Megjelent: 2025. március 12. / Frissítve: 2025. március 12. – Szerző: Konrad Wolfenstein
Sepehr Samavi kutatók és Angela Schoellig professzor a robot Jack mellett – Fotó: Astrid Eckert, München
Úttörő munka a robotikában: a TUM prediktív robotot fejlesztett ki
Autonóm rendszerek: Hogyan tanulnak meg a robotok interakcióba lépni az emberekkel?
Az automatizálás és a mesterséges intelligencia felé gyorsan fejlődő világban az autonóm rendszerek egyre fontosabb részét képezik mindennapi életünknek. Az önvezető autóktól és az intelligens segítő robotoktól kezdve a kifinomult ipari üzemekig a gépek önálló döntéshozatali és komplex környezetekben való működési képessége életünk számos aspektusát átalakítja. A robotikán belül egy különösen izgalmas és kihívást jelentő tudományág az olyan rendszerek fejlesztése, amelyek biztonságosan és hatékonyan tudnak mozogni dinamikus, emberek lakta környezetekben. Ez nemcsak az akadályok elkerülését jelenti, hanem az emberi viselkedés megértését, előrejelzését és reagálását is a zökkenőmentes és biztonságos interakció biztosítása érdekében.
A neves Müncheni Műszaki Egyetem (TUM) kutatói intenzíven dolgoznak pontosan a robotika, a mesterséges intelligencia és az emberi viselkedés metszéspontján. Angela Schoellig professzor vezette Tanulási Rendszerek és Robotika Laboratóriumukban kifejlesztettek egy "Jack" nevű innovatív robotot, amely figyelemre méltó ügyességgel és előrelátással képes eligazodni a tömegekben. Ami Jacket sok más robottól megkülönbözteti, az az, hogy nemcsak a közvetlen környezetét érzékeli, hanem aktívan figyelembe veszi, hogyan fognak mozogni a közelében lévő emberek, és hogyan reagálhatnak a saját mozgására. Ez az előrelátó gondolkodás lehetővé teszi Jack számára, hogy ne csak reaktívan, hanem proaktívan és intelligensen tervezze meg útvonalát a forgalmas tereken keresztül.
Alkalmas:
A tömegben való eligazodás kihívása
A tömegben való eligazodás komoly kihívást jelent a robotok számára, amely messze túlmutat az akadályok egyszerű kikerülésén. A statikus vagy kiszámítható környezetekkel ellentétben a tömegek dinamikusak, kiszámíthatatlanok, és összetett társadalmi interakciók jellemzik őket. A tömegben minden személy egyénileg mozog, ugyanakkor befolyásolja mások mozgását. Ez a kölcsönös függőség, az emberi viselkedés természetes változékonyságával párosulva, rendkívül megnehezíti a robotok számára a biztonságos és hatékony mozgást.
A hagyományos robotnavigációs algoritmusok, amelyek gyakran merev szabályokon és egyszerű érzékelőadatokon alapulnak, ilyen környezetekben gyorsan elérik a határaikat. Az akadályokra jellemzően hirtelen megállással vagy kitéréssel reagálnak, ami nem kívánt torlódáshoz, nem hatékony útvonalakhoz, vagy akár veszélyes helyzetekhez vezethet a tömegben. A tömegben való sikeres navigációhoz a robotoknak ezért lényegesen fejlettebb intelligenciára van szükségük, amely lehetővé teszi számukra, hogy megértsék és előre jelezzék az emberi viselkedést, és aktívan beépítsék azt a navigációs tervezésbe.
Jack innovatív megközelítése: Előremutató gondolkodás és interakció
A TUM kutatói által kifejlesztett Jack robot döntő lépést tesz a hagyományos megközelítések felé. Lényegében egy kifinomult algoritmus áll, amely lehetővé teszi számára, hogy ne csak érzékelje a környezetében lévő emberek mozgását, hanem aktívan előre is jelezze azokat, és beépítse saját útvonaltervezésébe. Schoellig professzor hangsúlyozza az alapvető különbséget a hagyományos módszerekkel szemben: „Robotunk modellezi, hogyan reagálnak az emberek a mozgására, hogy megtervezhesse saját útvonalait. Ez a fő különbség más megközelítésekhez képest, amelyek jellemzően figyelmen kívül hagyják ezt az interakciót.”
Ez a képesség, hogy modellezze az interakciókat, kulcsfontosságú Jack sikeréhez. Ahelyett, hogy az embereket pusztán kiszámíthatatlan akadályoknak tekintené, Jack intelligens ágensekként érti őket, akiknek a viselkedését részben meg tudja jósolni, sőt befolyásolni is tudja. Ez lehetővé teszi számára, hogy a tömegben az emberi navigációhoz hasonlóan mozogjon. Nem habozik beállni a résekbe, előre látja a gyalogosok mozgását, és dinamikusan módosítja az útvonalát, hogy elkerülje az ütközéseket, miközben hatékonyan eléri úti célját.
