Двадцать лет назад почти весь рынок робототехники составляли индустриальные роботы. Эти устройства занимались сваркой, покраской или простыми операциями перемещения на заводах и были всегда изолированы от живых сотрудников. Сегодня роботы начинают работать бок о бок с людьми и проникают в повседневную жизнь. Какие технологии помогают роботам «выйти в люди»? Об этом расскажет руководитель Лаборатории робототехники «Сбера» Алексей Гонноченко.
Давайте определимся с терминологией: какие устройства можно считать роботами?
Изначально под роботом понимали устройство, которое может менять последовательность действий в соответствии с данными, которые оно получает с датчиков. Первые промышленные роботы появились еще в середине 50-х годов в США. Это были манипуляторы с числовым программным управлением, с помощью которых автоматизировали простые технологические задачи в массовом производстве.
С тех пор и роботы стали гораздо сложнее, и само слово, по крайней мере в быту, перестало быть таким однозначным. Робот-пылесос называется роботом, а стиральная машинка почему-то нет, хотя тоже оснащена кучей датчиков и умеет сама выбирать режимы стирки. Беспилотный автомобиль, конечно, тоже робот, но и за ним это определение не закрепилось.
Чему важному научились роботы за последние годы?
В принципе, все с самого начала мечтали об идеальном роботе-помощнике, который будет протирать пыль и выгуливать собачек. Но в реальности еще двадцать лет назад место робота было в закрытой клетке, где он никому не причинит вреда, но будет делать что-то полезное. Фактически 95% робототехники тогда концентрировалось на производствах, и доступ людей в зону работы робота жестко ограничивался. Роботы были пусть и умные машины, но опасные: у них не было достаточного количества датчиков, позволяющих контролировать окружающее пространство, тогда это считалось избыточным.
Но десять-пятнадцать лет назад появились так называемые коллаборативные роботы-манипуляторы, оснащенные дополнительными датчиками, которые позволяли им относительно безопасно работать рядом с человеком. Сейчас мы понимаем, что это был прорыв, который существенно расширил сферу применения роботов. Роботов стало можно использовать в неподготовленной среде, и не требовалось создавать для них специальные условия. Плюс сильно упростился интерфейс программирования: его может настроить любой неинженер, пройдя часовой курс обучения. Это дало толчок к автоматизации процессов, которые раньше никто не автоматизировал в принципе.
Расскажите о технологиях, которые помогли этому случиться.
Именно коллаборативные манипуляторы не требуют каких-то особенных технологий, просто рынок и общее развитие технологий подготовили почву. Если говорить о более сложных примерах, как робот-пылесос или беспилотный автомобиль, то это всё стало возможно благодаря существенному увеличению вычислительной мощности компьютеров. Появились компактные и доступные, при этом мощные вычислители, которые можно расположить на борту робота любого размера.
Чтобы собирать информацию об окружающем пространстве, роботу нужно зрение: камера либо какие-то другие сенсоры. Данные с этих сенсоров нужно обрабатывать. Для этого нужна вычислительная мощность. Чем больше данных и сложнее их обработка на борту, тем больше мощности требуется роботу.
На самом деле, человеку сложно понять, почему роботы не справляются с некоторыми задачами. Мы спокойно обращаемся с незнакомыми предметами, учимся взаимодействовать с новыми инструментами. Но мы забываем, что первые десять-пятнадцать лет жизни мы непрерывно учимся этому навыку. У современного робота подобных механизмов накопления опыта нет. Его можно запрограммировать работать с одним предметом, но он не может перенести свои навыки на другой предмет схожего класса или агрегировать свой опыт работы с разными вещами в прошлом. То же самое касается перемещения в пространстве. Когда мы двигаемся по офису или улице, мы подсознательно контролируем траектории всех объектов, которые видим, так, чтобы построить свой путь и избежать столкновения. Мы не задумываемся о том, какой объем информации обрабатываем в этот момент.
Intel® NUC — одна из таких платформ, которые могут быть использованы при создании роботов, осуществляющих глубокую обработку сенсорных данных.
Какие продукты Intel вы используете в лаборатории?
Мы используем компьютеры Intel NUC. Обычно это самые производительные модели. В исследованиях всегда проще взять старшую модель, чтобы не тратить время на оптимизацию кода. Серьезная оптимизация на ранних стадиях исследования алгоритма — бессмысленная трата времени. Когда речь заходит о серийном производстве, становится важна надежность: компьютер, который лежит в основе робота, должен работать 24/7, не выключаясь, пять лет.
