Armády robotů, kteří pendlují mezi regály velkých skladových hal, a šetří tak lidským zaměstnancům tisíce nachozených kilometrů, využívají už firmy jako Amazon nebo ShipMonk běžně. Samotní roboti jsou ale jen jednou součástí složité rovnice. Možná ještě podstatnější je algoritmus, který se stará o jejich souhru díky tomu, že ví, kam má který robot namířeno a která trasa je pro něj ideální.
To, jak přenést robotickou teorii do praxe i do byznysu a jak spolupracující roboty stále vylepšovat, zkoumají vědci na Fakultě informačních technologií ČVUT v Praze. A minulý týden tam otevřeli novou Laboratoř robotických agentů.
„Do teď jsme si sice mohli teoreticky vymýšlet programy, ale bez laboratoře nám chyběl přenos do fyzického světa. Ten však přináší různé problémy, které teoreticky nenaplánujete,“ shrnuje přínos nové laboratoře její vedoucí Pavel Surynek.
Umím si představit, co je to robot. Můžete mi popsat, co znamená robotický agent?
Představte si jakéhokoli robota. Ovšem nikoli samotného, ale ve společenství dalších mnoha robotů stejného typu. Toto společenství nám umožňuje dělat složitější úkony, jelikož toho jako celek dosáhne více, než by zvládl individuální robot. Ale není to jen prostý součet, robotičtí agenti si mohou i vzájemně pomáhat, takže toho dosáhnou mnohem víc. Robotičtí agenti jsou třeba skupiny robotů ve skladových halách, létající drony a můžeme se s nimi setkat i ve vojenských aplikacích.
V čem je specifické programování robotů, kteří mají fungovat vedle sebe nebo spolupracovat? Je to náročnější, než když se vyvíjí sólo robot?
Je to mnohem složitější. Dokonce, když se na to díváme z hlediska složitosti „naprogramování“, tak s počtem robotů nám narůstá exponenciálně. Náročnost se velmi rychle dostává nad naše výpočetní možnosti, nad možnosti současného hardwaru. A musíme si proto spíše pomáhat tím, jak chytrou máme umělou inteligenci, a tím složitostní explozi obelstít.
My vlastně ty robotické agenty neprogramujeme, ale plánujeme pro ně. Máme nějaký program a ten potom vytváří plán. Předem rozmyslí, co by ti roboti měli dělat a oni už to jen vykonají.
To už je co do výpočetní složitosti jednodušší fáze, ale zase je složitější v tom, abychom mohli kontrolovat, co roboti dělají. My si něco naplánujeme, ale oni to nemusí provést dokonale. V předem vytvořeném plánu nám to pak udělá potíže a my na to musíme reagovat. Takže to není tak, že naprogramujeme robota, ale máme univerzální program, který vytváří plány pro roboty.
Pavel Surynek
Říkal jste, že při výpočetní složitosti pomáhá umělá inteligence. Do jaké míry tedy robot v rámci skupiny vymýšlí řešení sám?
Asi bych odlišil dvě věci. My si představujeme, že něco vymyslí sám, ale ono je to malé zařízení, ve kterém není tak velký počítač, aby to vymýšlení zvládal. Na to opravdové vymýšlení potřebujeme silný počítač. Ideálně server. Takže ten je typicky schovaný někde v serverovně a vymýšlí ty plány, které robotům pošle. Robot sám o sobě musí mít baterie, motory a už tak je dost těžký. Takže ta myslící část je mimo robota. Ve skladech to takhle většinou je.
A teď čím si můžeme vypomáhat. Program, který vymýšlí plán, musí používat různé triky umělé inteligence. Třeba se může učit. Když zůstaneme ve skladu, tak tam se různé situace opakují. Díky tomu nemusíme vymýšlet plány znovu. Je za tím ale schováno hodně výzkumu, a to dost teoretického. Hodně se používá matematická logika.
Sklady a logistické haly jsou asi typické příklady toho, kde se robotičtí agenti v byznysu uplatňují. Je ještě nějaké další časté využití v praxi?
Sklady, ve kterých se používají mobilní roboti, jsou asi tou nejjednodušší aplikací systému s robotickými agenty. Není tam příliš složitostí, jen se pohybují. Takže ta jejich vzájemná interakce je omezená na to, že se sobě vzájemně vyhýbají. To se velmi dobře podařilo přenést do praxe. Příklady jsou ale i další.
Můžeme si představit i autonomní auta. I ta mohou fungovat jako multiagentní systém. Ale tam přenos od teorie do praxe ještě naráží na komplikace. Autonomní auto bylo vyřešeno už někdy před patnácti lety. Ale narážíme na bezpečností a etické problémy. To je velká otázka.
A nějaký další příklad třeba v rámci výroby nebo logistiky?
Myslím si, že budoucnost je i v tom, že se tyto úvahy zaměřují také na robotická ramena. Když si představíte robotickou ruku v továrně, tak spolupráce více robotických rukou je jedna z možných budoucností. Můžeme si představit, že nacpeme robotické ruce do menšího prostoru a ony budou společně montovat nějaký díl.
Tohle naráželo dosud hlavně na složitost plánovacího procesu. Nebyly programy, které by to zvládly. Pro jedno robotické rameno ano, ale jak jich začne přibývat, tak je ten nárůst složitosti ještě prudší. Robotické rameno není mobilní robot, ale má mnoho kloubů a pohybuje se do mnoha směrů. Tohle tedy bude budoucnost, až se zvládnou vytvořit lepší řešící algoritmy.
