Примеры развития бытовой робототехники

Санкт-Петербургский государственный университет
информационных технологий, механики и оптики
Кафедра компьютерной фотоники и
видеоинформатики
Научно-образовательный инновационный
центр Интеллектуальных систем
компьютерного восприятия и
управления
Алексей Потапов
Деятельность
Центра
• Окружающий интеллект: бытовые
роботы, системы помощи
водителю, умные дома, ...
• Эволюционная
робототехника:
очувствленные и
обучающиеся роботы,
нейронные сети,
генетические алгоритмы,
…
Деятельность
Центра
•
•
•
•
Многое другое:
системы дополненной реальности,
игровой интеллект,
бизнес-интеллект
Что такое искусственный
интеллект?
Мифы
Русские сказки
• ковер-самолет
• скатерть-самобранка
• самоходные повозки
• меч-кладенец
Прочее
• гомункулусы
• големы
•…
Суть технического прогресса
История техники – история замены или
дополнения живого искусственным
• палка
• колесо
• рычаг
• счеты
• линза
•…
Но техника пассивна => неавтономна
История мехатроники
До н.э.
Позднее
Механические:
• птицы
• танцовщицы
• музыканты
•…
• Железный «человек-привратник»
Альберта Великого (XIII в.)
• Искусственный шахматист и
говорящая машина Вольфганга фон
Кемпелена (XVIII-XIX в.)
• Промышленная революция XIX в.:
механические швеи и т.д.
История интеллектуальных систем
До н.э.
Позднее
• счеты
• часы
•…
• Арифметические машины Блеза
Паскаля на основе часового
механизма (XVII в.) воспроизводят
искусство счета, доступное лишь
интеллектуалам
• Идеоскоп Корсакова (XIX в.)
Чего не хватало роботам?
Что такое компьютер?
Разделы ИИ, выделяемые на основе
решаемых задач
 Машинный перевод;
 Автоматическое реферирование;
 Информационный поиск;
 Системы речевого общения;
 Игровой интеллект;
 Автоматическое доказательство теорем;
 Автоматическое программирование;
 Извлечение данных;
…
Разделы ИИ, выделяемые на основе
используемых методов
 Искусственные нейронные сети;
 Эволюционные вычисления;
 Распознавание образов;
 Экспертные системы;
 Эвристическое программирование;
 Мультиагентный подход;
…
Смена парадигм ИИ
1. Поиск в пространстве решений;
1950-е – 1960-е гг.;
Решение формализованных задач;
Ограничение: формализация задач выполняется вручную
2. Представление знаний
1970-е – середина 1980-х гг.;
Решение задач из описанной узкой предметной области;
Ограничение: извлечение знаний выполняется вручную
3. Машинное обучение
середина 1980-х гг. – 1990-е гг.;
Построение описания узкой предметной области в рамках
заданного представления;
Ограничение: структура области определяется вручную
Мышление как поиск
1. Формальное понятие алгоритма
Алгоритм как цепочка операций над символами моделирует
процесс решения задач или доказательства теорем
математиком; решение задачи как поиск цепочки операций над
строками символов, приводящих от условия задачи к решению
2. Лабиринтная гипотеза мышления
Мышление животных и человека может быть представлено как
поиск пути в некотором «лабиринте», в котором развилки
соответствуют ситуациям, а коридоры – доступным переходам
между этими ситуациями.
3. Эвристическое программирование
Первая парадигма в искусственном интеллекте, в рамках
которой мышление рассматривалось как поиск в пространстве
решений и изучались вопросы оптимизации этого поиска.
Основные понятия эвристического
программирования
 Дерево вариантов
• Дерево игры
• Дерево целей
• Дерево эксплицитное
• Дерево имплицитное
 Порождающая процедура
• Поиск в ширину
• Поиск в глубину
 NP-полнота
 Комбинаторный взрыв
 Эвристика
Поиск в пространстве решений
Решаемые задачи:
 Игровой интеллект
 Автоматическое доказательство теорем
 Некоторые задачи планирования
Общий решатель задач
 Создан А. Ньюэллом и Г. Саймоном на основе
программы «Логик-теоретик» в 1957 году и
развивался более 10 лет
 Описание проблемной среды
 Описание операторов
 Описание различий
 Таблица связей
 Упорядоченье различий
 Описание задачи
 Совокупность состояний объектов в начальной ситуации
 Совокупность состояний объектов в начальной ситуации
 Метод решения: анализ целей и средств
Пример ограничений эвристического
программирования
Системы представления знаний
 Логические модели
 Системы продукций
 Семантические сети
 Фреймы
 Объектно-ориентированные представления
 Сценарии
 Системы с досками объявлений
…
Системы продукций
Правило или продукция имеет вид A=>B
Примеры
 Преобразование символов (переход
именительного к дательному падежу)
рожь => ржи
Xа => Xе
 Xь => Xи
 X => Xу
от
 Описание действий
1. Автомобиль не заводится и есть бензин => проверить зажигание.
