Как полевой ИИ завоевывает неструктурированную автономию

Одна из самых больших проблем для робототехника сейчас это практическая автономная работа в неструктурированной среде. То есть делать полезные вещи в местах, где ваш робот раньше не был и где все может быть не так знакомо, как хотелось бы вашему роботу. Роботы преуспевают благодаря предсказуемости, которая накладывает некоторые неприятные ограничения на то, где и как их можно успешно использовать.

Но за последние несколько лет ситуация начала меняться, во многом благодаря нескольким ключевым задачам в области робототехники, поставленным DARPA. Подземный вызов DARPA проходил с 2018 по 2021 год, проводя мобильных роботов через ряд неструктурированных подземных сред. И продолжающееся в настоящее время ДАРПА РЕЙСЕР Программа ставит перед автономными транспортными средствами задачу перемещения по бездорожью на большие расстояния. В рамках этих программ были разработаны некоторые чрезвычайно впечатляющие технологии, но между этими передовыми исследованиями и любыми реальными приложениями всегда существует разрыв.

Теперь группа людей, участвующих в этих задачах, в том числе опытные робототехники из НАСА, DARPA, Google ДипМайнд, Амазонкаи Круз (это лишь некоторые из мест) применяют все, чему они научились, для обеспечения реальной практической автономии мобильных роботов в стартапе под названием Полевой ИИ.

---

Основателем Field AI был Али Ага, который ранее был руководителем Лаборатории реактивного движения НАСА. Группа воздушной мобильности. Во время работы в Лаборатории реактивного движения Ага возглавлял команду CoSTAR, которая выиграл городскую трассу DARPA Subterranean Challenge. Ага также был главным исследователем ДАРПА РЕЙСЕРсначала с JPL, а теперь продолжаем с Field AI. «Полевой ИИ — это не просто стартап», — говорит нам Ага. «Это кульминация десятилетий опыта в области искусственного интеллекта и его внедрения на местах».

В неструктурированной среде все постоянно меняется, что может нанести ущерб роботам, использующим статические карты.

«Полевая» часть Field AI — это то, что делает стартап Аги уникальным. Роботы, использующие программное обеспечение Field AI, способны работать в неструктурированной, не нанесенной на карту среде, не полагаясь на предыдущие модели, GPS или вмешательство человека. Очевидно, что такого рода возможности интересовали (и интересуют) НАСА и Лабораторию реактивного движения, которые отправляют роботов в места, где нет карт, GPS не существует и прямое вмешательство человека невозможно.

Но DARPA SubT продемонстрировало, что подобные среды можно найти и на Земле. Например, шахты, естественные пещеры и городские подземелья чрезвычайно сложны для навигации роботов (и даже людей). И это лишь самые крайние примеры: роботы, которым приходится работать внутри зданий или на природе, сталкиваются с одинаковыми проблемами: они понимают, где они находятся, куда они идут и как ориентироваться в окружающей среде.

Автономный автомобиль преодолевает километры пустыни без предварительной карты, без GPS и без дороги.Полевой ИИ

Несмотря на трудности, с которыми роботы работают в полевых условиях, это огромная возможность, которую Field AI надеется реализовать. Роботы уже доказали свою ценность в инспекциях, обычно там, где вам нужно либо убедиться, что на большой промышленной площадке все в порядке, либо для отслеживания хода строительства внутри частично завершенного здания. В этом есть большая ценность, потому что последствия того, что что-то испортилось, являются дорогостоящими или опасными, или и тем, и другим, но задачи повторяются, а иногда и рискованны и, как правило, не требуют такого большого человеческого понимания или творчества.

Неизведанная территория как домашняя база

По словам Аги, Field AI отличается от других робототехнических компаний, предлагающих эти услуги, тем, что его компания хочет выполнять эти задачи без предварительного наличия карты, которая укажет роботу, куда идти. Другими словами, нет длительного процесса настройки и человеческого контроля, и робот может адаптироваться к меняющимся и новым условиям. На самом деле, в этом и заключается полная автономия: возможность работать где угодно и когда угодно, без участия человека. «Нашим клиентам не нужно ничему обучать», — говорит Ага, излагая видение компании. «Им не нужны точные карты. Они нажимают одну кнопку, и робот просто обнаруживает каждый уголок окружающей среды». Именно в этих возможностях и проявляется наследие DARPA SubT. Во время конкурса DARPA, по сути, заявило: «Вот дверь на курс. Мы не собираемся вам ничего рассказывать о том, что там находится, или даже о том, насколько оно велико. Просто изучите все это и верните нам информацию, которую мы просили». Команда CoSTAR Аги сделала именно это во время соревнований, а Field AI коммерциализирует эту возможность.

