Arm porządkuje robotykę: sześć poziomów autonomii, od reakcji do samodoskonalenia

Kiedy jeden producent chwali się autonomicznym robotem, drugi mówi o inteligentnym modelu, trzeci reklamuje embodied AI, a czwarty prezentuje humanoida uczącego się nowej czynności po 20 próbach, trudno porównać te deklaracje. Każde z tych sformułowań może oznaczać zupełnie inny poziom rzeczywistych możliwości maszyny. Arm postanowił to zmienić i zaproponował skalę oceny robotów rozciągającą się od RL0 do RL5 - od urządzenia, które jedynie odpowiada na konkretne sygnały, do systemu zdolnego samodzielnie doskonalić swoje strategie działania w miarę zdobywania doświadczenia.

Odpowiednik poziomów autonomii jazdy, tylko dla robotów

Koncepcja przypomina klasyfikację SAE stosowaną w motoryzacji, dzięki której ogólnikowe określenie samochód autonomiczny zastąpiono precyzyjnym poziomem automatyzacji jazdy, pozwalającym ocenić, jaka część odpowiedzialności wciąż leży po stronie kierowcy.

Arm chce wprowadzić podobny, uniwersalny język do świata robotyki. Stworzony przez firmę Robotics Capability Framework porządkuje poziom zaawansowania zachowań maszyn w sześciu kategoriach, od RL0 do RL5. To na razie nie jest formalny standard międzynarodowy - Arm traktuje swój framework jako punkt wyjścia i zachęca producentów robotów, dostawców komponentów, instytucje regulacyjne, firmy ubezpieczeniowe oraz środowisko naukowe do dalszej pracy nad tą propozycją.

Do inicjatywy przyłączyło się już ponad 80 podmiotów działających w ekosystemie physical AI, m.in. AWS, Hugging Face, Siemens, Unitree Robotics, QNX i PSYONIC. Arm wskazuje też, że w prace nad samą klasyfikacją zaangażowały się ANYbotics, Fourier, Galbot, Lenovo, Robotec.ai oraz McKinsey.

RL0: maszyna robi tylko to, do czego ją zaprogramowano

Najniższy szczebel klasyfikacji Arm nazywa poziomem Reactive, czyli reaktywnym. RL0 nie oznacza automatycznie prostej konstrukcji - taka maszyna może działać bardzo szybko, z dużą precyzją i korzystać z zaawansowanych czujników. Jej zachowanie jest jednak zawsze wynikiem ustalonych z góry reguł i reakcji na określone sygnały.

Typowym przykładem jest klasyczny robot przemysłowy pracujący na kontrolowanym stanowisku produkcyjnym: czujnik rozpoznaje element, ramię wykonuje zaprogramowany ruch, odkłada część i wraca do pozycji wyjściowej. Jeśli otoczenie zmieni się w sposób nieprzewidziany w programie, robot nie jest zdolny wypracować nowego sposobu realizacji zadania.

Serwis Spider's Web opisywał już wcześniej, jak wyraźna jest różnica między takim robotem a systemami physical AI. W klasycznej automatyce siłą jest przewidywalność i powtarzalność ruchów. Nowa generacja robotów ma wartość właśnie dlatego, że działa również wtedy, gdy rzeczywistość odbiega od warunków zakładanych przy programowaniu.

RL1 planuje, RL2 umie się dostosować

Poziom RL1, określony jako Deliberative, oznacza maszynę, która nie ogranicza się do reakcji na jeden sygnał, lecz przed wykonaniem zadania korzysta z dostępnych danych, by ułożyć plan działania. Wciąż jednak funkcjonuje w dość wąsko zdefiniowanym świecie - człowiek wyznacza cel i reguły, a robot wybiera sposób realizacji z zestawu wcześniej przygotowanych zachowań.

Wyżej znajduje się RL2 Adaptive, gdzie robot potrafi modyfikować swoje działanie na podstawie informacji zwrotnej. Może zauważyć, że trasa jest zablokowana, że chwyt się nie powiódł albo że przedmiot leży w innym miejscu niż zakładano, i odpowiednio skorygować swoje postępowanie.

Różnica między tymi dwoma poziomami może wydawać się subtelna, ale to właśnie dlatego Arm próbuje wprowadzić wspólne nazewnictwo. Obecnie dwaj producenci mogą nazywać podobne urządzenia autonomicznymi, choć w nieprzewidzianej sytuacji zachowają się zupełnie inaczej.

RL3: robot zaczyna rozumieć kontekst zadania

Na poziomie RL3 Contextual pojawiają się maszyny bliższe temu, co zwykle wyobrażamy sobie jako inteligentnego robota. System nie tylko wykrywa przeszkodę i szuka objazdu - musi brać pod uwagę szerszy kontekst sytuacji oraz intencję stojącą za zadaniem, żeby wybrać właściwe działanie.

Można to zobrazować przykładem robota magazynowego, któremu upadło pudełko. Maszyna z niższego poziomu po prostu zatrzyma się, bo na trasie wykryła przeszkodę. Robot działający kontekstowo powinien natomiast rozpoznać, że przeszkodą jest właśnie ładunek, który sam przewozi, podnieść go i dopiero potem wznowić misję.

Nie jest to więc jedynie kwestia zwiększenia liczby zapisanych w systemie scenariuszy. Maszyna musi łączyć dane z kamer, czujników, wcześniejszych instrukcji i aktualnej sytuacji, aby zdecydować, jakie działanie ma w danym momencie sens. To właśnie na tym poziomie physical AI zaczyna wyraźnie odróżniać się od tradycyjnej automatyki.

