Advances, challenges, and opportunities for legged robots

Stel je een wereld voor waarin je ochtendkoffie niet wordt bezorgd door een drone die een pakketje vanuit de lucht laat vallen, maar door een robot die gewoon je oprit op loopt, de ongelijke treden van je veranda navigeert en hem aan je overhandigt. Dit is niet langer een scène uit een film; het is de grens van de gebeende robotica (legged robotics). Decennialang hebben wetenschappers geprobeerd machines te bouwen die bewegen als dieren—door benen te gebruiken in plaats van wielen. Waarom? Omdat wielen geweldig zijn op gladde wegen, maar vastlopen op trappen, rotsen of modder. Benen zijn echter de ultieme tool van de natuur om zich voort te bewegen in rommelige, onvoorspelbare omgevingen.

Om te begrijpen hoe deze robots werken, moet je drie hoofdingrediënten kennen. Ten eerste is er de hardware: de motoren en sensoren die fungeren als spieren en ogen, waardoor de robot zijn eigen lichaam kan voelen en de wereld kan zien. Ten tweede is er locomotie, wat de kunst is om te bepalen hoe je die benen beweegt zonder om te vallen. Lange tijd werd dit gedaan met complexe wiskunde en vooraf geprogrammeerde regels, zoals het aanleren van het lopen aan een robot door het een strikt instructieboekje te geven. Maar onlangs zijn wetenschappers begonnen met het gebruik van machine learning, specifiek een methode genaamd reinforcement learning (versterkingsleren). Denk hierbij aan het trainen van een hond: in plaats van de hond precies te vertellen hoe hij moet zitten, laat je hem het proberen, en wanneer hij het goed doet, geef je hem een beloning (een "reward"). De robot probeert het miljoenen keren in een computersimulatie, leert van zijn fouten, totdat hij zelfstandig ontdekt hoe hij moet rennen, springen en herstellen van vallen. Ten slotte is er autonomie, het vermogen van de robot om zelf beslissingen te nemen over waar hij heen gaat en wat hij doet, zonder dat een mens een afstandsbediening vasthoudt.

Waarom is dit belangrijk? Omdat de wereld niet gebouwd is voor wielen. Onze huizen, bouwplaatsen, bossen en rampgebieden zitten vol met trappen, puin en ruwe grond. Als we gebeende robots onder de knie krijgen, kunnen we machines hebben die helpen op plaatsen waar mensen niet gemakkelijk kunnen komen, van het bezorgen van pakketjes aan de voordeur tot het verkennen van grotten of het helpen bij noodsituaties. Maar het bereiken van dat punt is moeilijk, en de robots moeten nog veel leren voordat ze ons echt kunnen vervangen of veilig naast ons kunnen leven.

Het Paper: Een Blik op de Toekomst van Loopmachines

Dit reviewpaper, geschreven door een team van experts van topuniversiteiten en onderzoeksinstituten, duikt diep in waar gebeende robots vandaag de dag staan, waar ze tegenaan lopen en waar ze naartoe gaan. Het is als een statusrapport van het hele vakgebied, waarbij alles wordt behandeld van de technische details van de machines tot de grote ethische vragen over het toelaten van deze machines in ons leven.

De Hardware: Van Zware Hydrauliek naar Slimme Motoren
Het paper legt uit dat vroege gebeende robots lomp en zwaar waren, en vaak hydraulische systemen gebruikten (zoals die in graafmachines) om te bewegen. Deze waren krachtig maar slordig, gevoelig voor lekkende olie en moeilijk te onderhouden. Vandaag de dag is de trend verschoven naar elektrische motoren die ongelooflijk sterk en reactief zijn. De auteurs beschrijven een doorbraak in de bouw van deze motoren: ze gebruiken speciale ontwerpen waardoor de robot de grond via zijn voeten kan "voelen" zonder extra, ingewikkelde sensoren nodig te hebben. Het is alsof de spieren van de robot ingebouwde zenuwen hebben die de hersenen precies vertellen hoe hard hij drukt. Dit heeft robots lichter, goedkoper en veel wendbaarder gemaakt. We hebben een boomkomst gezien in zowel viervoetige (quadruped) als tweevoetige (humanoid) robots, waarbij bedrijven ze nu verkopen voor prijzen variërend van een paar duizend dollar tot bijna $100.000.

De Hersenen: Leren Lopen in een Videogame
De grootste gamechanger die in het paper wordt beschreven, is hoe robots leren bewegen. In het verleden moesten ingenieurs elke stap handmatig coderen, wat was alsos het proberen te leren aan een mens hoe hij moet lopen door elke individuele spierbeweging op te schrijven. Nu gebruiken onderzoekers reinforcement learning (RL). Ze plaatsen de robot in een virtuele wereld (een simulatie) en laten hem proberen te lopen. Als hij valt, krijgt hij een "negatieve score"; als hij rechtop blijft staan, krijgt hij een "positieve score". De robot probeert dit miljoenen keren in een computer, waarbij hij leert lopen, rennen en zelfs parkour te doen.

