Proč humanoidní roboti stále nemohou přežít v reálném světě
Univerzální roboti zůstávají vzácní ne pro nedostatek hardwaru, ale proto, že stále nemůžeme dát strojům fyzickou intuici, kterou se lidé učí prostřednictvím zkušeností.
BERLÍN, NĚMECKO 6. září: Humanoidní robot NEURA Robotics 4NE-1 Gen 3 je vystaven během IFA 2025 v Berlíně, Německo, 6. září 2025.
Artur Widak/NurPhoto přes Getty Images
V západní svět, humanoidní roboti nalévat nápoje a jezdit na koních. V Hvězdné války, “droidi“ jsou obyčejné jako spotřebiče. To je budoucnost, kterou stále očekávám, když se dívám na nový oblíbený žánr internetu: roboti tančíkickbox nebo parkour. Ale pak vzhlédnu od telefonu a nejsou tam žádní androidi na chodníku.
Roboty nemyslím miliony, které jsou již nasazeny v továrnách, ani desítky milionů, které si spotřebitelé ročně kupují na vysávání koberců a sekat trávníky. Mám na mysli humanoidní roboty jako C-3PO, Data a Dolores Abernathy: humanoidi pro všeobecné použití.
To, co je drží mimo ulici, je výzvou, kterou výzkumníci v oblasti robotiky řešili po celá desetiletí. Stavba robotů je snazší, než aby fungovali v reálném světě. Robot může opakovat rutinu TikTok na rovném povrchu, ale svět má nerovné chodníky, kluzké schody a lidi, kteří spěchají kolem. Abyste pochopili obtíž, představte si, jak ve tmě přecházíte špinavou ložnici a nesete misku polévky; každý pohyb vyžaduje neustálé přehodnocování a rekalibraci.
O podpoře vědecké žurnalistiky
Pokud se vám tento článek líbí, zvažte podporu naší oceňované žurnalistiky předplatné. Zakoupením předplatného pomáháte zajistit budoucnost působivých příběhů o objevech a nápadech, které formují náš dnešní svět.
Umělá inteligence jazykové modely jako jsou ty, které Power ChatGPT nenabízejí snadné řešení. Nemají vtělené znalosti. Jsou jako lidé, kteří přečetli každou knihu o plachtění a přitom vždy zůstali na suchu: dokážou popsat vítr a vlny a citovat slavné námořníky, ale nemají fyzický smysl pro řízení lodi nebo ovládání plachty.
„Někteří lidé si myslí, že můžeme získat data z videí lidí – například z YouTube – ale pohled na obrázky lidí, kteří dělají věci, vám neřekne skutečné detailní pohyby, které lidé provádějí, a přejít z 2D do 3D je obecně velmi obtížné.“ řekl robotik Ken Goldberg v srpnovém rozhovoru pro University of California, zpravodajský web Berkeley.
Aby tuto mezeru vysvětlil, Yann LeCun, hlavní vědec společnosti Meta v oblasti umělé inteligence, poznamenal, že ve věku čtyř let dítě přijímá mnohem více vizuálních informací pouhým očima, než je množství dat, na kterých jsou trénovány největší velké jazykové modely (LLM). „Za 4 roky vidělo dítě 50krát více dat než největší LLM,“ napsal na LinkedIn a X v loňském roce. Děti se učí z oceánu ztělesněných zkušeností a obrovské soubory dat používané k trénování systémů umělé inteligence jsou ve srovnání s loužemi. Jsou také špatnou loužičkou: trénováním umělé inteligence na milionech básní a blogů nebude ještě schopnější ustlání vaší postele.
Robotici se primárně soustředili na dva přístupy k odstranění této mezery. První je demonstrace. Lidé teleoperují robotická ramena, často prostřednictvím virtuální reality, takže systémy mohou zaznamenat, jak vypadá „dobré chování“. To umožnilo řadě společností začít budovat datové sady pro školení budoucích AI.
Druhým přístupem je simulace. Ve virtuálních prostředích mohou systémy umělé inteligence procvičovat úkoly tisíckrát rychleji než lidé ve fyzickém světě. Ale simulace naráží na mezeru ve skutečnosti. Snadný úkol v simulátoru může ve skutečnosti selhat, protože skutečný svět obsahuje nespočet drobných detailů – tření, mačkavé materiály, světelné výstřednosti.
