Ένα νέο σύστημα τεχνητής νοημοσύνης επιτρέπει στα ρομπότ να σχεδιάζουν την επόμενη κίνησή τους ενώ βρίσκονται ήδη σε κίνηση εξαλείφοντας τις καθυστερήσεις αντίδρασης και διπλασιάζοντας την ταχύτητα εκτέλεσης εργασιών χωρίς επιπλέον υπολογιστικό κόστος.
Επιστήμονες ανέπτυξαν ένα νέο σύστημα τεχνητής νοημοσύνης που μειώνει τις καθυστερήσεις αντίδρασης των ρομπότ κατά περισσότερο από 10 φορέ χωρίς να απαιτεί πρόσθετη υπολογιστική ισχύ.
Πολλά ρομπότ που ελέγχονται από μοντέλα όρασης-γλώσσας-δράσης (Vision-Language-Action ή VLA) κινούνται με διακοπές: φτάνουν προς ένα αντικείμενο, σταματούν, προσαρμόζουν την κίνησή τους, σταματούν ξανά. Το πρόβλημα οφείλεται σε μεγάλο βαθμό στον τρόπο με τον οποίο λειτουργούν συνήθως αυτά τα μοντέλα: αφού ολοκληρώσει ένα σύνολο εντολών το ρομπότ περιμένει μέχρι το μοντέλο να υπολογίσει το επόμενο σύνολο εντολών δημιουργώντας έναν ρυθμό «σταμάτα-ξεκίνα».
Αυτή η καθυστέρηση αντίδρασης αποτελεί σημαντικό εμπόδιο για τη χρήση ρομπότ που ελέγχονται από VLA σε εργασίες οι οποίες απαιτούν συνεχή αλληλεπίδραση σε πραγματικό χρόνο.
Η εξάλειψη
Ένα νέο σύστημα που ονομάζεται VLASH προσπαθεί να εξαλείψει αυτή την αναμονή σχεδιάζοντας τις επόμενες κινήσεις ενώ το ρομπότ ολοκληρώνει τις τρέχουσες. Σε δοκιμές τα ρομπότ που χρησιμοποιούσαν VLASH ολοκλήρωσαν ορισμένες εργασίες 1,5 έως 2 φορές ταχύτερα διατηρώντας παράλληλα το μεγαλύτερο μέρος ή και το σύνολο της ακρίβειάς τους.
Η μέγιστη καθυστέρηση αντίδρασης μειώθηκε έως και 11,8 φορές, ανάλογα με το υλικό του υπολογιστή που χρησιμοποιήθηκε.
Ερευνητές από το MIT, την Nvidia, το Caltech, το Πανεπιστήμιο της Καλιφόρνια Μπέρκλι, το Πανεπιστημίο της Καλιφόρνια Σαν Ντιέγκο και το Tsinghua University στην Κίνα περιέγραψαν το σύστημα σε μελέτη και πρόκειται να την παρουσιάσουν στο συνέδριο Intelligent Robots and Systems το φθινόπωρο.
Μια προηγούμενη έκδοση της μελέτης ανέφερε επιτάχυνση μεγαλύτερη από 30 φορές όμως οι ερευνητές εξήγησαν ότι εκείνες οι δοκιμές χρησιμοποιούσαν μεγαλύτερες ακολουθίες κινήσεων και πιο αργό υλικό.
Τα νεότερα πειράματα χρησιμοποίησαν μικρότερες και πιο συνηθισμένες ακολουθίες κινήσεων και ισχυρότερες GPU. «Το 11,8x ίσως αντιπροσωπεύει καλύτερα τις σύγχρονες πρακτικές συνθήκες», δήλωσαν οι συγγραφείς της μελέτης.
Τα ρομπότ αποκτούν αναβαθμισμένο «εγκέφαλο»
Τα μοντέλα VLA λειτουργούν ως ο «εγκέφαλος» πολλών προηγμένων ρομπότ. Συνδυάζουν εικόνες από μια κάμερα με ανθρώπινες οδηγίες και πληροφορίες σχετικά με την τρέχουσα κατάσταση του ρομπότ και στη συνέχεια μετατρέπουν αυτές τις πληροφορίες σε πραγματικές κινήσεις.
Καθώς το ρομπότ ολοκληρώνει ένα σύνολο κινήσεων το VLASH χρησιμοποιεί την τρέχουσα θέση του και τις ήδη προγραμματισμένες κινήσεις του για να υπολογίσει πού θα βρίσκεται στο τέλος της κίνησης.