«Мы стремимся, чтобы вы могли просто развернуть наших роботов, не тратя время на обучение. И тогда мы сможем просто оставить роботов». —Али Ага, полевой ИИ

Еще одна сложность в этих неструктурированных средах, особенно в строительных средах, заключается в том, что все постоянно меняется, что может нанести ущерб роботам, которые полагаются на статические карты. «Мы одна из немногих, если не единственная компания, которая может оставлять роботов на несколько дней на постоянно меняющихся строительных площадках с минимальным надзором», — говорит нам Ага. «Эти сайты очень сложны — каждый день появляются новые предметы, новые задачи и неожиданные события. Строительные материалы на земле, строительные леса, вилочные погрузчики и тяжелая техника, движущаяся повсюду, ничего невозможно предсказать».

Полевой ИИ

Подход полевого ИИ к этой проблеме заключается в том, чтобы сделать упор на понимание окружающей среды, а не на картографирование. Ага говорит, что, по сути, Field AI работает над созданием «моделей фундамента поля» (FFM) физического мира, используя данные датчиков в качестве входных данных. Вы можете думать о FFM как о базовых моделях языка, музыки и искусства, которые другие компании, занимающиеся искусственным интеллектом, создали за последние несколько лет, где прием большого количества данных из Интернета обеспечивает определенный уровень функциональности в домене без требующие специальной подготовки для каждой новой ситуации. Следовательно, роботы Field AI могут понимать как двигаться по миру, а не просто где двигаться. «Мы смотрим на ИИ совершенно иначе, чем на общепринятые взгляды», — объясняет Ага. «Мы занимаемся очень тяжелым вероятностным моделированием». По словам Аги, в IP Field AI будет гораздо больше технических деталей, но дело в том, что моделирование мира в реальном времени становится побочным продуктом работы роботов Field AI в мире, а не обязательным условием для этой операции. Это делает роботов быстрыми, эффективными и устойчивыми.

Разработка моделей фундамента поля, которые роботы могут использовать для надежного передвижения практически куда угодно, требует большого количества реальных данных, которые Field AI собирал на промышленных и строительных площадках по всему миру в течение прошлого года. Чтобы внести ясность, они собирают данные в рамках своих коммерческих операций — это платящие клиенты, которые уже есть у Field AI. «На этих вакансиях традиционно могут потребоваться недели, чтобы обойти участок и нанести на карту все интересующие вас объекты, которые вам нужно осмотреть», — объясняет Ага. «Но с нашими роботами наша цель состоит в том, чтобы вы просто развернули их, не требуя времени на обучение. И тогда мы сможем просто оставить роботов. Этот уровень автономии действительно открывает множество вариантов использования, которые наши клиенты даже не рассматривали, потому что думали, что до этого еще много лет». По словам Аги, варианты использования касаются не только строительства, инспекции или других областей, где мы уже видим автономные роботизированные системы. «Эти технологии обладают огромным потенциалом».

Очевидно, что существует спрос на такой уровень автономии, но Ага говорит, что еще одна часть головоломки, которая позволит Field AI использовать рынок в триллион долларов, заключается в том, что они могут делать то же самое практически с любой платформой. По сути, Field AI — это компания-разработчик программного обеспечения: они создают полезные нагрузки для датчиков, которые интегрируются с их программным обеспечением для автономности, но даже эти полезные нагрузки можно настраивать: от чего-то, подходящего для автономного транспортного средства, до того, с чем может справиться дрон.

Черт возьми, если вы по какой-то странной причине решите, что вам нужен автономный гуманоид, Полевой ИИ тоже сможет это сделать. Хотя универсальность здесь важна, по словам Аги, еще важнее то, что это означает, что вы можете сосредоточиться на более доступных платформах и при этом ожидать того же уровня автономной производительности, конечно, в рамках ограничений конструкции каждого робота. Благодаря контролю над всем стеком программного обеспечения, интеграции мобильности с высокоуровневым планированием, принятием решений и выполнением задач, Ага говорит, что потенциал использования преимуществ относительно недорогих роботов — это то, что будет иметь наибольшее значение для коммерческого успеха Field AI.

Тот же мозг, много разных роботов: базовые модели команды Field AI можно использовать на больших, маленьких, дорогих и несколько менее дорогих роботах.Полевой ИИ

Полевой ИИ уже расширяет свои возможности, опираясь на недавний опыт работы с DARPA RACER, работая над внедрением роботов для проверки трубопроводов на десятки километров и транспортировки материалов между солнечными фермами. Благодаря получению доходов и значительному объему финансирования, Field AI даже привлек интерес со стороны Билл Гейтс. Участие Field AI в RACER продолжается, в рамках своего рода дочерней компании для федеральных проектов под названием Offroad Autonomy, а тем временем его коммерческая сторона нацелена на расширение до «сотни» сайтов на каждой платформе, о которой она может подумать, включая гуманоидов.