რობოტებს ჯერ კიდევ უჭირთ ადამიანის ხელის გამეორება: მეცნიერებმა მთავარი პრობლემა გამოავლინეს

თანამედროვე ჰუმანოიდ რობოტს უკვე შეუძლია სირბილი, ხტომა, ცეკვა და უკანა სალტოს შესრულებაც კი. გარედან ჩანს, თითქოს კაცობრიობამ მანქანებს თითქმის ყველაფერი ასწავლა, რაც ჩვენ შეგვიძლია. მაგრამ სთხოვეთ ასეთ რობოტს მაისურის დაკეცვა, სველი ღრუბლის აღება ან საკეტში გასაღების გადატრიალება — და უცებ ყველაფერი ბევრად რთულდება. პარადოქსულად, უკანა სალტო რობოტისთვის შეიძლება უფრო მარტივი ამოცანა იყოს, ვიდრე სარეცხის გარეცხვა.

რატომ აღმოჩნდება რთული ილეთი უფრო მარტივი

უკანა სალტო მოძრაობების მკაფიოდ განსაზღვრული თანმიმდევრობაა. რობოტმა იცის, როდის უნდა აიზიდოს, როგორ მოატრიალოს სხეული და სად უნდა იყოს მისი სხეული ყოველ მომენტში. ასეთი მოქმედება ერთსა და იმავე პირობებში მრავალჯერ შეიძლება განმეორდეს. ახლა კი წარმოიდგინეთ მაისური.

ის შეიძლება იატაკზე დაჭმუჭნული ეგდოს, ნაწილობრივ სხვა ნივთის ქვეშ იყოს მოქცეული ან წინა ჯერზე არსებული მდგომარეობისგან სრულიად განსხვავებულ მდგომარეობაში იყოს. ქსოვილი დეფორმირდება, სრიალდება, თითებზე ებჯინება და ყოველი მოძრაობისას ფორმას იცვლის. ადამიანისთვის ეს თითქმის არ წარმოადგენს პრობლემას. ჩვენ უბრალოდ ვგრძნობთ, რა ხდება, და ავტომატურად ვასწორებთ მოძრაობებს. რობოტისთვის კი ეს ფიზიკის მთელი გამოწვევაა.

ადამიანის ხელი იმაზე ბევრად რთულია, ვიდრე ერთი შეხედვით ჩანს

ჩვენი ხელი ერთ კომპაქტურ მექანიზმში აერთიანებს მოძრაობას, შეგრძნებასა და კონტროლს. როდესაც საგანი სრიალს იწყებს, ჩვენ თითქმის მყისიერად ვზრდით მოჭერის ძალას. თუ ის რბილი აღმოჩნდა, წნევას ვამცირებთ. თუ ნივთი მძიმეა, თითების პოზიციას ვიცვლით.

ადამიანები ამას პრაქტიკულად დაუფიქრებლად აკეთებენ. რობოტმა კი ეს ძრავების, კამერების, ძალის სენსორების, ალგორითმებისა და მართვის სისტემების გამოყენებით უნდა გაიმეოროს. სწორედ აქ ჩნდება სერიოზული პრობლემა: კამერა საგანს ისე ვერ გრძნობს, როგორც ადამიანის კანი. მას შეუძლია განსაზღვროს, რომ რობოტს ხელში კვერცხი უჭირავს. მაგრამ კამერამ თავისთავად არ იცის, რამდენად ძლიერად უჭერს მას რობოტი ან კიდევ ერთი მოძრაობა კვერცხს ომლეტად ხომ არ გადააქცევს.

რობოტებს „შეხება“ სჭირდებათ

ამიტომ ბოლო დროის კვლევებში სულ უფრო მეტ ყურადღებას აქცევენ ტაქტილურ სენსორებს. 2026 წელს ჟეჟიანგის უნივერსიტეტის მკვლევრებმა ვიზუალური და ტაქტილური მონაცემები გაძლიერებით სწავლებასა და ონლაინ იმიტაციასთან გააერთიანეს. ცდებში სისტემამ მიაღწია 85%-იან წარმატების მაჩვენებელს ხუთ რთულ ამოცანაში, რომლებიც 25 სხვადასხვა ობიექტს მოიცავდა.

ეს მნიშვნელოვანი ნაბიჯია, მაგრამ არა ჯადოსნური ღილაკი. რობოტმა უბრალოდ „დანახვა“ არ უნდა შეძლოს. მან ზუსტად უნდა გაიგოს, სად შეეხო საგანს, რამდენი ძალა გამოიყენოს, დაიწყო თუ არა საგანმა სრიალი და როგორ შეცვალოს მოძრაობა, თუ რამე გეგმის მიხედვით არ მიდის.

სახლი რობოტისთვის ყველაზე რთული ადგილია

რობოტებს ქარხანაში ბევრად უადვილდებათ მუშაობა. იქ დეტალებს ცნობილი ზომები აქვს, განათება კონტროლდება, მოძრაობის ტრაექტორია ათასობითჯერ მეორდება, ხოლო ინსტრუმენტები კონკრეტული ოპერაციისთვის სპეციალურადაა შერჩეული. ბინაში ყველაფერი საპირისპიროდ ხდება.

