로봇은 어떻게 완전 자율성에 도달합니까?

대부분의 사람들은 완전 자율 로봇을 생각할 때 우리가 의식에 대해 알고 있는 실제 사실과 미스터리에 거의 근거하지 않은 공상적인 AI 시나리오에 대해 걱정합니다. 그것에 집착하는 동안 사람들은 수익성과 긍정적 영향을 모두 개선하는 데 훨씬 더 많은 도움이 필요한 다양한 작업, 프로세스 및 산업이 있을 때 실질적인 감독 없이 독립적으로 작동할 수 있는 로봇의 실용적인 가치를 보기가 더 어려워집니다.

동시에 로봇 자율성은 로봇이 자율적으로 되기 위해 무엇이 필요하고 어디 있는지 이해하는 데 반드시 도움이 되지 않는 일부 폭주하는 정의와 기대에 희생되었습니다. 자율성을 가장 빠르게 달성할 수 있습니다.

로봇이 완전한 자율성을 달성하려면 여러 기준을 충족해야 합니다.

<올>

로봇은 스스로 환경에 대한 의미 있는 정보를 얻을 수 있어야 합니다.

로봇은 해당 정보를 구조화되고 사용 가능한 방식으로 처리할 수 있어야 합니다.

로봇은 해당 정보에 따라 행동을 계획할 수 있어야 합니다.

로봇은 생성된 계획을 적시에 실행할 수 있어야 합니다.

이러한 모든 상황에서 몇 가지 추가 사항을 이해하는 것이 중요합니다. 이러한 매개변수가 구성되는 방식:

<올>

로봇에는 목표가 있어야 합니다. 우리는 전통적으로 인간의 자율성을 자신의 목표를 설정할 수 있는 능력과 연관지지만 오늘날의 로봇이 자의식을 갖게 될 것으로 예상되는 매개변수는 없습니다.

로봇의 자율성은 사용 사례에 따라 달라야 합니다. 완전 자율주행차는 다양한 수준에서 작동할 수 있습니다. 일부는 고속도로에서, 나머지는 모든 지형에서 작동합니다. 상황에 따라 둘 다 같은 정도의 자율성을 행사할 수 있습니다.

설계는 사람의 입력이 필요하지 않을 때 가장 잘 작동합니다. 특정 자율 "코봇" 응용 프로그램은 생산성을 최적화하거나 원하는 목표를 달성하는 데 도움이 될 수 있지만 대부분의 경우 자율성은 직접적인 인간 참여가 있는 적절한 한정자가 아닙니다. 필요합니다.

그렇다면 A 지점에서 B 지점으로 이동하는 방법은 무엇입니까? 기존의 "프로그래밍 가능한" 로봇은 어떻게 완전히 자율적입니까? 자, 여기서부터 재미가 시작됩니다!

환경에 대한 정보 얻기

로봇이 주변에서 무슨 일이 일어나고 있는지 알려주는 광범위한 솔루션이 있습니다. 라이더, 레이더, 수중 음파 탐지기, 촉각 센서, 모든 다른 종류의 비전 시스템, 외부 로봇 센서, 카메라 또는 본질적으로 오디오 또는 비디오일 수 있는 로컬 정보 시스템의 무한한 다양한 통신 메커니즘. 이 모든 것은 단순히 로봇에게 인간과 같은 종류의 감각을 부여하려는 시도일 뿐이며 고도로 전문화된 자동화 프로세스를 위한 자동 기계 제어와 같은 분야에서 오랫동안 표준이 되어 왔습니다.

감지가 여기에서 유일한 제한이 아니라는 점을 고려하는 것이 중요합니다. 예를 들어, 현재 IoT(사물 인터넷)가 가능하거나 최소한 네트워크로 연결된 산업 시스템에서 서로 다른 프로세스와 프로그래머블 로직 컨트롤러를 서로 다른 프로세스를 실행하는 데 사용되는 서로 다른 문자열로 연결할 수 있습니다. 그러나 거기에서 할 수 있는 일은 실제로 해당 정보를 로봇 프로세스에 통합하여 위치, 방향 및 물체에서 발생하는 필요한 조작을 이해하는 것입니다.