Με βάση αυτή την προβλεπόμενη κατάσταση, η AI σχεδιάζει το επόμενο σύνολο κινήσεων. Το VLASH προβλέπει το ρομπότ και όχι ολόκληρο τον κόσμο γύρω του. Η πρόβλεψη ολόκληρου του περιβάλλοντος με ένα μοντέλο κόσμου (world model) μπορεί να απαιτεί περισσότερο υπολογιστικό χρόνο, γεγονός που το καθιστά λιγότερο χρήσιμο όταν ένα ρομπότ χρειάζεται εξαιρετικά γρήγορες αντιδράσεις.
Οι δύο προσεγγίσεις θα μπορούσαν, σύμφωνα με τους ερευνητές, να λειτουργήσουν συνδυαστικά στο μέλλον.Είναι σαν να σχεδιάζεις το επόμενο βήμα σου πριν ακόμη πατήσει το πόδι σου στο έδαφος αντί να περιμένεις να πατήσεις και μετά να αποφασίσεις πού θα πας.
Οι ερευνητές δοκίμασαν δύο μοντέλα VLA σε δύο διαφορετικές ρομποτικές πλατφόρμες, χρησιμοποιώντας έναν φορητό υπολογιστή με GPU Nvidia RTX 5090.
Πραγματοποίησαν δοκιμές σε εργασίες όπως: τοποθέτηση αντικειμένων, στοίβαξη και ταξινόμηση με 20 δοκιμές ανά μέθοδο καθώς και σε απαιτητικές εργασίες που χρειάζονται γρήγορες αντιδράσεις όπως το πινγκ πονγκ και το Whac-a-Mole.
Παράλληλα μέτρησαν ξεχωριστά την καθυστέρηση αντίδρασης σε διάφορες μονάδες επεξεργασίας.
Επειδή το VLASH υπολογίζει τη μελλοντική κατάσταση του ρομπότ από κινήσεις που έχουν ήδη προγραμματιστεί, δεν χρειάζεται ξεχωριστό μοντέλο πρόβλεψης ούτε πρόσθετο στάδιο συμπερασμού (inference) κατά τη λειτουργία.
Προετοιμάζοντας τις μηχανές για τον πραγματικό κόσμο
Οι ερευνητές αναδιοργάνωσαν επίσης υπάρχοντα δεδομένα εκπαίδευσης ώστε να επιταχύνουν τη διαδικασία fine-tuning.
Σε μία δοκιμή αναφοράς, κάθε βήμα εκπαίδευσης ήταν 3,26 φορές ταχύτερο ενώ επιτυγχανόταν παρόμοια ακρίβεια. Αυτό ωστόσο, δεν σημαίνει ότι ο συνολικός χρόνος ή το κόστος εκπαίδευσης μειώνεται κατά 3,26 φορές προειδοποίησαν οι ερευνητές καθώς το συνολικό κόστος εξαρτάται επίσης από το μοντέλο, το υλικό, τα δεδομένα και τον αριθμό των βημάτων εκπαίδευσης.
Το πινγκ πονγκ και το Whac-a-Mole έθεσαν τις αντιδράσεις του VLASH σε ιδιαίτερα απαιτητική δοκιμασία. Και στις δύο περιπτώσεις, ο στόχος μπορούσε να κινηθεί ενώ το ρομπότ εξακολουθούσε να υπολογίζει τι έπρεπε να κάνει.
Το VLASH δεν προσπαθεί να προβλέψει αυτές τις κινήσεις. Αντίθετα, επεξεργάζεται νέες παρατηρήσεις 15 έως 30 φορές το δευτερόλεπτο επιτρέποντάς του να εντοπίζει γρήγορα αλλαγές όπως τη μετακίνηση ενός αντικειμένου.
Η μεγαλύτερη ταχύτητα δεν σημαίνει απαραίτητα μεγαλύτερη ασφάλεια
Η αυξημένη ταχύτητα ωστόσο δεν αντιμετωπίζει το ζήτημα της ασφάλειας των ρομπότ όταν αυτά βρίσκονται κοντά σε ανθρώπους.Η Ροσνί Λουλά συνιδρύτρια και επικεφαλής ερευνήτρια του Institute for Humane Robotics, η οποία δεν συμμετείχε στην έρευνα, προειδοποίησε ότι οι ταχύτερες αντιδράσεις δεν κάνουν απαραίτητα ένα ρομπότ ασφαλέστερο.
