เซ็นเซอร์สัมผัสกลายเป็นอุปสรรคสำคัญในการพัฒนาหุ่นยนต์ขั้นสูง

ในขณะที่ปัญญาประดิษฐ์ยังคงก้าวหน้าอย่างรวดเร็ว ผู้เชี่ยวชาญด้านหุ่นยนต์กำลังชี้ไปที่อุปสรรคที่น่าประหลาดใจซึ่งอาจจำกัดการพัฒนาหุ่นยนต์ที่มีความสามารถอย่างแท้จริง นั่นคือการขาดเทคโนโลยีเซ็นเซอร์สัมผัสที่ซับซ้อน ความท้าทายนี้ได้จุดประกายการอภิปรายอย่างเข้มข้นในชุมชนเทคโนโลยีเกี่ยวกับสิ่งที่จำเป็นจริงๆ ในการสร้างหุ่นยนต์ที่สามารถเทียบเท่าความคล่องแคล่วของมนุษย์

บล็อกโพสต์นี้วิเคราะห์ความซับซ้อนในการพัฒนาความคล่องแคล่วของหุ่นยนต์ให้เทียบเท่ากับความสามารถของมนุษย์

ปัญหาการสัมผัสที่ไม่มีใครพูดถึง

มือของมนุษย์มีเซ็นเซอร์เฉพาะทางประมาณ 17,000 ตัวที่ตรวจจับแรงกดดัน การสั่นสะเทือน การยืด และการเปลี่ยนแปลงของอุณหภูมิ เซ็นเซอร์เหล่านี้ทำงานร่วมกันเพื่อให้เราควบคุมได้อย่างน่าทึ่งเมื่อจัดการกับวัตถุต่างๆ ตั้งแต่การหยิบไข่ที่เปราะบางไปจนถึงการร้อยด้าย มือหุ่นยนต์ในปัจจุบันไม่สามารถเทียบเท่าความสามารถในการรับรู้ระดับนี้ได้ ซึ่งอธิบายได้ว่าทำไมแม้แต่หุ่นยนต์ที่ทันสมัยที่สุดยังคงดิ้นรนกับงานจัดการพื้นฐานที่เด็กๆ สามารถเรียนรู้ได้อย่างง่ายดาย

ชุมชนได้สังเกตว่าในขณะที่เราได้ทำการแปลงภาพ ข้อความ และเสียงเป็นดิจิทัลสำหรับการฝึก AI ได้สำเร็จแล้ว การสัมผัสยังคงเป็นดินแดนที่ยังไม่ถูกพิชิต ไม่เหมือนกับการมองเห็นหรือการได้ยิน ไม่มีวิธีมาตรฐานในการจับภาพและประมวลผลข้อมูลการสัมผัสที่หุ่นยนต์สามารถเรียนรู้ได้อย่างมีประสิทธิภาพ

ข้อมูลจำเพาะของเซ็นเซอร์มือมนุษย์:

• เซ็นเซอร์ทั้งหมด: ~17,000 ตัวรับความรู้สึกเชิงกลที่มีเกณฑ์ต่ำ
• เซ็นเซอร์ปลายนิ้ว: ~1,000 ตัวต่อปลายนิ้วหนึ่งนิ้ว
• ประเภทเซ็นเซอร์: 4 ชนิด (ปรับตัวช้า/เร็ว, ความไวเฉพาะจุด/กว้าง)
• หน้าที่: ตรวจจับความดัน การสั่นสะเทือน การยืด อุณหภูมิ

ทำไมล้อจึงอาจเอาชนะขาได้

การอภิปรายที่น่าสนใจได้เกิดขึ้นเกี่ยวกับว่าหุ่นยนต์ที่มีรูปร่างคล้ายมนุษย์ควรพยายามเลียนแบบโครงสร้างร่างกายของมนุษย์หรือไม่ ผู้เชี่ยวชาญหลายคนโต้แย้งว่าล้อนั้นดีกว่าขาสำหรับการใช้งานจริงส่วนใหญ่ เพราะมีราคาถูกกว่า ทนทานกว่า และมีประสิทธิภาพมากกว่า ความท้าทายเกิดขึ้นเมื่อหุ่นยนต์ต้องเดินทางผ่านบันได ขอบทางเท้า หรือพื้นผิวที่ไม่เรียบซึ่งเต็มไปหมดในโลกที่มนุษย์ออกแบบไว้

มนุษย์คงจะมีล้อถ้าหากมีเส้นทางวิวัฒนาการไปสู่ล้อ

ข้อสังเกตนี้เน้นย้ำว่าโครงสร้างพื้นฐานในปัจจุบันของเรามีอิทธิพลต่อหุ่นยนต์ประเภทใดที่จะมีประโยชน์จริงๆ บางคนเสนอว่าหุ่นยนต์ที่มีรูปร่างคล้ายมนุษย์ในอนาคตอาจดูแตกต่างจากมนุษย์มาก อาจใช้ล้อสำหรับการเคลื่อนที่ในขณะที่ยังคงแขนที่คล้ายมนุษย์สำหรับงานจัดการ