산업 환경 이외의 경우에도 동일한 모델을 적용할 수 있지만 올바른 유형의 연결된 정보로 맥락화해야 합니다. 예를 들어 누군가 의료 또는 노인 간호를 위한 로봇을 만들려는 경우 외부 감지 기능이 환자의 건강을 관리하는 데 유용할 수 있지만 적절한 보안 및 익명화 없이는 개인 정보 보호 또는 기관 위험을 제공할 수도 있습니다. 어떤 상황에서 어떤 로봇에 의해 보살핌을 받았는지.

거의 같은 방식으로 5G는 미래의 자율 주행 자동차를 조정하고 운전과 교통의 모든 측면을 자동화하는 데 있어 효율성을 창출하는 동시에 도로 상태, 병목 현상, 차단된 도로 등을 최적화할 수 있는 주요 기회로 간주됩니다. 이들은 매우 강력한 애플리케이션이지만 정보가 로봇으로 변환되는 방식은 섬세하게 다루어야 합니다. 큰 힘에는 결국 큰 책임이 따른다.

구조화된 방식으로 정보 처리

정보를 유용한 방식으로 소화하려면 어떻게 해야 합니까? 우리가 인간으로서 그렇게 하는 방법에 대해 생각할 때, 우리가 결정을 내리는 방식과 관련하여 제2의 천성이거나 종종 본능적입니다. 우리가 종종 깨닫지 못하는 것은 우리의 많은 결정이 진화적으로, 사회적으로 또는 행동적으로 획득된 특성과 성격의 특성에 기반을 두고 있다는 것입니다. 이는 놀라움이나 재미가 없더라도 우리가 일하는 방식이 때때로 결정론적으로 보이게 만듭니다!

그러나 로봇의 경우 우리는 놀라움을 좋아하지 않습니다! 행복한 놀라움은 물론입니다. 로봇을 찾는 것이 우리가 기대할 수 있는 것보다 더 좋거나 더 효율적이라는 것과 같은 것이지만 그것이 배달, 운송, 치료 제공에 관계없이 자율 로봇의 가능한 모든 기능을 예상해야 한다는 것을 의미한다면 , 자재 취급, 검사, 예측 유지보수, 산업 공정 또는 단순히 역전을 하는 로봇 개 - 우리의 기대치를 관리하는 것이 "기능 실패"보다 훨씬 더 바람직합니다.

이 때문에 자율 로봇을 만든다고 해서 바로 작동되는 경우는 거의 없다는 점을 깨닫는 것이 중요합니다. 일부 회사와 학계에서는 자율 로봇의 기본 감지 및 처리 모델을 단순화하는 방법을 연구하고 있지만 이러한 모델은 궁극적으로 로봇이 정보를 실행 가능한 방식으로 사용하는 능력을 단순화하는 프로세스 모델에 기여해야 합니다.

데이터에서 작업 계획

로봇의 감지 메커니즘에 의해 생성된 데이터는 다양한 방식으로 소화될 수 있습니다. 궁극적으로 3D 시각적 데이터의 경우 가능한 가장 간단한 방법은 모양의 데이터를 전체 개체로 분해하고 다시 통합하는 것입니다. 이것은 많은 작은 작업의 축적을 필요로 하는 병렬 프로세스입니다. 인간의 두뇌는 이러한 방식으로 매우 유연하게 기능하지만 이러한 유형의 처리를 위한 신뢰할 수 있는 모델을 생성하려면 상당한 반복과 검증이 필요합니다.

이 프로세스의 가장 유용한 측면은 로봇이 수행해야 하는 모든 작업에 대해 전체 프로세스 모델에 데이터를 주입하는 것입니다. 들고 뭔가를? 우편함에 우편물을 넣으시겠습니까? 함께 무언가를 칠하거나 용접하시겠습니까? 이러한 각 작업에는 목표의 성격, 위치, 위치 및 비준수 결과에 대한 전체적인 이해가 필요합니다(예:우편물은 상자에 들어가지만 바닥에 구멍이 있고 덤불에 떨어짐).

