Umělá inteligence fyzického světa představuje budoucnost všech autonomních strojů – od aut a dronů až po traktory. Vzorným příkladem pokroku v této oblasti je společnost Waymo. Ta po mnoho let vyvíjela špičkové palubní navigační technologie, včetně sofistikovaného hardwaru i četných modelů umělé inteligence a strojového učení, které řídí její vozy.
Palubní technologie však podle mého názoru nebude stačit k tomu, abychom žili ve světě, kde se autonomní stroje stanou všudypřítomnými. Na rozdíl od Waymo nemá naprostá většina společností k dispozici miliardy dolarů na vybudování technologie nezbytné k tomu, aby výpočetní jednotka sídlila výhradně ve vozidle.
Místo toho jsou zapotřebí vysoce efektivní cloudové systémy, které v kombinaci s modely umělé inteligence poskytují ultrapřesnou reprezentaci planety. Díky tomu mobilní roboty nebudou zcela závislé na palubních navigačních systémech. Jde o budoucnost, ve které budou autonomní stroje schopny optimalizovat trasy a v některých případech rozpoznat nebezpečí ve své cestě ještě dříve, než se vydají na cestu.
Současný stav umělé inteligence fyzického světa
Umělá inteligence, která dnes existuje, je lokalizovaná, s velkým množstvím zpracování na okraji sítě nebo přímo v autonomním stroji. Chybí však AI, která si je vědoma širšího fyzického prostředí.
Dobrou zprávou je, že existuje spousta dat o fyzickém světě shromážděných ze satelitů, dronů a nesčetných dalších zařízení, kterými lze tyto modely krmit. Špatná zpráva? Jak uvádí společnost Gartner, data o fyzickém světě obvykle vyžadují náročné inženýrské úpravy, aby je mohla umělá inteligence využít.
V této oblasti pracuje má společnost Wherobots a další. To, čemu říkáme „cloud prostorové inteligence“, je technologie navržená ke zpracování různorodých forem dat o fyzickém světě. Zahrnuje abstraktní tvary, jako jsou vektory reprezentující kopce, silnice a telefonní sloupy, které umožňují modelům AI pochopit, co stroj „vidí“.
Jak by cloud mohl pomoci autonomním strojům
Autonomní automobily jsou zřejmým příkladem. Nemyslím si, že výrobci někdy zcela nahradí palubní navigační systémy. Existují rozhodnutí v reálném čase, která je třeba učinit pomocí vysoce přesných senzorů, jako je lidar.
Rozhodování však můžeme zlepšit, pokud určité věci známe předem. Představte si například budoucnost, kdy společnost zabývající se doručováním na poslední míli má potíže s konzistentním a včasným transportem čerstvých potravin kvůli nejasnostem ohledně fyzického světa.
Ve venkovských oblastech mohou autonomní vozidla nedokázat rozpoznat, že dlouhé příjezdové cesty jsou často vstupy k domům příjemců. Nebo si představte situaci ve městě, kde samořídící auta nemohou najít konkrétní byt v rozsáhlém komplexu.
Právě z těchto důvodů flotilové společnosti využívají AI a cloudové technologie k vytváření detailně propracovaných a neustále se vyvíjejících map těchto oblastí a následně tyto informace poskytují zpět doručovacím systémům. To umožní autonomním vozidlům i kurýrům, kteří z nich vystupují, aby předali balíčky zákazníkům nebo je položili na práh, urychlit časy doručení. Mohli by také snížit emise uhlíku i riziko špatné zatáčky a nehody.
Mapy pomáhají dronům s lety mimo dohled
Ministerstvo dopravy USA prostřednictvím Federálního úřadu pro letectví v srpnu navrhlo povolit dronům provoz mimo vizuální dohled operátora bez potřeby individuálních výjimek. To by představovalo významné zjednodušení ve srovnání se současným systémem.
V budoucnosti, kdy částečně nebo plně autonomní drony budou fungovat ve velkém měřítku, budou doručovací společnosti muset vybudovat a udržovat mapy Země ve vysokém rozlišení, které budou prostorově vědět o věcech, jako jsou elektrická vedení, tvary budov a výstupky nebo jiné překážky fyzického světa.
Elektrická vedení a sloupy veřejného osvětlení jsou zejména významným nebezpečím, kolem kterého musí drony navigovat. A stejně jako autonomní vozidla, která hledají vstupní dveře příjemce, musí autonomní drony vědět přesně, kam na pozemku chce příjemce balíček položit.
Například mapa s vysokou věrností připravená pro strojovou inteligenci by pomohla dronu rozluštit, zda je dlouhý úzký tvar přední veranda, nebo bazén.
Autonomní traktory sklízejí a sdílejí data
Společnosti vyrábějící traktory, včetně John Deere, dosáhly velkého pokroku v oblasti autonomie. V roce 2022 Deere uvedl na trh svůj první traktor, který může pracovat 24 hodin denně bez lidského operátora v kabině. Tato vozidla také řeší nedostatek pracovních sil, kterému zemědělci čelí.
Jak uvedl Jahmy Hindman, technologický ředitel společnosti Deere, při uvedení vozidla na trh: „Naposledy bylo zemědělství na prahu tak velké změny, když jsme byli na pokraji nahrazení koně a pluhu.“
Traktor Deere 8R má GPS navigaci a zahrnuje palubní schopnosti AI a strojového učení. Výrobci traktorů by však mohli jít ještě dál. Tyto autonomní stroje by také mohly využívat podrobné mapy svých polí.
To je oblast, kde softwarová společnost Leaf Agriculture přináší změnu. Platforma Leaf se propojuje s poskytovateli dat, jako jsou John Deere, Climate Fieldview a CNHi mimo jiné.
Pomocí Wherobots překládá Leaf proprietární soubory od těchto poskytovatelů dat do konzistentního formátu, což zemědělcům usnadňuje definování prostorových hranic v rámci jejich pozemku známých jako „zóny správy“. Každá zóna má jedinečné potřeby kvůli různým charakteristikám, jako je nadmořská výška, typ půdy, sklon a odvodňovací schopnosti.
S průběžně aktualizovanými mapami ukazujícími zónu správy, ve které se nacházejí, mohou autonomní traktory činit důležitá rozhodnutí v reálném čase, například vědět, kdy upravit nebo zastavit postřik, což zemědělcům umožňuje chránit marže v notoricky nízkoziskovém podnikání.
Budoucnost autonomie nebude definována výhradně palubní technologií, ale spíše spojením strojového učení v reálném čase na okraji sítě s bohatou cloudovou prostorovou inteligencí. Ať už jde o dodávkový vůz navigující velkým bytovým komplexem, dron vyhýbající se elektrickému vedení nebo traktor upravující vstupy podle zóny správy, společným jmenovatelem je, že autonomní stroje fungují nejlépe, když vidí za své bezprostřední senzory do svého širšího okolí.
Zdroj: therobotreport.com
