گسترش ادراک ربات

روبات ها از زمان Roomba مسیری طولانی را طی کرده اند. امروز ، هواپیماهای بدون سرنشین در حال تحویل درب به درب هستند ، خودروهای خودران در حال حرکت به برخی از جاده ها هستند ، سگ های روبو به اولین پاسخ دهندگان کمک می کنند ، و هنوز هم ربات های بیشتری در حال انجام کار هستند و به آنها کمک می کنند روی کف کارخانه با این حال ، لوکا کارلون فکر می کند بهترین ها هنوز در دست نیست.

کارلون ، که اخیراً به عنوان استادیار در بخش هوانوردی و فضانوردان MIT (Aeroastro) تصدی مقام را دریافت کرده است ، آزمایشگاه جرقه را کارگردانی می کند ، جایی که او و دانشجویانش در حال ایجاد شکاف کلیدی بین انسان و روبات هستند: ادراک. این گروه تحقیقات نظری و تجربی را انجام می دهد ، همه به سمت گسترش آگاهی یک ربات از محیط خود به روش هایی که به درک انسان نزدیک می شوند. و ادراک ، همانطور که کارلون اغلب می گوید ، بیش از تشخیص است.

در حالی که روبات ها از نظر توانایی آنها در تشخیص و شناسایی اشیاء در محیط اطراف خود با جهش و مرزها رشد کرده اند ، اما هنوز هم چیزهای زیادی برای یادگیری در هنگام ایجاد حس سطح بالاتر از محیط خود دارند. ما به عنوان انسان ، ما اشیاء را با یک حس شهودی نه تنها از شکل ها و برچسب های آنها بلکه فیزیک آنها – چگونگی دستکاری و جابجایی آنها – و چگونگی ارتباط آنها با یکدیگر ، محیط بزرگتر و خودمان ، درک می کنیم.

این نوع درک در سطح انسانی همان چیزی است که کارلون و گروهش امیدوارند به روبات ها منتقل شوند ، به طریقی که آنها را قادر می سازد تا با خیال راحت و یکپارچه با افراد در خانه ها ، محل های کار و سایر محیط های بدون ساختار ارتباط برقرار کنند.

از زمان پیوستن به دانشکده MIT در سال 2017 ، کارلون تیم خود را در توسعه و استفاده از الگوریتم های درک و درک صحنه برای برنامه های مختلف ، از جمله وسایل نقلیه جستجوی و نجات زیرزمینی مستقل ، هواپیماهای بدون سرنشین که می توانند اشیاء را انتخاب و دستکاری کنند ، هدایت کرده است. روی پرواز و اتومبیل های خود رانندگی. آنها همچنین ممکن است برای روبات های داخلی که از دستورات زبان طبیعی پیروی می کنند مفید باشند و حتی به طور بالقوه نیازهای انسان را پیش بینی کنند روی سرنخ های متن سطح بالاتر.

کارلون می گوید: “درک یک تنگنا بزرگ برای گرفتن روبات ها برای کمک به ما در دنیای واقعی است.” “اگر بتوانیم عناصر شناخت و استدلال را به ادراک ربات اضافه کنیم ، معتقدم که آنها می توانند کارهای خوبی انجام دهند.”

گسترش افق

کارلون در نزدیکی سالرنو ایتالیا ، نزدیک به ساحل آمالفی منظره متولد و بزرگ شد و در آنجا جوانترین سه پسر بود. مادر وی یک معلم بازنشسته مدرسه ابتدایی است که ریاضی را تدریس می کند ، و پدرش استاد بازنشسته تاریخ و ناشر است که همیشه رویکرد تحلیلی در تحقیقات تاریخی خود اتخاذ کرده است. برادران ممکن است ناخودآگاه ذهن والدین خود را پذیرفته باشند ، همانطور که هر سه رفتند روی برای مهندس بودن – دو نفر قدیمی تر الکترونیک و مهندسی مکانیک را دنبال کردند ، در حالی که کارلون فرود آمد روی رباتیک یا مکاترونیک ، همانطور که در آن زمان شناخته شده بود.

