robotyka i autonomia przejęły sektor przemysłowy i gospodarczy jeden po drugim. To raczej ewolucja, czy wręcz cicha rewolucja, ponieważ proces ten ma szybkie tempo, ale niełatwo go zaobserwować. Jesteśmy świadkami coraz większego poziomu automatyzacji w wielu sektorach i jest to najczęściej automatyzacja inteligentna, oparta na przetwarzaniu obrazów, estymacji i uczeniu. Procesy te są dojrzałe i wystarczająco niezawodne, aby można je było stosować niemal od razu tam, gdzie problem jest wąski i dobrze zdefiniowany.” twierdzi profesor Piotr Skrzypczyński.
 
Ze względu na postępujące starzenie się społeczeństwa konieczne będzie wprowadzenie autonomicznych pielęgniarek, autonomicznych robotów sprzątających, autonomicznych robotów pracujących przy produkcji żywności i innych. To pozwoli po pierwsze zmniejszyć negatywny wpływ malejącej liczby pracowników, a po drugie — zapewnić opiekę zdrowotną. Zestaw istniejących zawodów zostanie wzbogacony o zupełnie nowe profesje bezpośrednio związane z rozwijającą się technologią robotów mobilnych,” mówi profesor Janusz Będkowski. „Łatwo wyobrazić sobie powstanie licznych usług związanych z utrzymywaniem robotów autonomicznych w gotowości operacyjnej. Równie łatwo wyobrazić sobie niemal całkowicie autonomiczny świat, w którym człowiek nie musi już pracować. Na szczęście to tylko utopia — roboty mobilne autonomiczne muszą najpierw zdobyć szeroko rozumianą akceptację społeczną. I czy byłoby to dla nas łatwe? Jako możliwą odpowiedź wystarczy przytoczyć pierwszy w historii śmiertelny wypadek samochodu autonomicznego, który moim zdaniem cofnął rozwój technologii o co najmniej dekadę. Podsumowując, autonomia wciąż stoi przed wieloma wyzwaniami, nie tylko technologicznymi, ale też społecznymi. Dlatego praca nad pojazdami autonomicznymi wciąż jest ekscytująca.
 
Jestem sceptyczny co do szans na zobaczenie w pełni autonomicznych samochodów na ulicach w ciągu najbliższych dziesięciu lat czy posiadania robotycznych lokajów w domach w ciągu dwóch, a nawet trzech dekad,” dodaje profesor Piotr Skrzypczyński. „Z drugiej strony techniki zaczerpnięte z robotyki i sztucznej inteligencji będą coraz bardziej obecne w urządzeniach, z którymi mamy kontakt na co dzień. Moje osobiste typy co do kolejnych obszarów robotyzacji to logistyka, sklepy detaliczne oraz rolnictwo. Wszystkie te sektory wymagają dużej liczby nisko wykwalifikowanych pracowników i obejmują raczej powtarzalne zadania. Mamy więc zarówno powód (niedobór pracowników), jak i okazję (powtarzalne zadania łatwo zautomatyzować).
 
Będzie to oczywiście miało wpływ społeczny, ponieważ nie wszyscy ludzie mogą przejść do bardziej kreatywnych zawodów. Obawy, że nowe technologie AI spowodują utratę miejsc pracy, istnieją od dawna. Chociaż automatyzacja napędzana rozwojem AI i robotyki tworzy nowe i lepsze miejsca pracy dla specjalistów, jednocześnie eliminuje zatrudnienie dla osób, które nie są wykwalifikowane i kreatywne. Proces ten przyspieszył w ciągu ostatnich dwóch lat, ponieważ pandemia zmusiła wiele firm do szukania oszczędności, a wdrażanie nowych technologii obniża koszty, zwiększa produktywność i zmniejsza zależność od dostępności pracowników. Światowe Forum Ekonomiczne (WEF) w swoim najnowszym raporcie stwierdziło, że automatyzacja oparta na AI i robotyce wyeliminuje około 85 milionów miejsc pracy do 2025 roku.” podsumowuje profesor Skrzypczyński.
 
Ciekawi Cię, jak SLAM może wspomóc Twój biznes? Skontaktuj się z nami i sprawdź, jak doświadczenie xBerry może Cię wesprzeć.
 
Biogramy ekspertów tej edycji:
 

 
Professor Piotr Skrzypczyński
Poznan University of Technology

 
Piotr Skrzypczyński jest profesorem zwyczajnym w Instytucie Robotyki i Inteligencji Maszynowej (IRIM) na Politechnice Poznańskiej oraz kierownikiem Zakładu Robotyki IRIM. Piotr Skrzypczyński uzyskał stopień doktora i doktora habilitowanego w dziedzinie robotyki na Politechnice Poznańskiej w latach 1997 i 2007. Jest autorem lub współautorem ponad 160 publikacji naukowych z zakresu robotyki i informatyki.
 
Jego obecne zainteresowania badawcze obejmują robotykę opartą na sztucznej inteligencji, nawigację robotów i SLAM, widzenie komputerowe oraz uczenie maszynowe.
 

 
Profesor Janusz Będkowski
Polska Akademia Nauk
Współzałożyciel HDMapping.org
 
Janusz Będkowski jest doktorem habilitowanym oraz doktorem nauk technicznych w dziedzinie robotyki mobilnej. Jest pracownikiem naukowym Polskiej Akademii Nauk, Instytutu Podstawowych Problemów Techniki, a wcześniej był inżynierem w TomTom International BV. Aktywnie angażuje się w teoretyczne i praktyczne aspekty zastosowań lokalizacji i mapowania w skali globalnej.

Obecnie pracuje nad metodologią łączącą geodezję i kartografię, nauki o Ziemi oraz robotykę mobilną. Jest aktywnym uczestnikiem European Land Robotic Trial (ELROB) oraz European Robotics Hackathon (ENRICH).