Robotens vy av rummet. Den vet att tangentbordet brukar finnas nära skärmen och letar därför där först.
Robotar kan idag klara av att utföra en mängd varierande saker, men det krävs oftast att de förprogrammerats för den specifika uppgiften. Stöter de på något de aldrig sett blir det därför problem. Detta håller nu forskare vid Cornell Personal Robotics Laboratory på att försöka lösa och har som mål att ta fram robotar som kan plocka i och ur diskmaskinen, laga mat, städa, montera byggsatser med mera.
Att generalisera uppfattas nog av många som något negativt, då det innebär att ha en förutbestämd uppfattning om något. Men faktum är att vi generaliserar flera gånger dagligen utan att ens tänka på det och det är något nödvändigt för att vår hjärna ska klara av att hantera all den enorma mängd information vi har omkring oss. Det hela handlar egentligen om statistik och sannolikhet baserat på tidigare kunskap och erfarenheter.
Om någon till exempel ber dig sätta på kaffe går du sannolikt ut i köket det första du gör, detta eftersom alla tidigare tusentals gånger du sett en kaffebryggare har den stått i ett kök. Då har du precis generaliserat. Om vi varje gång skulle behöva leta igenom varje enskilt rum efter kaffebryggaren skulle det bli väldigt tidskrävande och ineffektivt, därför behöver vi generalisera.
Detta gäller i allra högsta grad även robotar. Hittills har de varit ganska dåliga på att generalisera och se saker i sin kontext medan våra mänskliga hjärnor är väldigt bra på att filtrera bort irrelevant information. Nu har dock Cornell Personal Robotics Laboratory tagit fram algoritmer som gör att robotar blir bättre på att känna igen och hitta saker genom att bryta ner omgivningen i olika beståndsdelar, till exempel golv, tak, väggar, bordsyta.
I videon ovan ser vi hur deras robot Polar ges uppgiften att hitta ett tangentbord i ett småstökigt rum. Roboten har på förhand fått lära sig att tangentbordet brukar finnas nära skärmen, som den upptäcker ganska snart efter att ha skannat av rummet. Därefter åker den fram till skärmen och skannar av omgivningen på nytt varvid den upptäcker tangentbordet. Denna typ av generalisering är ett mycket effektivare sätt för robotar att lokalisera saker och är en viktig egenskap för framtida hemrobotar.
Tack vare Microsofts Kinectsensor, som ursprungligen var avsedd enbart för spel, har många robotutvecklare för en billig peng fått avancerat djupseende till sina robotar. Detta har även Cornell utnyttjat och har med hjälp av Kinectsensorn byggt en modul som kan dela in omgivningen i 17 olika objektkategorier.
Detta är en del av ett större projekt hos Cornell med målet att få fram robotar som på ett bättre sätt än dagens kan fungera som hjälpreda i hem- och kontorsmiljö. Förutom att lära robotar förstå sin omgivning jobbar de även på att lära robotar placera objekt (t.ex tallrikar i en diskmaskin) och upptäcka olika mänskliga aktiviteter. Robotarna ska även kunna montera ihop saker från byggsatser, så i framtiden kanske du kan låta roboten sätta ihop dina IKEA-möbler.