В качестве одного из датчиков «зрения» для робота мы используем технологию глубинного зрения Intel RealSense™. В этом датчике несколько камер и структурированная подсветка, она проецирует множество точек в инфракрасном спектре. Это позволяет устройству легче определять рельеф монотонных объектов, например, белой стены. Человеку сложно определить, а датчик может. То есть, несмотря на небольшой размер, он выдает достаточно точную трехмерную картинку. Изначально это был сенсор для игровых приставок. Но научное сообщество быстро выяснило, что сенсор хорошо подходит для решения задачи ориентации робота в пространстве и обнаружения препятствий. К тому же использование готового видеопотока глубин упрощает разработку алгоритмов и ускоряет интеграцию. Появились десятки примеров того, что можно на нём сделать. Ученые и инженеры начали использовать его в своих проектах.
Сенсор простой, его легко купить, и он «из коробки» работает так, как заявлено, — никаких танцев с бубнами. Большинство исследователей в области робототехники сейчас работают именно на Intel RealSense. Соответственно, если мы, например, хотим повторить чей-то эксперимент, понять, как они добились этого результата, и адаптировать для своих целей, проще всего стартовать с той же «железкой», на которой он был сделан.
Расскажите о ваших текущих проектах.
Наша основная функция всё же не разработка продуктов, которые нужны прямо сейчас (хотя такие задачи у нас тоже есть). В первую очередь лаборатория — это перспективные исследования на горизонте трех-пяти лет.
Для нас основной интерес сейчас представляют не столько новые технологии в робототехнике, сколько новые области применения роботов. А применение зависит от того, насколько хорошо роботы понимают окружение, в котором работают. Поэтому мы занимаемся алгоритмами обработки данных с сенсоров и добиваемся высокой надежности в различных условиях.
Основных направлений два. Это мобильность: мы делаем роботов, которые могут двигаться с какой-то полезной нагрузкой. И второе направление — это манипуляция: мы пытаемся научить роботов взаимодействовать с окружающими предметами.
Что касается конкретных продуктов, например, первый продукт, который разработала наша лаборатория, уже внедрен. В нём минимум инноваций и максимум практики: это робот для пересчета денег. Когда из магазина выручка приезжает в «Сбер», люди ее пересчитывают на специальных счетно-сортировальных машинах. Закладываешь перемешанную стопку, а вытаскиваешь пачки, сформированные из одних номиналов. Раньше в этом процессе участвовали два человека: один стоял непосредственно за машиной, второй готовил наличность для пересчета. Сейчас фактически человека, который стоял за машиной, убрали, и остался только человек, который готовит наличность и управляет работой комплекса. А машина полностью обслуживается нашим коллаборативным роботом. Производительность труда увеличилась на 40%.
Сейчас мы делаем пробную серию роботов-дезинфекторов для офисов и больниц. Преимущество ультрафиолетовой дезинфекции в автономном режиме в том, что это гораздо быстрее, чем с участием человека: люди не могут находиться рядом с лампой, пока она работает. Соответственно, если помещение не обработать с одной точки, значит, оператор должен включить лампу, выйти, подождать, пока прибор отработает, передвинуть его и так далее. Робот может это всё делать автономно. Второй момент: робот движется, поэтому может более равномерно обрабатывать помещение.
В качестве управляющего компьютера в этом роботе тоже используются Intel NUC. Здесь для нас, помимо высокой производительности, были важны компактные размеры и хорошая техническая поддержка Intel.
К сожалению, в России главный драйвер роботизации — эффект от экономии на зарплате персонала. В случае дезинфекции, когда живой сотрудник получает не очень большую зарплату, это убивает эффективность роботизации на корню. На западе же главный драйвер автоматизации дезинфекции — это снижение внутрибольничных инфекций и в принципе ограничение распространения заболеваний, а не стоимость клининга. Рано или поздно мы придем и в наши больницы, но сейчас через партнеров прорабатываем продажу этого робота за границу.
А как вообще получилось, что «Сбер» занялся робототехникой?
Нужно всё-таки понимать, что «Сбер» — это уже не банк, а IT-компания с банковской лицензией. Создаваемая экосистема вышла за пределы классического банковского сектора. У банка сейчас есть продукты в самых разных сегментах, в том числе в медицине, доставке, ИТ-сервисах. «Сбер» трансформируется в IT-компанию с диверсифицированным бизнесом. Это решение было принято не на пустом месте. Ключевым фактором на рынке банковских услуг XXI века являются данные о клиентах. Тот, у кого есть данные, может правильно оценивать надежность своих клиентов и партнеров. У кого данных нет, тот остается за бортом. «Сбер» активно развивает свою экосистему, в которой будет много источников данных и много источников коммерциализации этих данных.
Лаборатории были созданы не только по робототехнике. Их более десяти по всем ключевым направлениям технологических трендов. Например, есть лаборатория нейронаук, лаборатория интернета вещей, лаборатория кибербезопасности, лаборатория AR/VR, лаборатория искусственного интеллекта, лаборатория блокчейна — и можно продолжить список.
Так что ответ на вопрос «Зачем „Сберу“ робототехника?» очевиден: все лидеры в мире в том или ином виде занимаются робототехникой.