A pak je ještě jedna zajímavá otázka a to jak naplánovat heterogenní týmy robotických agentů. V tom je také budoucnost. Bude spolu fungovat několik typů robotů, například mobilní roboti a robotická ramena. V praxi to může v tom skladu fungovat tak, že robot bude vozit zboží a robotické rameno mu bude zboží podávat. Už se dělají pokusy a je to jedna z cest.
To, co jste popsal, chápu tak, že třeba v případě skladů to povede k tomu, že nebude potřeba lidský faktor. Firmy jako ShipMonk nebo Amazon už teď robotické agenty používají, pořád tam ale musí být i lidé. Míříme tedy k plně automatizovaným skladům?
Je otázka, jestli to bude opravdu plně automatizovaný sklad, ale je to zase další krok k tomu, aby se ušetřila lidská práce. Teď dávají zboží do krabic lidé, to by v budoucnu mohl dělat robot. Ale k úplné eliminaci lidského faktoru spíš nedojde.
Lidé jsou přece jen pro nějaké typy práce stále efektivnější. Minimálně třeba na kontrole. Je lepší lidský pozorovatel, který vyhodnocuje nenadálé situace, než aby to dělal nějaký zbytečně nákladný automatický systém.
Minulý týden jste v rámci Fakulty informačních technologií ČVUT otevřeli novou Laboratoř robotických agentů. Co je jejím cílem?
Je to snaha aplikace robotických agentů v praxi testovat ve zmenšeném prostředí laboratoře. Prozkoumat si ty reálné situace předem, než budou převáděny do praxe na zmenšených modelech. Zkoumáme to od algoritmů až po vlastní implementaci na robotických agentech. Doteď jsme mohli teoreticky vymýšlet programy, ale bez laboratoře nám chyběl přenos do fyzického světa. Ten však přináší různé problémy, které teoreticky nenaplánujete.
Jsme vybaveni na zkoumání mobilních robotů, kterých máme mnoho a můžeme zkoumat jejich koordinaci. A zaměřujeme se i na létající drony. Systémy mnoha robotických agentů totiž mohou fungovat i při velkém množství létajících dronů. To chceme také zkoumat, protože existují představy, že by mohli robotičtí agenti sloužit při doručování zásilek. My máme vlastní malé drony, které můžeme provozovat v interiéru a ve zmenšeném měříku si simulovat reálné situace.
Co ze simulací vyplývá? Můžeme očekávat, že v dohledné době budou balíky doručovat drony? O tom už se mluví léta, ale stále se to zdá být v nedohlednu…
Komplikace tu určitě jsou. Ta hlavní je asi v tom, že zatímco sklad je kontrolovaný uzavřený systém, kam se nedostávají vnější vlivy, v exteriéru jich máte mnoho. Například vítr. A to robotům působí potíže.
My si vymyslíme nějaký plán, jak má dron doručit zásilku, ale pak se zjistí, že bojoval se silným větrem a došly mu baterie. To si také zkoušíme simulovat. A pak tu jsou otázky bezpečnosti, ty ovšem nejsou k řešení pro naši laboratoř, jako spíše v rámci legislativy.
A zajímavé jsou i problémy z hlediska teoretického, kdy se drony používají pro zajištění bezpečnosti. My se zabýváme otázkou obrany, kdy máte třeba nějaký prostor a chtěl byste ho pomocí dronů střežit. Zkoumáme, jakým způsobem by se měly rozestavit a pohybovat, aby útočník neměl šanci do střeženého prostoru proniknout. I to se dá zase velmi dobře simulovat v laboratoři.
Umělou inteligencí se už zabývá poměrně hodně firem. Elon Musk například investorům Tesly sdělil, že výroba aut se pro letošek odsouvá na druhou kolej a přednost má vývoj humanoidního robota. Je to trend, který je teď na vzestupu?
Obecně je pronikání umělé inteligence do všech možných oblastí velmi silné. Umělá inteligence se v mnoha dílčích schopnostech přibližuje člověku, nebo ho dokonce překonává. Takové hraní šachů je už otázka stará více než dvacet let. Už tehdy umělá inteligence překonala lidského velmistra. A pořád ty dílčí věci narůstají.
Ono by se dalo říct, že i v řízení auta umělá inteligence člověka překoná. Problém je zobecnění, tedy jestli může být umělá inteligence, která funguje obecně a neřeší jen dílčí problém. Jestli se dokáže třeba z hraní šachů přeučit na skládání Rubikovy kostky. I v tom už máme pokroky.
Takže se blíží nějaká umělá inteligence, která by se dokázala popasovat s problémy, které by před ní člověk postavil, ať už by byly jakékoli?
Je otázka, kdy by mohla tahle univerzální umělá inteligence přijít. Jsou teorie, že by to mohlo být třeba do třiceti let. Zároveň to ale přináší problém, že by umělá inteligence měla být kontrolovatelná, protože nekontrolovaná super inteligence by měla nedozírné důsledky. To, že budeme obklopeni stále více roboty, kteří spolu budou interagovat, je takovým předkrokem toho všeho. A je to asi nevyhnutelné.
A ještě k tomu Elonu Muskovi. On je vizionář. Když ho něco zajímá, tak je to zajímavé všeobecně. Pokud si usmyslel, že je zajímavé mít auto na baterku, nebo se teď zabývá robotem, tak si myslím, že je to všeobecně zajímavá otázka.
