Robotika v roku 2025: Nový prístup k učeniu sa pomocou „Manipulačnej dátovej pyramídy“

Robotika zažíva obrovský pokrok a nové technológie otvárajú dvere pre robotov, ktorí dokážu vykonávať zložitejšie úlohy. V nedávnom seminári na Stanforde profesor Yang Gao predstavil fascinujúci nový prístup k učeniu robotov, ktorý kombinuje silu predtréningu s rozsiahlymi dátami a efektívnym posilňovacím učením. Jeho „Manipulačná dátová pyramída“ by mohla zmeniť spôsob, akým robíme roboty – a to nielen v laboratóriách, ale aj v našich domovoch a továrňach.

Inšpirácia od prírody: Učenie sa imitáciou

Profesor Gao začal svoj seminár zdôraznením toho, ako ľudia a zvieratá učia nové veci pomocou imitácie. Pozorujeme ostatných a snažíme sa ich napodobniť – či už je to pes, ktorý sa učí chodiť od človeka, alebo dieťa, ktoré sa učí jazdiť na bicykli. Dôležité nie je len kopírovať pohyby (trajektórie), ale pochopiť zmysel toho, čo robíme. Tento koncept „sémantickej imitácie“ je kľúčový pre robotiku.

Posilňovacie učenie: Doladenie zručností

Samozrejme, imitácia sama osebe nestačí. Aby sa robot stal skutočným expertom v danej úlohe, potrebuje aj posilňovacie učenie (Reinforcement Learning – RL). To znamená, že robot skúša rôzne veci a učí sa z vlastných chýb a úspechov – podobne ako keď človek zlepšuje svoju plaveckú techniku.

LLM vs. Robotika: Prekvapivé paralely

Profesor Gao poukázal na zaujímavú paralelu medzi trénovaním robotov a modernými jazykovými modelmi (LLMs), akými sú ChatGPT. Predtréning LLM spočíva v tom, že ich „nakŕmime“ obrovským množstvom textu („čítame knihy“), zatiaľ čo RL sa používa na jemné doladenie a zlepšenie výkonu (ako programátor píše kód).

Manipulačná dátová pyramída: Tri kroky k inteligentným robotom

Profesor Gao predstavil svoju „Manipulačnú dátovú pyramídu“ ako nový rámec pre učenie robotov. Tento prístup sa skladá z troch hlavných fáz:

1. Predtréning na rozsiahlych dátach: Robot je trénovaný na obrovskom množstve videodát zobrazujúcich ľudí a zvieratá, ktoré vykonávajú rôzne úlohy.
2. Doladenie pre konkrétny robot: Model sa následne doladí špecificky pre daný typ robota – berúc do úvahy jeho fyzické vlastnosti a obmedzenia.
3. Posilňovacie učenie na zdokonalenie zručností: Nakoniec je robot trénovaný pomocou posilňovacieho učenia, aby si zdokonalil svoje schopnosti v konkrétnych úlohách.

Dôležitosť „motion level“ informácií a diverzity dát

Výskum profesora Gao a jeho tímu ukázal, že pre efektívny predtréning robotov je kľúčové zahrnúť do dát tzv. „motion level“ informácie – teda detailné údaje o tom, ako sa akcia vykonáva, nie len statické vizuálne snímky. Zistili tiež, že diverzita tréningových dát (rôzne prostredia a objekty) je dôležitejšia ako samotný objem dát.

Zero-Shot Generalization: Robotika bez špeciálnych nastavení

Výsledky boli prekvapivé – roboti dokázali dosiahnuť slušné výsledky pri nových úlohách v neznámych prostrediach, a to už po relatívne malom množstve tréningových dát (asi 1600 ukážok). Tento jav nazývaný „zero-shot generalization“ je obrovský krok vpred pre robotiku.

Kľúčové poznatky

• Robotika sa posúva smerom k učeniu sa imitáciou a posilňovacím učením, inšpirované prírodnými procesmi.
• „Manipulačná dátová pyramída“ je nový prístup, ktorý kombinuje predtréning na rozsiahlych dátach s efektívnym posilňovacím učením.
• Diverzita tréningových dát a „motion level“ informácie sú kľúčové pre úspešné učenie robotov.
• Roboti dokážu generalizovať a učiť sa nové úlohy aj s relatívne malým množstvom špecifických tréningových dát.

Záver: Budúcnosť robotiky je tu

Prístup profesora Gao predstavuje vzrušujúci krok vpred pre robotiku. Kombinácia rozsiahlych dát, inteligentného predtréningu a efektívneho posilňovacieho učenia by mohla viesť k vytvoreniu robotov, ktorí sú oveľa flexibilnejší, adaptabilnejší a schopní vykonávať širokú škálu úloh v reálnom svete. Je to sľubný pohľad do budúcnosti robotiky – a potenciálne aj do budúcnosti našej spoločnosti.

Referencie

• Stanford Robotics Seminar ENGR319 | Autumn 2025 | Manipulation Data Pyramid
• Graduate Education – Stanford Online

Približne 180 gCO₂ bolo uvoľnených do atmosféry a na chladenie sa spotrebovalo 0.90 l vody za účelom vygenerovania tohoto článku.