iStock

ΓΙΑΤΙ ΔΕΝ ΚΥΚΛΟΦΟΡΟΥΝ ΑΚΟΜΑ ΡΟΜΠΟΤΙΚΟΙ ΟΙΚΙΑΚΟΙ ΒΟΗΘΟΙ ΣΤΗΝ ΑΓΟΡΑ

Αν εύχεσαι να υπήρχε ένα ρομπότ για όλες τις δουλειές του σπιτιού, συμπάσχουμε! Και θα σου εξηγήσουμε γιατί δεν είναι εφικτό ακόμα.

Ό,τι έχει να προσφέρει η τεχνολογία σε οικιακή συσκευή που μπορεί να κάνει πιο εύκολη την καθημερινότητα μου με ενδιαφέρει. Όταν είσαι ο άνθρωπος που έχει την ευθύνη της καθαριότητας του σπιτιού για 20 και πλέον χρόνια, καλωσορίζεις κάθε χέρι βοηθείας. Ακόμα κι αν δεν είναι ανθρώπου αλλά ρομπότ.

Γι’ αυτό και κατατάσσω τις ρομποτικές σκούπες στις μεγαλύτερες ανακαλύψεις της ανθρωπότητας, ενώ κάνω διαρκώς αναζήτηση στις ειδήσεις για τις ρομποτικές σιδερώστρες που είναι ακόμα σε εξέλιξη.

Ναι, έχω ήδη ενημερωθεί για τα ψυγεία που φτιάχνουν μόνα λίστα όσων χρειάζεσαι –επειδή τελειώνουν– και εσύ απλά πατάς ένα send στο online σούπερ μάρκετ της αρεσκείας σου. Ατυχώς, όμως, δεν ζω στην Ασία όπου το μοντέλο αυτό έχει 100% αποτελεσματικότητα. Άρα, κάνω υπομονή.

Όπως κάνω υπομονή και για τους ρομποτικούς οικιακούς βοηθούς, τους οποίους προσπαθούν να αναπτύξουν από τη δεκαετία του ’50.

Ο Ayonga Hereid, επίκουρος Καθηγητής Μηχανολόγων και Αεροδιαστημικής Μηχανικής του Ohio State University και ερευνητής ρομποτικής, έγραψε στο Conversation τον λόγο που είναι πολύ πιο δύσκολο να δημιουργηθεί οικιακό ρομπότ από ό,τι είναι να φτιαχτεί μια έξυπνη ψηφιακή συσκευή ή ένα βιομηχανικό ρομπότ.

Στην παρούσα φάση, η Tesla κατασκευάζει ανθρωποειδές που, σύμφωνα με τον Elon Musk, θα μπορεί να κάνει τις δουλειές που εμείς βαριόμαστε αφόρητα (π.χ. να πηγαίνει στο σούπερ μάρκετ και να μαγειρεύει), αλλά και να βοηθάει ηλικιωμένους.

Η Amazon πρόσφατα εξαγόρασε (έναντι 1.700.000.000 ευρώ) την iRobot, που έχει ήδη διακριθεί για την κατασκευή ρομποτικών σκουπών, ενώ έχει ρίξει πάρα πολλά χρήματα στο πρόγραμμα Amazon Robotics, ώστε να επεκτείνει την τεχνολογία ρομποτικής στην καταναλωτική αγορά.

Τον περασμένο Μάιο, η Dyson ανακοίνωσε ότι αποφάσισε να κατασκευάσει το μεγαλύτερο κέντρο ρομποτικής της Μεγάλης Βρετανίας. Θα έχει μια δουλειά να κάνει: να αναπτύξει οικιακά ρομπότ. Δηλαδή, μηχανές που θα κάνουν τις δουλειές στο σπίτι.

ρομπότ
Unsplash Possessed Photography

Πού σκοντάφτουν οι ρομποτικοί οικιακοί βοηθοί

Σύμφωνα με τον Hereid, μια σημαντική διαφορά μεταξύ ψηφιακών και ρομποτικών συσκευών είναι ότι τα οικιακά ρομπότ θα πρέπει να χειρίζονται αντικείμενα μέσω φυσικής επαφής, ώστε να εκτελούν τα καθήκοντά τους.