2. Автомобиль не заводится => проверить наличие бензина.
3. …
 Распознавание объектов
1. Зеленый, полосатый, вкусный => Арбуз
2. Желтый, кислый => Лимон
3. …
Ассоциативные сети
Сети, в узлах которых находятся понятия, а дуги задают
ассоциативные связи между понятиями; структура
связей, как правило, определяется из психофизических
экспериментов
Желтый
Кожа
Животное
Дышать
Перья
Птица
Летать
Канарейка
Петь
Страус
Семантические сети
Сети, в узлах которых находятся понятия или некоторые
объекты, а дуги произвольные связи и отношения между
ними; эти сети служат для представления знаний
Мебель
относится к
Стул
состоит из
Спинка
назначение
состоит из
Ножка
Сидеть
Падежные фреймы
Падежные фреймы имеют структуру, подобную
структуре семантических сетей, и служат для
представления глубинной структуры предложений
на естественном языке
Гвоздь
Иван
субъект
объект
Забить
время
инструмент
Молоток
Будущее
Представления знаний
Мебель
Материал
дерево
Вес
4 кг
относится к
Спинка
Стул
Ножек
Вращается
4
Нет
Спинка
(…)
Ножка 1
(…)
Высота
39 см.
Наклон
0о
состоит из
Ножка
состоит из
…
…
Форма
кругл.
Высота
48 см.
Экспертные системы
Основные элементы
Основные функции
 База знаний
 Приобретение знаний
 Машина вывода
 Представление знаний
 Блок общения
 Манипулирование знаний
 Разъяснение решений
Проблема приобретения знаний стала узким местом в
разработке экспертных систем. Извлечение знаний,
осуществляемое инженерами по знаниям, было крайне
трудоемким в связи с чем возникла необходимость
разработки автоматических методов приобретения
знаний или в общей постановке – обучения.
Машинное обучение
Усвоение знаний, умений и навыков путем или получения
и восприятия информации от учителя или обработки
наблюдаемой информации с последующим построением
на основе этих наблюдений новых общих правил и
закономерностей.
Входное
представление
Обучающая
информация
Система
машинного
обучения
Выходное
представление
Результат
обучения
Типы обучения по виду предоставляемой информации
 Обучение с учителем
 Обучение с подкреплением
 Обучение без учителя
Схема взаимодействия интеллектуального
агента со средой
Агент
рецепторы
управление
эффекторы
«тело»
подкрепление наказание
сигналы
Среда
действие
Поколения роботов
• Программные
• Адаптивные
• Интеллектуальные
~ Когнитивные
Суть различий: в степени
недетерминированности
среды
Области применения робототехники
• промышленные роботы
• медицинские роботы
• роботы для оборонных задач
• беспилотные летательные аппараты и роботизированные
автомобили
• роботы в сфере услуг
• бытовые роботы
Особенности бытовых роботов:
• применяются не организациями, а отдельными людьми
жесткие требования к отношению стоимости к
полезности, а также к компактности
• наименьшая детерминированность условий
функционирования
Приложения бытовой робототехники
• роботы-игрушки
• большое различие по функциональным возможностям
• роботы, выполняющие работу по дому
• роботы-пылесосы
• роботы-газонокосилки
• роботы-повара
• роботы-посудомойки
• роботы-охранники
•…
• роботы, взаимодействующие с людьми
• роботы, помогающие инвалидам, больным и пожилым людям
• роботы, приглядывающие за детьми (например,
роботизированные люльки) или домашними животными
(автоматическое кормление и т.д.)
Большинство продуктов не окупают стоимость разработки
непосредственно за счет продаж.
Развитие бытовой робототехники
• Коммерческое освоение рынка бытовой робототехники
начинается с середины 1990-х годов. До этого
существовали преимущественно академические
исследования и разработки.