უჯრა შეიძლება მხოლოდ რამდენიმე სანტიმეტრით იყოს ღია. ჭიქა შეიძლება ნახევრად იყოს სავსე წყლით. ღრუბელი მოჭერისას ფორმას იცვლის. ჩანთას კი საერთოდ არ აქვს სტაბილური გეომეტრია.

მაისურიც შეიძლება ყოველ ჯერზე განსხვავებულად იდოს. ამიტომ რობოტულ მკლავს უბრალოდ წინასწარ ჩაწერილი პროგრამის შესრულება არ შეუძლია. მან მუდმივად უნდა დააკვირდეს, შეიგრძნოს, იწინასწარმეტყველოს და შეასწოროს საკუთარი მოქმედებები. გარდა ამისა, მკლავი რობოტის დანარჩენი ნაწილისგან განცალკევებით არ არსებობს. რთული საყოფაცხოვრებო ამოცანები მოითხოვს ორივე მკლავის კოორდინაციას, სხეულის სწორ პოზიციას, სტაბილურ მოძრაობასა და საკმარის მისაწვდომობას.

ყველაზე დიდი პრობლემა მექანიკა კი არა, მონაცემებია

თანამედროვე რობოტებს სულ უფრო ხშირად აღარ აპროგრამებენ თითოეული მოძრაობისთვის ხელით — მათ წვრთნიან. თუმცა ეს კიდევ ერთ პრობლემას ქმნის: საიდან უნდა მოიპოვონ საკმარისი მონაცემები?

სისტემის გასაწვრთნელად საკმარისი არ არის უბრალოდ ჩაიწეროს ვიდეო, რომელშიც ადამიანი მაისურს კეცავს. იდეალურ შემთხვევაში, ერთდროულად უნდა ვიცოდეთ რობოტის სახსრების პოზიციები, კამერების გამოსახულებები, ძალისა და მომენტის მონაცემები, ასევე ტაქტილური სენსორების მონაცემები. ადამიანებს „სასწავლო მონაცემების“ მილიონობით წელი აქვთ. ყოველდღე ვიღებთ საგნებს, ვაღებთ კარებს, ვწურავთ ღრუბლებს, ვწევთ ჭიქებს და ვიჭერთ ჩამოვარდნილ ნივთებს.

რობოტებს ეს გამოცდილება არ აქვთ. ამიტომ კომპანიები ექსპერიმენტებს ატარებენ ტელეოპერაციაზე, სპეციალიზებულ სენსორებზე, იმიტაციით სწავლებაზე, გაძლიერებით სწავლებასა და სიმულაციებზე. მიზანი მარტივია: ადამიანური გამოცდილება სასწავლო მონაცემებად გარდაქმნან, რომელთა დამოუკიდებლად გამოყენებასაც რობოტი შეძლებს.

ყველა ერთსა და იმავე ზებუნებრივ უნარს ეძებს

ჰუმანოიდური რობოტების სფეროში თითქმის ყველა მსხვილი მოთამაშე ცდილობს ამ პრობლემის გადაჭრას. Unitree G1 უკვე შეიძლება აღიჭურვოს ძალით მართული მანიპულატორითა და ტაქტილური სენსორებით. Apptronik ავითარებს Apollo-ს, აქცენტით არა მხოლოდ სიარულზე, არამედ საგნებთან მოპყრობაზეც. Tesla Optimus-ს სულ უფრო რთული მანიპულაციების შესრულებას ასწავლის, ხოლო 1X საკუთარ NEO-ს პირდაპირ საყოფაცხოვრებო ამოცანებისკენ მიმართავს.

მაგრამ ერთი წარმატებული მოძრაობის დემონსტრირება ჯერ კიდევ არ ნიშნავს მართლაც უნივერსალური სახლის რობოტის შექმნას. ნამდვილი გამოცდა სრულიად სხვაგვარად გამოიყურება: მანქანა უცნობ ბინაში შედის და უნდა შეასრულოს სხვადასხვა ამოცანა უწყვეტად რვა საათის განმავლობაში, ადამიანის მუდმივი ზედამხედველობის გარეშე. სწორედ აქ მთავრდება შთამბეჭდავი დემონსტრაცია და იწყება ნამდვილი ინჟინერია.

სალტო ჯერ გამარჯვებას არ ნიშნავს

ჰუმანოიდ რობოტებთან დაკავშირებული ყველაზე დიდი პრობლემა მათი ამოძრავება არ არის. მათ უკვე ისწავლეს მოძრაობა. გაცილებით რთულია, მანქანას ასწავლო თითის წვერებით იგრძნოს სამყარო და მყისიერად რეაგირებდეს იმაზე, რასაც არ ელოდა.

ადამიანის ხელი ამას იმდენად ბუნებრივად აკეთებს, რომ ვერც კი ვამჩნევთ, რამდენად რთული მექანიზმი მუშაობს ყოველი უბრალო მოძრაობის მიღმა. ამიტომ სავსებით შესაძლებელია, რომ სახლის რობოტიკის მომავალს განსაზღვრავდეს არა ყველაზე სანახაობრივი სალტოები ან უსწრაფესი სირბილი, არამედ რობოტის უნარი, უბრალოდ აიღოს პირსახოცი — და არ დააგდოს.

მადლობა ვოლოდიმირს portaltele.com.ua