Szenzorok és számítási teljesítmény kombinációja
Ennek az igényes feladatnak az elvégzéséhez Jack rendkívül fejlett érzékelőkkel és számítási kapacitással van felszerelve. Az egyik kulcsfontosságú elem egy lidar (fényérzékelő és -távmérő) érzékelő, amely folyamatosan lézersugarakat bocsát ki a környezetébe, és veszi a visszavert jeleket. Ezekből az adatokból a lidar valós időben készíti el a környezet pontos, 360 fokos térképét, nemcsak a statikus objektumokat, hanem – és különösen – az emberek helyzetét és mozgását is rögzítve. A lidar így részletes „képet” nyújt a robotnak a környezetéről, amely alapul szolgál navigációs döntéseihez.
A lidar mellett Jack kerekeiben érzékelők is találhatók, amelyek pontosan mérik a sebességét és a megtett távolságot. Ez az információ kulcsfontosságú a környezetben elfoglalt helyének pontos meghatározásához és a navigáció hatékonyságának optimalizálásához. Az összes érzékelőadatot egy nagy teljesítményű fedélzeti számítógép dolgozza fel, amely képes valós időben komplex algoritmusok végrehajtására. Ez a számítógép Jack „agya”, amely felelős az érzékelőadatok elemzéséért, az emberi mozgás előrejelzéséért és az optimális útvonal kiszámításáért.
Alkalmas:
Az algoritmus részletesen: előrejelzés, tervezés és adaptáció
Jack intelligenciájának középpontjában a TUM kutatói által kifejlesztett navigációs algoritmus áll. Ez az algoritmus több lépésben működik, hogy Jack biztonságosan és hatékonyan tudjon eligazodni a tömegben.
1. Észlelés és adatgyűjtés
Először is, Jack folyamatosan gyűjti a környezetéről szóló adatokat érzékelői segítségével. A lidar az emberek helyzetéről és mozgásáról szolgáltat információkat, míg a kerékérzékelők a robot saját mozgásáról szolgáltatnak adatokat.
2. Az emberi mozgások előrejelzése
A gyűjtött adatok alapján az algoritmus elemzi a közelben tartózkodó emberek mozgásmintáit. Megpróbálja megjósolni, hogy az emberek milyen valószínűsíthető útvonalakat fognak bejárni a következő néhány másodpercben. Ez az előrejelzés a tömegben való emberi mozgásviselkedés kiterjedt adatkészleteiből származó statisztikai modelleken alapul.
3. Útvonaltervezés
Ezzel egyidejűleg az algoritmus megtervezi az optimális útvonalat a robot célállomásához. Ennek során nemcsak az emberek előrejelzett mozgását veszi figyelembe, hanem a robot saját képességeit és korlátait is, például a sebességét és a manőverezhetőségét. A cél az, hogy olyan útvonalat találjon, amely a lehető leggyorsabban és leghatékonyabban vezet a célállomáshoz, anélkül, hogy az emberekkel való ütközés kockázata fennállna.
4. Dinamikus adaptáció
Az algoritmus egyik kulcsfontosságú aspektusa a dinamikus alkalmazkodóképessége. Az adatgyűjtés, az előrejelzés és az útvonaltervezés teljes folyamata folyamatosan, körülbelül másodpercenként tízszer ismétlődik. Ez lehetővé teszi Jack számára, hogy valós időben igazítsa útvonalát a folyamatosan változó környezethez. Ez a magas alkalmazkodási gyakoriság elengedhetetlen a biztonságos és hatékony navigációhoz egy dinamikus, sok embert tartalmazó környezetben, mivel a robot egyszerre ismeri fel és reagál az emberek mozgására – magyarázza Sepehr Samavi, a TUM kutatója.
Tanulás az emberi viselkedésből: Az emberszerű navigáció kulcsa
Jack intelligenciájának egy másik kulcsfontosságú aspektusa az emberi viselkedésből való tanulási képessége. A TUM kutatói nem egyszerűen merev szabályokkal és algoritmusokkal programozták Jacket, hanem lehetőséget adtak neki a folyamatos fejlődésre az emberi mozgásviselkedésre vonatkozó adatok elemzésével.
Schoellig professzor elmagyarázza, hogy a tervezési algoritmus alapjául szolgáló matematikai modellt emberi mozgásokból származtatták, és egyenletekké alakították át. Az algoritmus így nem az emberi viselkedéssel kapcsolatos absztrakt feltételezésekre támaszkodik, hanem közvetlenül a tömegmozgásokat dokumentáló valós adatokra. Ennek lehetővé tétele érdekében a kutatók kiterjedt adatkészleteket gyűjtöttek, amelyek leírják az emberi viselkedést különböző helyzetekben és környezetekben, és amelyek Jack számára képzési anyagként szolgálnak.