• Первые полноценные бытовые роботы стали выходить в
продажу в 1999-2002 гг.; темпы их продаж составили
свыше 100 экз./год.
• К 2005 г. некоторые типы роботов были проданы по
несколько миллионов экземпляров.
• Тем не менее, до сих пор лишь отдельные типы роботов
являются умеренно прибыльными; в большинстве же
своем они используются для повышения престижа
компании и отработки новых технологий.
Примеры развития бытовой робототехники
• 1999: AIBO (Sony); стоимость 2500$;
темп продаж в среднем (1999-2006 гг):
20000 экз./год.
• 2003: Робот-газонокосилка Robomow
(FriendlyRobotics); стоимость 1000$;
темп продаж 10000 экз./год.
• 2002-3: роботы-пылесосы:
• Roboking (LG), стоимость 2500$;
• Roomba (iRobots), стоимость >300$;
• Характерная стоимость сейчас:
~500$; темпы продаж одной модели:
10000-100000 экз./год (в сумме
>500000 экз./год).
• Исходно эти модели роботов для
навигации использовали сонары и
датчики касания
Примеры развития бытовой робототехники
• 2003: робо-охранники (подвижные автоматизированные
системы видеонаблюдения)
• MARON-1 (Fujitsu); стоимость 1500$;
• Существуют модели со стоимостью >10000$.
• Коммуникационные роботы:
• 2005: Wakamaru (Mitsubishi), стоимость 15000$.
• Роботы этих типов используют камеры. С 2008 года
использование камер для навигации оказалось
экономически оправданным для роботов-пылесосов.
Особенности компьютерного зрения в
бытовой робототехнике
• Современная тенденция развития бытовой робототехники
заключается в добавлении видеокамер в «бюджетные»
модели, а не только в «высокотехнологичные» разработки.
• По-прежнему существуют существенные ограничения на
вычислительную мощность бортовых вычислителей:
• Наиболее дешевыми решениями являются мобильные
процессоры типа ARM.
• Возможно использование DSP и FPGA, которые,
однако, также менее эффективны процессоров
персональных компьютеров.
• В «высокотехнологичных» моделях могут
использоваться более мощные процессоры, однако и их
производительность недостаточна для решения многих
задач анализа изображений существующими методами.
Особенности задач компьютерного
зрения в бытовой робототехнике
• Использование низкокачественных видеокамер.
• Существенно трехмерные изображения.
• Отсутствие фотограмметрических меток и векторных
моделей объектов.
• В ряде решений подобные метки используются.
• Непредсказуемое взаимодействие пользователя с
роботом.
• Для многих задач компьютерного зрения в бытовой
робототехнике, характеризующихся высокой априорной
неопределенностью, вообще отсутствуют методы решения.
Существующие технологии
• Методы быстрого выделения контуров и построение на их
основе структурных элементов.
• Решение задач стереозрения, определения точек схода.
• Восстановление трехмерной структуры сцены (например,
неплотной карты диспаратности).
• Системы локальных признаков.
• Решение задач сопоставления изображений.
• Сенсорная локализация мобильного робота.
• Распознавание объектов с низкой изменчивостью.
• Метод каскадов Хаара.
• Обнаружение и распознавание лиц.
• Коммуникационные и игровые роботы.
• Построение и анализ оптического потока
• Решение задач обнаружения движущихся объектов и слежения за
ними; распознавание жестов.
• Робо-охранники.
• Частные методы.
• Пример: текстурный анализ по априорным признакам.
• Приложение: обнаружение смятой одежды.
Решение задачи стереозрения
Изображения
Контуры
Структурные описания
Измеренная глубина сцены
Сопоставление изображений
Приложение: навигация мобильных роботов
Чего сейчас не могут зрительные
системы бытовых роботов
• Распознавать объекты с высокой изменчивостью.
• Распознавать «неограниченные» классы объектов
(«посуда», «мебель», …).
• Интерпретировать сцены.
• Работать в условиях изменяющегося и плохого
освещения.
• Строить «плотные» карты дальности.
• Обучаться.
• …
Приглашаем
школьников
Для школьников 9-11 классов предоставляется
возможность принять участие в деятельности
Центра
• Участие в реальных исследовательских и
коммерческих проектах
• Современное оборудование
• Постоянный обмен опытом в творческой атмосфере
• Семинары с выступлениями ведущих специалистов
Интересующиеся проблемами искусственного
интеллекта, обращайтесь на кафедру или по e-mail:
pas.aicv@gmail.com