Sciencemag.cz
Doporučujeme
Prototyp robotické rukavice je vybaven 17 pamětmi, včetně inerciálních a magnetických snímačů.
Společnost Siemens pracuje v Číně na vývoji tzv. datové rukavice, která by měla výrazně vylepšit vzájemnou spolupráci člověka s robotem v průmyslových provozech. Jejím úkolem je přesně zachytit a přenést pohyby, gesta a změny tlaku z lidských rukou do robota, který by je pak mohl kopírovat a vykonávat i vysoce komplexní příkazy. Cíl je jediný: zabezpečit, aby roboty mohly bezpečně manipulovat se širokou škálou předmětů, a to v těsné blízkosti člověka.
Od roku 1952, kdy se průmyslové roboty poprvé objevily, jsou zobrazovány jako velké, těžké a statické předměty, které dokážou vykonávat pouze předem naprogramované opakované činnosti a které jsou pro lidi nebezpečné. I když obecně tato charakteristika stále platí, pokračující vývoj v mikroelektronice, senzorech, sítích a algoritmech nastoluje novou éru semiautonomních robotů.
Dnešní doba je charakterizovaná dvěma, na první pohled protichůdnými trendy. Na jednu stranu se stále zvyšuje komplexita produktů a na stranu druhou vzrůstá poptávka po individualizovaných řešeních. Proto se nyní pozornost soustředí především na zvyšování flexibility výroby, se kterou úzce souvisí produkce lehkých průmyslových robotů, které mohou nejen snadno a rychle měnit vlastní činnost, ale především pracovat bok po boku s lidmi.
Místo jazyka rukavice
Mají-li lidé pracovat spolu s roboty, musejí se umět s nimi „domluvit“. Jako nejjednodušší a nejpřirozenější způsob se pochopitelně nabízí lidská řeč, která prokazatelně dobře funguje. Vzpomeňme například Siri od Applu. Pro výrobní provozy, kde ale většinou bývá velký hluk a člověk doslova neslyší ani vlastní slova, je potřeba zvolit jiný dorozumívací prostředek. Vhodným kandidátem by mohla být právě datová rukavice, která přesně zmapuje i ty nejjemnější pohyby lidské ruky a předá je ve formě pokynů robotu.
Prototyp robotické rukavice je vybaven 17 pamětmi, včetně inerciálních a magnetických snímačů. Je založen na kombinaci senzorických vstupů, které reprezentují gesta provedená rukavicí, včetně pohybu jednotlivých prstů. Tyto vstupy se po zpracování přenášejí do robotické paže a ruky „ve výcviku“, která se tím učí provádět konkrétní úkoly v reálném čase. Poněvadž ale technologie se stále vyvíjí, ve výuce robotů bude nasazována schopnost strojů učit se (machine learning), aby roboty dokázaly rozpoznávat stále složitějších příkazy vyjádřené gesty, aby bylo možné jim zadávat úkoly na vysoké úrovni a naučit je novým dovednostem.
Podej klíč, prosím!
V rámci vysoce flexibilní výroby budoucnosti ale na podobné výukové lekce pro roboty už nebude čas. Roboty se budou muset učit přímo tzv. za pochodu, stejně tak jako to musejí umět lidé. Prvním krokem v tomto směru je úspěšný vývoj algoritmu, na základě kterého robotický asistent dokáže uchopovat neznámé předměty. Ačkoliv pro člověka je to úkol zcela jednoduchý, pro robota naopak. Při řešení se vývojáři nechali inspirovat nástrojem Kinect, který vyvinul Microsoft pro herní konzole Xbox.
Kinect umí současně vyhodnocovat hloubku a RGB data z obrazu. Hloubka je základem pro výpočet uchopovacích gest, zatímco barevné spektrum GRB pomáhá vypočítat uchopovací body. Takto zpracovaný obraz uchopovaného předmětu robot porovná s uloženým modelovým příkladem. Přesnost uchopení ale nestačí. Velice důležitá je i použitá síla, která musí být natolik velká, aby robot daný předmět opravdu zvedl, na druhou stranu ale co nejmenší, aby nezpůsobila škody. Dnes se toto řeší s pomocí předem definovaných velikostí sil, které jsou monitorovány tlakovými senzory na uchopovacím zařízení.
Bezpečnost v první řadě
Poněvadž robotičtí asistenti mají pracovat s člověkem bok po boku, nejdůležitějším kritériem je zajistit bezpečnost lidí. Čínští vědci proto nyní intenzivně pracují na vývoji nového řídicího systému, který bude současně usměrňovat pohyb i sílu robotické paže. Horní hranici využitelné síly robotu určuje jeho lidský spolupracovník a robot si pak sám v rámci těchto mezí spočítá optimální dráhu pohybů tak, aby jeho práce byla co nejpřesnější.
S robotem, který se umí učit a „odezírat“ chování lidí odpadá i další, velmi významný problém, kterým je programování. Naprogramování robota byl tradičně velmi složitý, zdlouhavý a v neposlední řadě i velmi nákladný proces. To by časem mohlo úplně skončit. Robot by se jednoduše programoval sám tím, jak by se učil a sledoval praktické ukázky. A to je pochopitelně nejjednodušší a nejefektivnější řešení, jak rychle a pružně reagovat na rychle se měnící objednávky a požadavky ze strany zákazníků.