Het paper belicht een slimme truc genaamd "sim-to-real". Omdat trainen in de echte wereld traag en riskant is (robots gaan kapot!), trainen ze eerst in de computer. Maar computers zijn niet perfect; de fysica in het spel kan net iets anders zijn dan in de echte wereld. Om dit op te lossen, gebruiken onderzoekers technieken zoals domain randomization, waarbij ze de verlichting, wrijving en het gewicht van de robot in de simulatie willekeurig veranderen. Dit dwingt de robot om een "algemene" manier van lopen te leren die werkt, ongeacht de omstandigheden. Zodod de robot een expert is in de videogame, dragen ze die hersenen over naar de echte robot, en — verrassend genoeg — werkt het vaak direct zonder verdere training.

De Volgende Uitdaging: Van "Hoe te Lopen" naar "Waar te Lopen"
Het paper wijst erop dat hoewel robots steeds beter worden in het lopen op vlakke grond of zelfs ruig terrein, ze nog steeds worstelen met het begrijpen van de wereld. Momenteel zien de meeste robots de wereld als een 3D-kaart van vormen: "Dat is een rots, dat is een gat." Ze weten eigenlijk niet wat een rots is of of het glad is. De auteurs stellen een nieuwe grens voor genaamd "dexterous semantic locomotion" (behendige semantische locomotie). Dit betekent dat de robot de betekenis van het terrein moet begrijpen. Hij zou bijvoorbeeld niet alleen een stapel bladeren moeten zien; hij moet weten dat stappen op de bladeren hem kan doen uitglijden, of dat een losse tak onder zijn gewicht kan breken. Hij moet zijn loopvaardigheden combineren met gezond verstand, net zoals een mens dat doet wanneer hij door een bos wandelt.

Wereldwijde Toepassingen: Van Fabrieken tot Brandbestrijding
De review somt plekken op waar deze robots al worden gebruikt. Viervoetige robots zijn momenteel de sterren van inspectie en monitoring. Ze lopen door olieplatforms, mijnen en kerncentrales om te controleren op lekken of schade, plaatsen die te gevaarlijk zijn voor mensen. Ze worden ook getest voor bezorging, om pakketjes naar de voordeur te brengen.

Humanoid robots beginnen net hun intrede te maken, voornamelijk in fabrieken om dozen te verplaatsen of te helpen bij de productie. Het paper merkt op dat hoewel het idee van een robot-butler voor ouderen een populaire droom is, de technologie daar nog niet is. De belangrijkste hindernissen zijn niet alleen het lopen; het gaat erom voorzichtig genoeg zijn om delicate objecten te hanteren en menselijke intenties te begrijpen zonder in de war te raken.

De Grote Vragen: Geld, Regels en Ethiek
Het paper praat niet alleen over technologie; het behandelt ook de menselijke kant van zaken. Economisch gezien zouden gebeende robots de arbeidsmarkt kunnen veranderen. In tegen tegenstelling tot industriële robots die voornamelijk in fabrieken werken, kunnen gebeende robots in onze huizen en op straat werken, wat potentieel dienstverlenende banen kan overnemen. Dit roept zorgen op over werkloosheid en ongelijkheid.

De auteurs duiken ook in de ethiek. Ze vragen zich af: als een robot op een hond of een persoon lijkt, moeten we hem dan anders behandelen? Zouden mensen te erg gehecht kunnen raken aan robotgenoten en zich eenzaam voelen als de robot kapot gaat? Er zijn ook serieuze vragen over militair gebruik. Als robots zware lasten kunnen dragen en ruig terrein kunnen navigeren, kunnen ze dan als wapens worden gebruikt? Het paper waarschuwt dat naarmate deze machines slimmer worden, we zorgvuldig moeten nadenken over wie ze controleert en hoe we ze reguleren.

Wat Nu?
Het paper concludeert dat we ons op een kantelpunt bevinden. De hardware is klaar en de basisvaardigheden voor het lopen zijn verrassend goed. Maar om het volledige potentieel van deze robots te ontsluiten, moeten we het "begripsprobleem" oplossen. We hebben robots nodig die niet alleen een trede zien, maar ook weten hoe ze er veilig op moeten stappen. De auteurs suggereren dat de toekomst ligt in het combineren van de fysieke vaardigheden van de robot met geavanceerde AI die over de wereld kan redeneren, bijvoorbeeld door taal te gebruiken om instructies te begrijpen zoals "loop om de plas heen" in plaats van alleen "beweeg vooruit".

Ze pleiten ook voor nieuw beleid. Naarmate deze robots bekwaamder worden, hebben we regels nodig die meeschalen met hun vermogens. Een robot die alleen loopt, heeft misschien weinig regels nodig, maar een robot die gereedschap kan hanteren en met mensen kan interageren, heeft strikte veiligheidsrichtlijnen nodig. Het paper dringt er bij overheden en bedrijven op aan om zich nu voor te bereiden op deze verschuiving, door te investeren in onderwijs en veiligheidsnormen, zodat wanneer gebeende robots een gewoon onderdeel van ons leven worden, ze veilig, behulpzaam en gunstig zijn voor iedereen.

Kortom, gebeende robots zijn geen sciencefictionexperimenten meer. Ze zijn echt, ze worden elke dag beter, en ze staan op het punt om rechtstreeks onze wereld binnen te wandelen. De uitdaging nu is om ervoor te zorgen dat ze het juiste pad bewandelen.