Tato mezera v realitě vysvětluje, proč vám robotická parkourová hvězda nemůže umýt nádobí. Po prvním Světové hry s humanoidními roboty letos v Pekingu, kde roboti soutěžili ve fotbale a boxu, napsal robotik Benjie Holson jeho zklamání. Co lidé opravdu chtějí, tvrdil, je robot, který umí dělat domácí práce. Navrhl novou humanoidní olympiádu, ve které by roboti čelili výzvám, jako je skládání trička naruby, používání sáčku na psí hovínka a čištění arašídového másla z vlastní ruky.
Je snadné podcenit složitost těchto úkolů. Zvažte něco tak obyčejného, jako je sáhnout do sportovní tašky nacpané oblečením, abyste našli jednu košili. Každá část vaší ruky a zápěstí detekuje textury, tvary a odpor. Předměty můžete rozpoznat dotykem a propriocepcí, aniž byste museli vše odstraňovat a kontrolovat.
Užitečná paralela je typ robota, který jsme učili léta, obvykle aniž bychom mu říkali robot: samořídící auto. Tesla například shromažďuje data ze svých vozů, aby trénovala další generaci své samořídící AI. V celém odvětví musely společnosti shromažďovat obrovské množství dat o řízení, aby dosáhly dnešní úrovně automatizace. Humanoidi mají ale těžší práci než auta. Domy, venkovní prostory a staveniště jsou mnohem variabilnější než dálnice.
To je důvod, proč inženýři navrhují mnoho současných robotů tak, aby fungovali v jasně definovaných prostorech – továrnách, skladech, nemocnicích a chodnících – a dali jim jeden úkol, který musí dělat velmi dobře. Humanoid Digit od Agility Robotics nese skladové tašky. Roboti Figure AI pracují na montážních linkách. Walker S2 od UBTECH může zvedat a přenášet náklady na výrobních linkách a autonomně vyměňovat svou baterii. A humanoidní roboti Unitree Robotics dokážou chodit a dřepět, aby zvedli a přesunuli předměty, ale stále se většinou používají pro výzkum nebo demonstrace. I když jsou tito roboti užiteční, stále mají daleko k tomu, aby byli univerzálním pomocníkem v domácnosti.
Mezi těmi, kteří pracují na robotice, panuje široká neshoda ohledně toho, jak rychle se tato mezera zacelí. V březnu 2025 Generální ředitel Nvidie Jensen Huang řekl novinářům: „Toto není problém za pět let, to je problém za několik let.“ V září 2025 robotik napsal Rodney Brooks„Od prvního ziskového nasazení humanoidních robotů i s minimální obratností nás dělí více než deset let.“ Varoval také před nebezpečím, které roboti představují kvůli nedostatečné koordinaci a riziku pádu. „Moje rada lidem je nepřibližovat se k chodícímu robotu v plné velikosti na více než 3 metry,“ napsal Brooks.
Co zatím brání Main Street vypadat jako sci-fi je to, že většina humanoidů je stále ve školkách, které jsme pro ně postavili: učí se s teleoperátory nebo na simulátorech. Nevíme, jak dlouho jim vzdělání vydrží. Když humanoidní roboti se stanou běžnými, budou dynamičtější než dnešní systémy, ale mnohem méně nápadné než klipy, které se staly virálními na TikTok. Budoucnost stále bude stroje vykonávající práci pro které byli trénováni, den za dnem, bez dramatu.
Je čas postavit se za vědu
Pokud se vám tento článek líbil, rád bych vás požádal o podporu. Scientific American sloužil jako obhájce vědy a průmyslu již 180 let a právě teď může nastat nejkritičtější okamžik v této dvousetleté historii.
Byl jsem a Scientific American předplatitel od mých 12 let a pomohlo mi to utvářet můj pohled na svět. SciAm vždy mě vzdělává a těší a vzbuzuje úctu k našemu obrovskému, krásnému vesmíru. Doufám, že to udělá i vám.
Pokud vy přihlásit se k odběru Scientific Americanpomáháte zajistit, aby se naše pokrytí soustředilo na smysluplný výzkum a objevy; že máme zdroje na podávání zpráv o rozhodnutích, která ohrožují laboratoře v USA; a že podporujeme začínající i pracující vědce v době, kdy hodnota samotné vědy zůstává příliš často nepoznaná.
Na oplátku získáte zásadní zprávy, strhující podcastyskvělá infografika, nepřehlédnutelné newsletteryvidea, která musíte vidět, náročné hrya nejlepší vědecké psaní a zpravodajství. Můžete dokonce darovat někomu předplatné.
Nikdy nebyl důležitější čas, abychom vstali a ukázali, proč na vědě záleží. Doufám, že nás v této misi podpoříte.