Δηλαδή, θα πρέπει να κουβαλούν τα πιάτα, να μετακινούν τις καρέκλες και να μαζεύουν τα βρώμικα ρούχα πριν τα βάλουν στο πλυντήριο. Άρα, θα πρέπει να μπορούν να χειρίζονται εύθραυστα, μαλακά και βαριά αντικείμενα, που δεν θα έχουν το ίδιο σχήμα.

«Οι υπερσύγχρονοι αλγόριθμοι τεχνητής νοημοσύνης και μηχανικής μάθησης (machine learning) αποδίδουν εξαιρετικά σε προσομοιωμένα περιβάλλοντα. Προβλήματα παρατηρούνται στην επαφή με αντικείμενα του πραγματικού κόσμου, επειδή η σωματική επαφή είναι δύσκολο να μοντελοποιηθεί – και ακόμη πιο δύσκολο να ελεγχθεί. Ενώ ένας άνθρωπος μπορεί εύκολα να εκτελέσει αυτές τις εργασίες, υπάρχουν σημαντικά τεχνικά εμπόδια για τα οικιακά ρομπότ να φτάσουν την ανθρώπινη ικανότητα να χειρίζονται αντικείμενα».

Οι δυσκολίες χειρισμού αντικειμένων εντοπίζονται σε δύο πτυχές:

  1. τον έλεγχο και
  2. την αίσθηση.

Πολλοί χειριστές ρομπότ επιλογής και τοποθέτησης, όπως αυτοί στις γραμμές συναρμολόγησης, είναι εξοπλισμένοι με μια απλή λαβή ή εξειδικευμένα εργαλεία που είναι αφιερωμένα σε συγκεκριμένες εργασίες (κράτημα και μεταφορά συγκεκριμένου εξαρτήματος). Η κατασκευή ενός μηχανικού χεριού γενικής χρήσης με εύκαμπτα δάχτυλα εξακολουθεί να είναι τεχνικά δύσκολη και δαπανηρή διαδικασία.

ρομπότ
Unsplash Alex Knight

Τονίζεται και ότι οι παραδοσιακοί χειριστές ρομπότ απαιτούν μια σταθερή πλατφόρμα για να λειτουργούν με ακρίβεια – που μειώνεται σημαντικά όταν τα αντικείμενα είναι πάνω σε πλατφόρμες που κινούνται, και δη σε διαφορετικές επιφάνειες.

Εμείς μπορεί να θεωρούμε απλές –εξ ου και βαρετές– τις δουλειές του σπιτιού. Αυτό όμως δεν ισχύει για τα ρομπότ, που θέλουν διαφορετικούς προγραμματισμούς για να πλύνουν ένα πιάτο, ένα μαχαίρι και ένα ποτήρι, και επιπλέουν δουλειά για το ξέβγαλμα.

Το machine learning έχει βοηθήσει στην εκπαίδευσή τους, αλλά έως τώρα αυτό έχει συμβεί μόνο στην επιλογή και την τοποθέτηση διαφορετικών αντικειμένων. Η εκμάθηση διαφορετικών εργαλείων (όσων έχουμε π.χ. στην κουζίνα) είναι σε ανώτερο επίπεδο δυσκολίας, ακόμα και για τους καλύτερους αλγόριθμους εκμάθησης.

Μέχρι να κατακτηθούν όλοι οι χώροι, θα βγαίνουν ρομποτικές συσκευές για μια δουλειά (ρομποτική κουζίνα ή ρομποτική σκούπα).

SLOW MONDAY NEWSLETTER

Θέλεις να αλλάξεις τη ζωή σου; Μπες στη λογική του NOW. SLOW. FLOW.
Κάθε Δευτέρα θα βρίσκεις στο inbox σου ό,τι αξίζει να ανακαλύψεις.