«Το να αντιδρά νωρίτερα αποτελεί πραγματικό πλεονέκτημα, αλλά για μένα δεν είναι ξεκάθαρο ότι αυτό συνεπάγεται βελτίωση της ασφάλειας» εξήγησε.
Οι ερευνητές εκτιμούν ότι πρώτες θα επωφεληθούν οι εργασίες χειρισμού αντικειμένων που απαιτούν συνεχή κίνηση και γρήγορες αντιδράσεις. Στο μέλλον αυτό θα μπορούσε να περιλαμβάνει τη βιομηχανική παραγωγή και άλλα περιβάλλοντα όπου τα αντικείμενα μετακινούνται και τα σχέδια πρέπει να αλλάζουν.
Η Λουλά ωστόσο θεωρεί ότι η πιο αποκαλυπτική δοκιμή θα ήταν η χρήση αυτών των ρομπότ σε πραγματικό περιβάλλον με ανθρώπους.
«Το πραγματικό ερώτημα είναι πώς αλλάζει αυτό την απόδοση των ρομπότ σε περιβάλλοντα όπου υπάρχουν άνθρωποι. Θα ήθελα να δω δοκιμές με έναν άνθρωπο παρόντα στον χώρο, όταν η κατάσταση του περιβάλλοντος θα μπορούσε να αλλάξει από έναν άλλο παράγοντα» αναφέρει η Λουλά.
Θα μπορούσε να χρησιμοποιηθεί στην έρευνα και διάσωση;
Η έρευνα και διάσωση αποτελεί μια πιο μακρινή πιθανότητα. Το VLASH δεν έχει ακόμη δοκιμαστεί σε συνθήκες χαμηλού φωτισμού, καπνού, ασταθούς εδάφους, κατεστραμμένων καμερών ή αναξιόπιστων επικοινωνιών.
Το πώς θα αποδίδει υπό αυτές τις συνθήκες θα εξαρτηθεί σε μεγάλο βαθμό από το υποκείμενο μοντέλο VLA σύμφωνα με τους ερευνητές. Στο μέλλον το VLASH θα μπορούσε να συνδυαστεί με πιο προηγμένα μοντέλα κόσμου (world models) που προβλέπουν τις αλλαγές στο ευρύτερο περιβάλλον.
Πριν συμβεί όμως αυτό, οι ερευνητές χρειάζεται να το δοκιμάσουν σε περισσότερα ρομπότ, μοντέλα VLA, εργασίες και περιβάλλοντα, καθώς και σε μεγαλύτερης διάρκειας πειράματα και σε συνθήκες με απρόβλεπτες διαταραχές.
Η Λουλά λέει ότι τα αποτελέσματα υποστηρίζουν ένα σχετικά περιορισμένο συμπέρασμα:
«Μπορούμε δίκαια να πούμε ότι αυτή η νέα μεθοδολογία εξαλείφει ένα σημείο συμφόρησης στον χρόνο επεξεργασίας, διατηρώντας παράλληλα τις δυνατότητες του συστήματος, Αυτό που δεν θα ισχυριζόμουν είναι ότι πρόκειται για ουσιαστική πρόοδο στην ασφάλεια ή τη νοημοσύνη. Αντί να βασιστούμε σε μία μόνο επίδειξη, θα αναζητούσαμε σταθερές βελτιώσεις σε πολλά ρομπότ, εργασίες, περιβάλλοντα και μακράς διάρκειας δοκιμές, σε συνδυασμό με την κατάλληλη αξιολόγηση αξιοπιστίας και ασφάλειας», δήλωσαν οι συγγραφείς της μελέτης.
Προς το παρόν, το VLASH δείχνει ότι τα ρομπότ μπορούν να περνούν λιγότερο χρόνο περιμένοντας να αποφασίσουν τι θα κάνουν στη συνέχεια. Το αν αυτές οι ταχύτερες αντιδράσεις θα διατηρηθούν και έξω από το εργαστήριο όμως μένει να αποδειχθεί.
Naftemporiki.gr
Για να εμφανίζονται περισσότερα άρθρα της Ναυτεμπορικής στις αναζητήσεις σας εύκολα και γρήγορα, πρέπει να προσθέσετε το site στις προτιμώμενες πηγές σας. Μπορείτε να το κάνετε πηγαίνοντας εδώ.