Az adatok elemzésével Jack megtanulja felismerni és előre látni a tipikus emberi mozgásmintákat, és beépíteni azokat saját döntéseibe. Például megtudja, hogy az emberek általában kitérnek, amikor egy akadályhoz közelednek, vagy a sebességüket módosítják, hogy elkerüljék az ütközést. Ezt a tudást betáplálják az algoritmusba, lehetővé téve Jack számára, hogy úgy viselkedjen, ahogyan az emberek intuitívan viselkednek tömegben.
Erre a tanulási folyamatra egy konkrét példa Jack viselkedése a potenciális ütközések esetén. Egy hagyományos robot jellemzően azonnal megállna, ha akadályt, például egy embert észlelne egy ütközési pályán. Jack azonban, miután tanult az emberi viselkedésből, finomabban reagál. Arra számít, hogy az emberek általában alkalmazkodni fognak és kitérnek az ütközés elkerülése érdekében. Ezért nem áll meg azonnal, hanem folytatja a mozgását, miközben egyidejűleg figyeli a személy reakcióját. Csak akkor módosítja Jack a terveit és választ alternatív útvonalat, ha vannak arra utaló jelek, hogy a személy nem fog kitérni. Ez a viselkedés lényegesen hatékonyabb és emberibb, mint egy hagyományos robot hirtelen megállása.
Evolúciós fejlődés: a reaktívtól az interaktívig
Jack navigációs képességeinek fejlődése egy evolúciós folyamat volt, amely három szakaszban bontakozott ki. Minden szakasz az algoritmus összetettségének és intelligenciájának fejlődését jelenti.
1. szint: Reaktív navigáció.
Az első szakaszban Jack csupán reagált a környezetére. Amint észlelte az akadályokat, azonnal elkerülte azokat, anélkül, hogy megjósolta volna vagy előre látta volna az emberi viselkedést. Bár működőképes volt, ez a szakasz nem volt hatékony, és gyakran hirtelen megállásokhoz és kerülőkhöz vezetett.
2. szint: Prediktív navigáció.
A második szakaszban az algoritmust kiterjesztették, hogy előre jelezze a közeledő emberek mozgását. Ez lehetővé tette Jack számára, hogy proaktívabban navigáljon, és elkerülje az ütközéseket, mielőtt azok küszöbön állnának. Ez a szakasz már jelentős előrelépést jelentett, de még mindig korlátozott volt, mivel nagyrészt figyelmen kívül hagyta a robot és az ember közötti interakciót.
3. szint: Interaktív navigáció.
Jack jelenlegi verziója az evolúció harmadik és egyben legfejlettebb szakaszát képviseli: az interaktív navigációt. Ebben a szakaszban Jack nemcsak képes megjósolni az emberek mozgását, hanem aktívan figyelembe veszi azt is, hogy az emberek hogyan reagálnak az övére. Saját cselekedeteivel képes befolyásolni az emberek viselkedését, miközben egyidejűleg elkerüli az ütközéseket. Ez az interaktív képesség az a döntő áttörés, amely Jacket valóban intelligens és emberszerű navigációs rendszerré teszi.
Samavi kutató elmagyarázza, hogy Jack képes megjósolni mások mozgását, és egyidejűleg a saját viselkedésével befolyásolni a cselekedeteiket, miközben elkerüli az ütközéseket. Az interaktív navigációnak ez a formája lehetővé teszi Jack számára, hogy biztonságosan, hatékonyan, társadalmilag elfogadhatóan és intuitív módon mozogjon a tömegben.
Alkalmazási területek: A szállítórobotoktól az önvezető autókig
A Jack mögött álló innovatív technológia hatalmas potenciállal rendelkezik a széleskörű alkalmazások szempontjából. Bár a Jacket eredetileg kutatási platformként fejlesztették ki, a TUM kutatói már a valós világban is fontolgatják a konkrét alkalmazásokat.
Szállítórobot
Az egyik kézenfekvő alkalmazási terület a kézbesítő robotok, amelyek képesek önállóan árukat és csomagokat kézbesíteni városi környezetben. Ezeknek a robotoknak képesnek kell lenniük biztonságosan és hatékonyan mozogni járdákon, gyalogosövezetekben és forgalmas városközpontokban. Jack tömegben való navigálásának képessége kulcsfontosságú ehhez. A jövőben az autonóm kézbesítő robotok jelentősen hozzájárulhatnak a logisztika „utolsó mérföld” problémáinak megoldásához és a városi közlekedési torlódások csökkentéséhez.
