Roboty komunikujú a učia sa navzájom! Budúcnosť robotiky?

Spoločnosť Google si vzala za cieľ vytvoriť sieť robot schopných medzi sebou komunikovať a učiť sa navzájom. Uchopenie akéhokoľvek objektu je pre človeka prirodzené a jednoduché. Pre roboty je to úloha obtiažna.  Akýkoľvek nový objekt je pre nich výzvou. Existuje mnoho algoritmov pre presné navádzanie "robotickej ruky" pre uchopenie objektu, avšak od dokonalosti ešte čo to chýba. Spoločnosť Google však prišla s vytvorením siete robotov za účelom vymieňania svojich skúsenosti medzi sebou, na základe čoho sa dokážu navzájom učiť ako správne uchopiť neznámy objekt. Na nasledujúcom videu si môžeme pozrieť ich výsledok testovania:

je termín označujúci nový prúd v robotike. Spočíva vo využívaní metód z cloudového computingu v oblasti riadenia robotov. Zrejmou nevýhodou je nutnosť neustáleho pripojenia na internet. Je však vyvážená týmito benefitmi:

• výpočtovo náročné úlohy možno presunúť na cloudovú infraštruktúru,
• dáta možno ukladať priamo na cloude,
• s tým súvisí jednoduché zdieľanie dát medzi zariadeniami,
• úspora energie (robot na jedno nabitie vydrží viac, keďže výpočty môžu byť presunuté na cloud),
• možnosť riadiť a ovládať robota z akéhokoľvek miesta na Zemi. (techtarget.com, 2015)

• Zdieľanie znalostí – cloudová robotika umožňuje skupine robotov jednoducho a rýchlo si vymieňať dáta o prostredí a aktuálne vykonávanej akcii.
• Možnosť výberu vhodnej metódy – táto vlastnosť je dôležitá pre operátora (alebo vývojára aplikácie), pretože na cloude môžu existovať rôzne služby ponúkajúce podobnú funkcionalitu, no rozdielnu vhodnosť pre aktuálnu situáciu. Tento prístup sa nazýva Artificial intelligence brick "AI brick" (stavebný prvok umelej inteligencie), kde sa výsledná aplikácia pre robota „vyskladá“ zo služieb už bežiacich na cloude.
• Kvantita – pri nasadení cloudových služieb sa od operátora robota nevyžaduje náročná konfigurácia. To môže mať potenciálne veľký dosah práve v metódach učenia, kde nastane presun od učenia typu „jeden učiteľ – jeden robot“ k prístupu „mnoho učiteľov – mnoho robotov“. Nech je príkladom rozoznávanie objektov, kde je nutná prítomnosť človeka, ktorý určí triedu, do ktorej daný objekt patrí. Kapacita jedného učiteľa (koľko dokáže pracovať na tejto úlohe) je obmedzujúci faktor, rovnako aj odolnosť. Pri využití mnohých učiteľov sa na jedného človeka nekladú takéto nároky a výsledkom je oveľa väčšie množstvo získaných dát za kratší čas(tractica.com, 2015), (elearningindustry.com, 2016).

Mimoriadne dôležité je rozdelenie úloh, ktoré robot vykonáva, na kritické a nekritické. Kritické úlohy musia byť fyzicky riešené onboard (na robotovi) a ide najmä o úlohy spojené s pohybom – stabilita, vyhýbanie sa prekážkam, vlastný pohyb. Tieto úlohy nemôžu byť riešené mimo robota pre oneskorenia spojené s komunikáciou po sieti. Nekritické úlohy však môžu byť vykonávané mimo robota. Príkladom môže byť plánovanie vlastných aktivít, rozpoznávanie obrazu, plánovanie trasy a podobne.