با این حال ، او تا اواخر تحصیلات تکمیلی خود به میدان نرسید. کارلون در دانشگاه پلی تکنیک تورین شرکت کرد ، جایی که در ابتدا تمرکز داشت روی کار نظری ، به طور خاص روی تئوری کنترل – زمینه ای که ریاضیات را برای توسعه الگوریتم هایی که به طور خودکار رفتار سیستم های فیزیکی مانند شبکه های برق ، هواپیماها ، اتومبیل ها و روبات ها را کنترل می کنند ، اعمال می کند. سپس ، در سال ارشد خود ، کارلون برای یک دوره ثبت نام کرد روی روباتیک هایی که پیشرفت در دستکاری و روش برنامه ریزی روبات ها را برای حرکت و عملکرد انجام می دهند.

این عشق در نگاه اول بود. استفاده از الگوریتم ها و ریاضیات برای توسعه مغز یک ربات و حرکت و تعامل با محیط یکی از برآورده ترین تجربیات است. ” “من بلافاصله تصمیم گرفتم این همان کاری است که می خواهم در زندگی انجام دهم.”

او رفت روی به یک برنامه درجه دو در دانشگاه پلی تکنیک تورین و دانشگاه پلی تکنیک میلان ، که به ترتیب مدرک کارشناسی ارشد در مکاترونیک و مهندسی اتوماسیون را دریافت کرد. به عنوان بخشی از این برنامه ، به نام Alta Scuola Politecnica ، کارلون نیز دوره هایی را در مدیریت گذراند ، که در آن او و دانشجویان از پیشینه های مختلف دانشگاهی برای مفهوم سازی ، ساخت و تهیه یک بازاریابی برای طراحی محصول جدید مجبور به همکاری بودند. تیم کارلون یک لامپ جدول بدون لمس را طراحی کرد که برای پیروی از دستورات دستی یک کاربر طراحی شده است. این پروژه او را به فکر مهندسی از دیدگاه های مختلف سوق داد.

او می گوید: “این مثل این بود که به زبان های مختلف صحبت کنیم.” “این یک قرار گرفتن در معرض زودهنگام به نیاز به نگاه فراتر از حباب مهندسی بود و در مورد چگونگی ایجاد کار فنی که می تواند بر دنیای واقعی تأثیر بگذارد ، فکر می کنم.”

نسل بعدی

کارلون برای تکمیل دکترای خود در مکاترونیک در تورین ماند. در این مدت ، به او آزادی انتخاب موضوع پایان نامه داده شد ، که او به یاد می آورد ، “کمی ساده لوحانه”.

“من در حال بررسی موضوعی بودم که جامعه آن را به خوبی درک می کرد ، و برای آن بسیاری از محققان معتقد بودند که حرف دیگری برای گفتن وجود ندارد.” کارلون می گوید. “من دست کم گرفتم که موضوع چقدر تأسیس شده است ، و فکر کردم هنوز هم می توانم چیز جدیدی را برای آن فراهم کنم ، و من به اندازه کافی خوش شانس بودم که فقط این کار را انجام دهم.”

موضوع مورد نظر “بومی سازی و نقشه برداری همزمان” یا Slam بود – مشکل تولید و به روزرسانی نقشه محیط ربات در حالی که همزمان پیگیری می کند که در آن ربات در آن محیط قرار دارد. کارلون راهی برای تغییر نام این مشکل به وجود آورد ، به گونه ای که الگوریتم ها می توانند بدون نیاز به شروع با حدس اولیه ، نقشه های دقیق تری تولید کنند ، همانطور که بیشتر روش های SLAM در آن زمان انجام می دادند. کار او کمک کرد تا زمینه ای را برای باز کردن زمینه ای که بیشتر رباتیک ها فکر می کردند نمی توانند بهتر از الگوریتم های موجود انجام دهند ، کمک کند.

کارلون می گوید: “SLAM در مورد کشف هندسه چیزها و چگونگی حرکت یک روبات در بین آن چیزها است.” “اکنون من بخشی از یک جامعه هستم که می پرسم ، نسل بعدی SLAM چیست؟”

وی در جستجوی پاسخ ، او موقعیت بعد از دکتری را در جورجیا تکنیک پذیرفت ، جایی که او به کد نویسی و دید رایانه ای کبوتر می کرد – زمینه ای که به صورت گذشته نگر ، ممکن است از یک برس با نابینایی الهام گرفته شود: همانطور که او دکترای خود را در ایتالیا به پایان می رساند ، وی دچار عارضه پزشکی شد که به شدت بر دید وی تأثیر گذاشت.

کارلون می گوید: “به مدت یک سال ، من به راحتی می توانستم چشم را از دست بدهم.” “این چیزی بود که باعث شد من در مورد اهمیت دید و دید مصنوعی فکر کنم.”