RL4: wiele celów do zrealizowania naraz

RL4 Cognitive idzie o krok dalej. Arm przypisuje temu poziomowi rozumowanie obejmujące wiele celów jednocześnie, planowanie oraz koordynację złożonych działań.

Zamiast otrzymać szczegółową instrukcję w rodzaju: przejedź 4 metry, chwyć pudełko A, obróć się i połóż je na półce B, robot może dostać jedynie oczekiwany rezultat, na przykład polecenie przygotowania stanowiska do kolejnego zlecenia. W takiej sytuacji sam musi rozłożyć cel na mniejsze zadania, ustalić ich sekwencję i uwzględnić dostępne narzędzia, otoczenie oraz inne ograniczenia.

To poziom, do którego dziś zmierzają producenci najbardziej zaawansowanych humanoidów. Nie znaczy to jednak, że każdy robot potrafiący efektownie chodzić czy prowadzić rozmowę automatycznie zasługuje na oznaczenie RL4.

Dobrze widać to na przykładzie robotycznych dłoni. Humanoid może mieć bardzo rozwinięty model planowania, a jednocześnie wciąż słabo radzić sobie z chwytaniem przedmiotów delikatnych, śliskich albo łatwo się deformujących. Właśnie z tego powodu sama liczba przy literach RL nie ma opisywać całego robota jako jednej całości.

Jedna maszyna, różne oceny w różnych obszarach

Robotics Capability Framework nie ma sprowadzać oceny robota do jednej etykiety w stylu RL4 przypiętej do obudowy i kończącej temat.

Poziomy stanowią w rzeczywistości tylko jedną z osi opisu. Druga to profil konkretnych zdolności, obejmujący między innymi percepcję, lokalizację, ruch, manipulację, podejmowanie decyzji, uczenie się, interakcję z ludźmi, bezpieczeństwo, cyberbezpieczeństwo oraz zarządzanie całym cyklem życia urządzenia.

Robot może więc bardzo dobrze samodzielnie planować trasę, a jednocześnie znacznie słabiej wypadać w manipulacji przedmiotami. Inny model może być bardzo zręczny manualnie, ale w każdej nietypowej sytuacji wymagać ingerencji człowieka. Taki podział ma ograniczyć jeden z głównych problemów dzisiejszej robotyki - efektowne prezentacje często wyglądają bardzo podobnie, mimo że kryją się za nimi całkowicie różne poziomy autonomii.

Humanoidy już teraz wykonują bardzo złożone zadania, ale pod pełną kontrolą operatora. Robot przeprowadzający zabieg chirurgiczny może sprawiać wrażenie niezwykle inteligentnego, jednak jeśli każdym jego ruchem zdalnie kieruje chirurg, mamy do czynienia z innym rodzajem autonomii niż w przypadku maszyny samodzielnie planującej całe zadanie.

RL5: robot uczy się poprawiać sam siebie

Szczyt skali to RL5 Self-Improving. Na tym poziomie robot nie tylko dostosowuje swoje zachowanie w ramach jednej sytuacji - ma wykorzystywać doświadczenia z wielu zadań do długofalowego udoskonalania własnych strategii.

Przykładowo maszyna może zauważyć, że pewien sposób chwytania nieregularnych pudełek częściej kończy się poślizgiem. Zamiast powielać ten błąd albo czekać na aktualizację od inżyniera, system sam wypracowuje lepszą metodę i stosuje ją w podobnych sytuacjach w przyszłości.

Arm mówi w tym kontekście o systemach self-improving, zdolnych do uczenia się, adaptacji i coraz bardziej złożonych zachowań. Nie oznacza to jednak, że mowa o robocie, który bez nadzoru człowieka przepisuje swój kod źródłowy, projektuje sobie nowe ciało czy zmienia się w sztuczną inteligencję ogólną. Samodoskonalenie w tym frameworku to przede wszystkim poziom zdolności do uczenia się i poprawiania zachowania w czasie - i mimo to stanowi to ogromną zmianę.

Wyższy poziom autonomii to też cięższe wyzwania sprzętowe

Arm nie stworzył tej klasyfikacji jedynie po to, by konsumenci mogli porównywać humanoidy tak jak smartfony. Każdy kolejny poziom niesie ze sobą inne wymagania dotyczące sprzętu. Zaawansowany robot musi w czasie rzeczywistym przetwarzać dane z wielu kamer i czujników, uruchamiać modele AI, planować ruch, sterować silnikami, dbać o bezpieczeństwo i reagować z przewidywalnym, niewielkim opóźnieniem. Do tego dochodzą kwestie pamięci, zużycia energii, chłodzenia, miejsca wykonywania obliczeń oraz komunikacji z chmurą.

Nie każdą decyzję da się przecież przesłać do centrum danych i czekać na odpowiedź. Robot, który traci równowagę albo przybliża rękę do człowieka, musi zareagować lokalnie, w ciągu milisekund.

Według szacunków Arm rynek obliczeniowy związany z physical AI może w latach trzydziestych osiągnąć wartość około 200 mld dolarów rocznie. Firma ma więc bardzo wymierny, biznesowy interes w tym, by przekonać producentów robotów do posługiwania się wspólnym opisem wymagań sprzętowych.

Źródło: Spider's Web