Alkalmas:
kerekesszékek
Egy másik ígéretes alkalmazás a technológia integrálása az intelligens kerekesszékekbe. A mozgáskorlátozottak számára a zsúfolt környezetben való eligazodás komoly kihívást jelenthet. Egy Jack navigációs algoritmusával felszerelt kerekesszék jelentősen javíthatja függetlenségüket és életminőségüket. A kerekesszék automatikusan elkerülheti az akadályokat, biztonságosan mozoghat a tömegben, és önállóan szállíthatja a felhasználót a kívánt úti célhoz.
Autonóm vezetés
Schoellig professzor az autonóm vezetést különösen releváns alkalmazási területnek tartja az interaktív navigációs technológia számára. Hangsúlyozza, hogy ezek az interaktív forgatókönyvek kulcsfontosságú kihívást jelentenek. Komplex forgalmi helyzetekben, például autópályákra való felhajtáskor, kereszteződésekben való kanyarodáskor, vagy gyalogosokkal és kerékpárosokkal való interakció során nemcsak a saját mozgás megtervezése elengedhetetlen, hanem a többi közlekedő viselkedésének előrejelzése és beépítése a tervezésbe. A technológia interaktív navigációra való képessége így jelentősen hozzájárulhat a biztonságosabb és hatékonyabb önvezető járművek fejlesztéséhez. Példaként az autópályára való felhajtást említi: Amikor egy jármű az autópálya bevezető sávjában van, sok hátulról közeledő sofőr sávot vált vagy enyhén fékez. Pontosan ilyen helyzetekben teszi lehetővé az új megközelítés a többi közlekedő reakciójának megfelelő figyelembevételét.
Humanoid robotok
A humanoid robotok különösen profitálhatnak ezekből az algoritmusokból, főként olyan területeken, mint a gondozás, a szolgáltatás vagy a gyártás, ahol szorosan együttműködnek az emberekkel. Ahhoz, hogy elfogadják és hatékonyan használják őket, elengedhetetlen, hogy biztonságosan és intuitív módon tudjanak navigálni emberi környezetben. Schoellig professzor azonban egy kulcsfontosságú kihívásra mutat rá: míg egy mobil robot egyszerűen meg tud állni, ha szükséges, a humanoid robotok jelenleg meglehetősen instabilak és gyorsan elveszítik az egyensúlyukat. A humanoid robotok stabilitásának javítása dinamikus környezetben egy fontos kutatási terület, amely további fejlesztésre szorul a humanoid robotok interaktív navigációjának teljes potenciáljának kiaknázása érdekében.
Fejlett robotnavigáció: Hogyan érti Jack az emberi viselkedést
A TUM interaktív robotnavigációval kapcsolatos kutatásai jelentős előrelépést jelentenek az intelligens és autonóm rendszerek felé, amelyek biztonságosan és hatékonyan működhetnek emberi környezetben. A Jack robot lenyűgözően bizonyítja, hogy lehetséges olyan gépeket fejleszteni, amelyek nemcsak a környezetüket képesek érzékelni, hanem megértik és megjósolják az emberi viselkedést, és beépítik azt a döntéshozatalukba. Ez az interaktív navigáció képessége új lehetőségeket nyit meg számos alkalmazás számára, a szállítórobotoktól és az intelligens kerekesszékektől kezdve az önvezető autókig.
Jack kifejlesztése azonban csak a kezdet. A robotika és a mesterséges intelligencia kutatása gyorsan halad, és az elkövetkező években, évtizedekben további izgalmas innovációkra számíthatunk. A robotok mindennapi életünkbe való integrációja egyre gyakoribbá válik, és az autonóm rendszerek egyre fontosabb szerepet fognak játszani társadalmunkban. Ezért kulcsfontosságú, hogy felelősségteljesen alakítsuk ezen technológiák fejlesztését, és kezdettől fogva vegyük figyelembe az etikai és társadalmi szempontokat. Csak így biztosíthatjuk, hogy a robotok és az emberek a jövőben mindenki javára együttműködhessenek.
Alkalmas:
Az Ön globális marketing- és üzletfejlesztési partnere
☑️ Üzleti nyelvünk angol vagy német
☑️ ÚJ: Levelezés az Ön nemzeti nyelvén!
Konrad Wolfenstein
Szívesen szolgálok Önt és csapatomat személyes tanácsadóként.
Felveheti velem a kapcsolatot az itt található kapcsolatfelvételi űrlap kitöltésével , vagy egyszerűen hívjon a +49 89 89 674 804 (München) . Az e-mail címem: wolfenstein ∂ xpert.digital
Nagyon várom a közös projektünket.