او توانست مراقبت های پزشکی خوبی را دریافت کند ، و این وضعیت کاملاً برطرف شد ، به گونه ای که می تواند کار خود را ادامه دهد. در جورجیا تکن ، مشاور وی ، فرانک دلارت ، راه هایی را برای کدگذاری در دید رایانه و تدوین بازنمایی های ریاضی ظریف از مشکلات پیچیده و سه بعدی نشان داد. مشاور وی همچنین یکی از اولین کسانی بود که یک کتابخانه اسلم منبع باز به نام GTSAM تهیه کرد که کارلون به سرعت تشخیص داد که یک منبع ارزشمند است. به طور گسترده تر ، وی دید که در دسترس بودن نرم افزار برای همه ، پتانسیل عظیمی برای پیشرفت در روباتیک به طور کلی را باز کرده است.

کارلون می گوید: “از نظر تاریخی ، پیشرفت در SLAM بسیار کند بوده است ، زیرا مردم کدهای خود را اختصاصی نگه می داشتند و هر گروه اساساً از ابتدا شروع می کردند.” “سپس خطوط لوله منبع باز شروع به ظهور کرد ، و این یک تغییر دهنده بازی بود ، که پیشرفت هایی را که ما در طی 10 سال گذشته دیده ایم ، هدایت کرده است.”

هوش مصنوعی فضایی

پس از جورجیا تکنیک ، کارلون در سال 2015 به عنوان یک دکتری در آزمایشگاه سیستم های اطلاعات و تصمیم گیری (LIDS) به MIT آمد. در این مدت ، وی در تهیه نرم افزاری برای کمک به هواپیماهای بدون سرنشین به اندازه نخل با استفاده از خیلی کم با Sertac Karaman ، استاد هوانوردی و فضانوردان همکاری کرد. onقدرت تخته. یک سال بعد ، وی به دانشمند تحقیق ارتقا یافت و سپس در سال 2017 ، کارلون مقام دانشکده ای در آئروسترو را پذیرفت.

وی گفت: “یک مورد که من در MIT عاشق آن شدم این بود که همه تصمیمات توسط سؤالاتی مانند: ارزشهای ما چیست؟ ماموریت ما چیست؟ این هرگز در مورد دستاوردهای سطح پایین نیست. انگیزه واقعاً در مورد چگونگی بهبود جامعه است. ” “به عنوان یک ذهنیت ، بسیار طراوت بوده است.”

امروز ، گروه کارلون در حال توسعه راه هایی برای نشان دادن محیط اطراف یک ربات است ، فراتر از توصیف شکل و معناشناسی هندسی آنها. او در حال استفاده از مدل های یادگیری عمیق و زبان بزرگ برای توسعه الگوریتم هایی است که روبات ها را قادر می سازد محیط خود را از طریق لنزهای سطح بالاتر درک کنند ، به اصطلاح. در طول شش سال گذشته ، آزمایشگاه وی بیش از 60 مخزن منبع باز منتشر کرده است که توسط هزاران محقق و پزشک در سراسر جهان استفاده می شود. بخش عمده ای از کار او در یک میدان بزرگتر و در حال ظهور معروف به “AI فضایی” قرار می گیرد.

“هوش مصنوعی فضایی مانند SLAM است روی استروئیدها ، “کارلون می گوید. “به طور خلاصه ، این ارتباط با این امکان وجود دارد که روبات ها را مانند انسانها فکر کنند و درک کنند ، به روشهایی که می توانند مفید باشند.”

این یک کار بزرگ است که می تواند تأثیرات گسترده ای داشته باشد ، از نظر امکان امکان روبات های بصری و تعاملی تر برای کمک به خانه ، در محل کار ، روی جاده ها ، و در مناطق دور افتاده و بالقوه خطرناک. کارلون می گوید برای نزدیک شدن به روش درک انسان در جهان ، کارهای زیادی در پیش خواهد بود.

وی گفت: “من دختران دوقلوی 2 ساله دارم و می بینم که آنها در حال دستکاری در اشیاء ، حمل 10 اسباب بازی مختلف ، در اتاق های درهم و برهم با سهولت و به سرعت سازگار با محیط های جدید هستند. درک ربات هنوز نمی تواند مطابق آنچه کودک نو پا می تواند انجام دهد مطابقت داشته باشد. ” “اما ما ابزارهای جدیدی در زرادخانه داریم. و آینده روشن است. “