Роботы - Дмитрий Романофф
Для производства роботов нужны мощные компактные двигатели, высокоточные датчики и специализированные сплавы. Из-за этого спрос на редкоземельные металлы может вырасти кратно. Будут ли цены сдерживать внедрение? Уже сегодня страны Запада активно инвестируют в создание альтернативных цепочек поставок, независимых от Китая, чтобы снизить риски и волатильность на рынке. Цены на природные ресурсы станут ключевым фактором развития робототехники. Но мы не зря рассматривали в начале книги Китай как технологический полигон для внедрения технологий. Имея контроль над ресурсами, они могут управлять как ценами на металлы, так и объёмами поставок. Дотационная экономика позволяет субсидировать нужные области и не зависеть от цен на редкоземельные металлы.
Другое дело, если мы хотим массового внедрения роботов по примеру смартфонов. Для этого необходима стабильная и предсказуемая стоимость ресурсной корзины на протяжении всего периода массового производства. Инвесторы, оценивающие проекты в робототехнике, уже сейчас закладывают в свои модели не только технологические риски, но и геополитические риски доступа к сырью. Как показали примеры со смартфонами и электрокарами, фаза массового распространения наступает не только благодаря прорывным технологиям и адаптации подрастающего поколения, но и в благоприятное «ресурсное окно». Это ещё один важнейший фактор, который создаёт тот самый Моментум, про который мы уже неоднократно говорили.
Глава 18. Синхронизация робота и человека
Мы уже рассматривали, как роботы могут помогать человеку синхронизировать существование в метавселенной с реальным миром, сглаживая переход и облегчая адаптацию. Взаимодействие с роботом перестаёт быть похожим на управление инструментом и начинает напоминать нечто большее. Эту трансформацию обеспечивает персонализация, основанная на больших данных и языковых моделях. Они позволяют роботу выстраивать уникальную модель пользователя, адаптироваться к привычкам человека и предвосхищать его намерения — от кивка головы до неоконченной фразы. Это та же революция, что произошла со смартфонами после появления тачскрина, открыв путь новым, естественным формам коммуникации на основе персуазивных технологий.
Персонализация.
Базовые роботы запрограммированы на однообразные реакции, но для эффективного сотрудничества в сложной или социальной среде робот должен понимать контекст, состояние и цели человека. Персонализация решает эту задачу, превращая робота из пассивного исполнителя команд в активного участника взаимодействия. Такие системы, основанные на распознавании намерений, стремятся определить мотивы пользователя и предсказать его будущие действия.
Для создания модели пользователя или его «цифрового двойника», робот собирает и анализирует данные:
1. Биометрические и поведенческие через особенности походки, паттерны движений рук, мимику и динамику голоса.
2. Контекстуальные и средовые в виде распорядка дня, типичных маршрутов движения, предпочтений в доме, уровня освещённости и шума.
3. Вербальные и невербальные, где учитываются часто используемые слова и фразы, характерные жесты, позы, выражающие усталость или сосредоточенность.
Чтобы собирать эти данные, роботы оснащаются комплектом сенсоров, каждый из которых отвечает за свой канал информации. Их комбинация повышает надёжность распознавания:
1. Визуальные камеры анализируют жесты, позы, мимику, движение глаз, объекты в окружении. Робот видит, что человек тянется к книге, и подаёт её.
2. Инерциальные отслеживают траекторию, скорость и угол движения конечностей или тела. Носимый экзоскелет анализирует паттерн ходьбы для коррекции.
3. Микрофоны считывают голосовые команды, интонацию и фоновые звуки. Робот распознаёт не только команду «открой», но и тревогу в голосе.
4. Тактильные анализируют силу нажатия, давление и вибрацию. Робот манипулятор регулирует усилие для хрупкого предмета.
5. Биосигнальные получают электрическую активность мозга или мышц. Протез руки начинает движение по намерению, а не по явной команде.
Собранные данные лишь основа работы алгоритмов:
1. Машинное обучение и нейросети выявляют скрытые закономерности в поведении конкретного человека. Например, гарвардский носимый робот для пациентов с ALS и после инсульта использует ML для 94 %-ной точности распознавания индивидуальных движений плеча.
2. Большие языковые модели выполняют роль универсального интерпретатора. Они связывают голосовую команду, контекст и знания о мире. Анализируется абстрактный запрос: «Мне нужен простой стул», — извлекается суть и передаётся техническим модулям для генерации 3D-модели и её последующей сборки роботом.
3. Сенсорная интеграция объединяет потоки данных от разных сенсоров для формирования целостной картины.
Так, умная перчатка BrightSign, переводящая язык жестов в речь, обучается индивидуальным особенностям жестикуляции каждого пользователя, комбинируя данные с датчиков сгиба, инерции и касания.
Реализованные проекты.
Современные протезы и экзоскелеты уже сегодня используют данные ЭМГ и IMU, чтобы предугадать желаемое движение и помочь человеку выполнить его плавно и с меньшими усилиями. Промышленные коботы с камерами глубины учатся считывать жесты оператора для совместной сборки, перенаправляя задачи без перепрограммирования.
Роботы с реалистичной мимикой как китайский Origin M1 с 25 микромоторами для управления лицом, используют камеры в «зрачках», чтобы читать эмоции собеседника и реагировать уместной мимикой, устанавливая эмоциональный контакт.
Несмотря на прогресс последних лет, путь к массовому использованию сложен. Ключевые вызовы на сегодня:
1. Персональные поведенческие и биометрические данные требуют высочайшего уровня защиты.
2. Пользователь должен понимать, как робот принимает решения, и быть уверенным в его надёжности. Прозрачность алгоритмов критически важна.
3. Модель должна постоянно обновляться, подстраиваясь под изменения в привычках или физическом состоянии пользователя.
Дорожная карта внедрения может быть связана описанными десятилетними циклами:
1. В 2020-х годах нишевое внедрение в медицине, реабилитации и премиальном сервисе. Доминируют закрытые, специализированные системы.
2. Ближайшее будущее до 2030-х годов появляются открытые платформы обмена «цифровыми профилями» пользователей с их согласия. Робот в доме, офисе и автомобиле будет настраиваться под одного человека.
3. Перспектива на 2040-е годы в формировании «единого цифрового профиля» человека, к которому будут обращаться любые устройства для интуитивно понятной синхронизации.
Синхронизация человека и робота через большие данные и LLM — это следующий логический шаг в эволюции взаимодействия. Это поле для экспериментов, где сегодня закладывается фундамент будущего, в котором технологии не просто получают наши команды, но и понимают наши намерения.
Если большие данные и мультимодальные сенсоры дают роботу «органы чувств» для восприятия внешних действий человека, то психометрические данные открывают доступ к его внутреннему миру. Это измеряемые показатели психических состояний, установок, эмоций и личностных черт. В их сборе и анализе заключается следующий эволюционный шаг к по-настоящему интуитивному взаимодействию, где робот будет понимать не только команду, но и контекст, настроение и невысказанные потребности пользователя.
Психометрия.
Успешное внедрение роботов, особенно социальных и домашних, зависит не только от их технических возможностей, но и от готовности людей их
