Roboter egner seg godt til å utføre repeterende og kjedelige arbeidsoppgaver. De har blitt brukt i industrien i tiår, og mange har fått seg roboter hjemme som feier gulvet eller klipper gressplenen.
Men slike roboter har sine begrensninger. De er gode til én oppgave og kan sjelden lære seg noe nytt eller å gjøre oppgavene bedre over tid.
Dette er noe av målet som Everyday Robots håper å kunne oppnå.
Ustrukturerte omgivelser
Til nå har Everyday Robots vært blant prosjektene til X, en divisjon i Alphabet (moderselskapet til Google) som forsøker å utvikle science fiction-aktive teknologier. Men nylig har Everyday Robots blitt en mer selvstendig enhet, ledet av amerikansk-norske Hans Peter Brøndmo.
Brøndmo og hans team har i flere år forsøkt å lære opp roboter til å kunne gjøre nytte for seg på de ustrukturerte stedene hvor vi mennesker oppholder oss. Et slikt sted er i hovedkvarteret til Google, Googleplex, samt i andre av Googles lokaler i San Francisco Bay-området.
Der skal en stor gruppe roboter som Everyday Robots har utviklet, bidra med å sortere søppel, tørke av bordene i kafeteriaer og sette på plass stoler på møterom.
Det enkle er vanskelig
I et blogginnlegg siterer Brøndmo robotikk- og AI-forskeren Hans Maravec, som allerede på 1980-tallet observerte at det er enkelt å trene opp roboter til å gjøre ting mennesker synes er vanskelig, som å spille sjakk eller løse avanserte matematikkoppgaver, samtidig som det er veldig vanskelig å lære robotene ting som mennesker syns er enkelt, som å gå eller gjenkjenne og samhandle med objekter.
– Nylige gjennombrudd innen maskinlæring bidrar derimot til at dette langsomt endres, skriver Brøndmo.
Kan ikke programmere alt
Noe av problemet har ligget i at roboter har måtte kodes til å gjøre oppgavene sine på en helt nøyaktig måte. Dette fungerer så lenge omgivelsene er velstrukturerte og aldri byr på overraskelser. Men i et ustrukturert miljø, hvor det er mange uforutsigbare faktorer, er det ikke mulig å programmere dem til å håndtere ethvert scenario. I stedet er de nødt til å lære, skriver Brøndmo.
For å spare tid læres robotene opp i en simulert verden før de får prøve seg på den virkelige verdenen. Mens det uten simulering kunne ta rundt fire måneder for en robot å lære seg å plukke opp små gjenstander med 75 prosent suksessrate, kan en robot nå lære seg komplekse oppgaver, som å åpne en dør, på under en dag, og med 90 prosent suksessrate.
Blant annet lærer robotene ved å gjøre feil. Gjøres feilene i fysiske miljøer, slik som i videoen nedenfor, kan det få uheldige konsekvenser.
Det har også vist seg at algoritmene og læringen knyttet til døråpning kan brukes til å sette på plass stoler inntil bord.
– Denne prosessen gir oss håp om at vårt «moonshot» for å bygge lærende universalroboter kan være mulig, skriver Brøndmo.
Må ut i verden
Han mener det vil ta lang tid å lage roboter som faktisk kan hjelpe oss i dagliglivet, men også at den eneste måten å få dette til å fungere på, er å få noen av de tidlige robotene ut i verden, slikå at de kan forsøke å arbeide ved siden av oss.
I løpet av den nærmeste måneden kan Google-ansatte komme til å se robotene til Everyday Robots rydde opp etter lunsj – eller åpne dører til møterom for å sjekke om rommet må ryddes eller mangler stoler.