เศรษฐศาสตร์ของความซับซ้อนของหุ่นยนต์

การอภิปรายเผยให้เห็นข้อมูลเชิงลึกสำคัญเกี่ยวกับเหตุผลที่หุ่นยนต์ล้าหลัง AI ซอฟต์แวร์ นั่นคือเศรษฐศาสตร์ การให้บริการลูกค้าเพิ่มอีกหนึ่งรายด้วย ChatGPT มีต้นทุนเกือบศูนย์ แต่การสร้างและติดตั้งหุ่นยนต์จริงเกี่ยวข้องกับต้นทุนวัสดุและการผลิตที่มหาศาล ความเป็นจริงทางเศรษฐกิจนี้บังคับให้บริษัทหุ่นยนต์มุ่งเน้นไปที่โซลูชันที่คุ้มค่ามากกว่าการผลักดันขอบเขตของสิ่งที่เป็นไปได้ทางเทคนิค

ความท้าทายด้านความซับซ้อนลึกกว่าเพียงแค่ต้นทุน ระบบชีวภาพตามธรรมชาติแสดงถึงการปรับปรุงทางวิวัฒนาการหลายพันล้านปีที่เราเพิ่งเริ่มทำความเข้าใจ การสร้างระบบอัตโนมัติที่สามารถเทียบเท่าความซับซ้อนนี้อาจต้องใช้แนวทางที่แตกต่างจากการขยายเทคโนโลยีปัจจุบันขึ้นเพียงอย่างเดียว

การตั้งค่าเครื่องจักรกลเหล่านี้แสดงให้เห็นแนวทางที่แตกต่างกันในการออกแบบหุ่นยนต์ หนึ่งทำด้วยมือและอีกหนึ่งผลิตในโรงงานอุตสาหกรรม ซึ่งเน้นย้ำถึงความซับซ้อนทางเศรษฐกิจของการผลิตหุ่นยนต์

การเรียนรู้ในการจำลองเทียบกับความเป็นจริง

การเรียนรู้ของหุ่นยนต์ส่วนใหญ่ในปัจจุบันเกิดขึ้นในการจำลองคอมพิวเตอร์มากกว่าในโลกแห่งความจริง ส่วนใหญ่เพราะหุ่นยนต์จริงเสียหายบ่อยและสร้างข้อมูลที่มีสัญญาณรบกวนและใช้งานยาก แม้ว่าแนวทางนี้จะใช้ได้กับบางแอปพลิเคชัน แต่โลกแห่งความจริงนำเสนอสถานการณ์ที่ไม่คาดคิดอย่างต่อเนื่องซึ่งการจำลองไม่สามารถจับภาพได้อย่างสมบูรณ์ เช่น หุ่นยนต์คลังสินค้าของ Amazon ที่สับสนกับกล่องกระดาษสีแดงธรรมดา

ชุมชนชี้ให้เห็นว่าแม้แต่งานพื้นฐานเช่นการหยิบกล่องและวางบนพาเลทอย่างสม่ำเสมอยังคงเป็นปัญหาที่ยังไม่ได้รับการแก้ไขในสภาพแวดล้อมคลังสินค้าจริง แม้จะมีความพยายามในการพัฒนาอย่างเข้มข้นมาหลายปี

การใช้งานหุ่นยนต์ในปัจจุบัน:

• คลังสินค้า: หุ่นยนต์คลังสินค้า Amazon , การคัดเลือกสินค้าด้วย AI ของ Instacart
• การก่อสร้าง: หุ่นยนต์สร้างบ้าน (การนำมาใช้ยังช้า)
• เกษตรกรรม: หุ่นยนต์เกษตรที่ขับเคลื่อนด้วย AI
• การผลิต: งานในสภาพแวดล้อมที่เป็นอันตราย, การผลิตเซมิคอนดักเตอร์
• การดูแลสุขภาพ: ช่วยเหลือในการผ่าตัด, การจัดการยา, การดูแลผู้ป่วย

มองเกินกว่าความคาดหวัง

ในขณะที่กระแส AI ที่ก้าวหน้าในปัจจุบันได้สร้างความตื่นเต้นเกี่ยวกับสังคมที่เป็นอัตโนมัติอย่างสมบูรณ์ ความเป็นจริงดูมีความแตกต่างมากกว่านั้น หุ่นยนต์น่าจะยังคงเป็นเลิศในสภาพแวดล้อมที่ควบคุมได้และงานเฉพาะ แต่ความฝันของผู้ช่วยที่มีรูปร่างคล้ายมนุษย์อเนกประสงค์เผชิญกับอุปสรรคทางเทคนิคและเศรษฐกิจที่สำคัญซึ่งอาจใช้เวลาหลายทศวรรษในการเอาชนะ

เส้นทางข้างหน้าอาจเกี่ยวข้องกับการยอมรับข้อจำกัดเหล่านี้และออกแบบหุ่นยนต์ที่ทำงานภายในข้อจำกัดเหล่านั้น แทนที่จะพยายามเลียนแบบความสามารถของมนุษย์อย่างแม่นยำ นี่อาจหมายถึงหุ่นยนต์เฉพาะทางสำหรับงานเฉพาะ เครื่องมือความร่วมมือระหว่างมนุษย์และหุ่นยนต์ที่ดีขึ้น หรือแนวทางใหม่ทั้งหมดต่อระบบอัตโนมัติที่ไม่พึ่งพารูปแบบคล้ายมนุษย์

อ้างอิง: WHY TODAY'S ENTHRALLMENTS WON'T LEAD TO AN AUTOMATED SOCIETY