동시에 이 메일 예제를 확장하려면 로봇 자율 기능의 주요 우선 순위를 과도하게 사용하지 않고 자동화된 방식으로 여전히 수용 가능한 결과에 도달하기 위해 폴백 목표를 설정해야 합니다. 더 간단하게 말하자면, 자율 로봇은 즉석에서 작업을 수행할 수 있어야 하지만 즉석에서 작업을 계획하려면 많은 작업이 필요합니다.

마크 트웨인(Mark Twain)은 “좋은 즉석 연설을 준비하는 데 보통 3주 이상이 걸립니다.”라고 말했습니다. 이것은 단순히 glib bon mot가 아니라 실제로 인간이 일하는 방식에 대해 매우 유익합니다. 우리는 종종 당면한 작업에 집중할 수 있지만 잘 인식되지 않는 "고유 수용"과 같은 재능이 추가된 정교한 잠재 의식 습관이 있습니다.

이것들은 나무 그네에서 사바나 사냥에 이르기까지 모든 것을 수행해야 하고 나중에 바퀴를 발명하고 발사해야 하는 로봇을 위한 완벽한 기술입니다. 이러한 기능을 개발하는 데 수백만 년이 걸렸으므로 로봇이 자율적으로 작동하는 데 오후 이상이 걸린다는 사실에 놀라지 마십시오.

그렇다면 이러한 맥락에서 로봇의 답은 무엇일까요? 글쎄, 인간이 행동을 하기 전에 자신의 행동을 시각화하는 것과 같은 방식으로, 자율 로봇 기능의 시뮬레이션이나 디지털 트윈을 생성하고 이를 사용하여 프로세스 모델 기대치(예:사서함이 일반적으로 있는 위치 또는 모양)를 주입하는 것은 유용한 자율 로봇을 만들기 위해 취할 수 있는 가장 큰 단계입니다.

계획 실행

프로세스 모델, 충분한 시뮬레이션 및 올바르게 보정된 감지 메커니즘이 있으면 실행은 단순히 관찰 및 최적화의 문제입니다. 당신이 만들고 있는 자율 로봇이 당신의 표준을 즉시 충족한다면 그렇게 할 필요조차 없습니다. 로봇의 근본적인 가치는 일관성이며 기존 현대 산업용 로봇은 매우 안정적입니다. 인지 및 지능의 계층을 추가하여 반응성 다른 부분과 위치로 우리 모두가 탐구하고자 하는 완전히 새로운 자율성의 세계를 만듭니다.

그 자율성을 위한 다음 단계는 무엇입니까? 위에서 언급한 것처럼 애플리케이션이 구축되는 방식을 단순화할 뿐만 아니라 실행할 수 있는 센서, 로봇 배열, 작업, 환경 등의 폭도 늘립니다. 어리석은 것은 자동화가 생산성을 창출하여 궁극적으로 성장, 소득 및 노동 수요를 증가시킨다는 것입니다. 자동화를 인력에 대한 위협으로 보는 것이 진정한 위협입니다. , 근로자들이 싫어하는 더 많은 공간에 자동화를 제공합니다. 사람들이 일을 해야 하는 경우 그 어느 때보다 더 창의적이고 혁신적이며 재미있는 직업을 만들 것입니다. 즐기세요!

Omnirobotic은 스프레이 공정을 위한 자율 로봇 기술을 제공하여 산업용 로봇이 부품을 보고 자체 모션 프로그램을 계획하고 중요한 산업용 코팅 및 마감 공정을 실행할 수 있도록 합니다. 여기에서 어떤 종류의 수익을 얻을 수 있는지 확인하세요. , 또는 의 이점에 대해 자세히 알아보십시오. 자율 제조 시스템 .