הרובוטים של Figure AI לומדים ללכת כמו בני אדם

רובוטים דמויי אדם מרשימים אותנו כבר שנים בקפיצות לאחור, תרגילי התעמלות וריקודי ברייקדאנס. אך כאשר הם מנסים פשוט ללכת בקו ישר בצורה חלקה ומתואמת נראה כאילו הם עומדים למעוד בכל רגע.

לאורך השנים, רובוטים הומנואידים ידעו להרשים אותנו ביכולות מתקדמות, אך בכל הקשור להליכה, הם נראו לעיתים כאילו הם מתאמצים לא להיכשל בהליכה בקו ישר. למעשה, ההליכה שלהם הייתה נוקשה, לא טבעית, ולעיתים אף נראתה כאילו הם "לחוצים להגיע לשירותים". התחושה הזו נבעה ממחסור בקואורדינציה בין איברים, בהיעדר קצב דינאמי אמיתי ובתנועות ידיים בלתי מסונכרנות.

רק לאחרונה, בזכות גישות חדשניות כמו זו של Figure AI , התחילו הרובוטים להיראות כאילו הם באמת יודעים ללכת ולא רק לנוע.

חברת Figure AI , אחת השחקניות המבטיחות ביותר בתחום הרובוטיקה, חשפה השבוע גישה חדשה להנעת רובוטים הומנואידים שעשויה סוף-סוף לגשר על הפער הזה. הגישה, שנקראת "הליכה טבעית נלמדת" (RL- Reinforcement Learning), המאמנת רובוטים לנוע לא רק כמו בני אדם מבחינה מכנית אלא גם מבחינה סגנונית באמצעות למידת חיזוק מתקדמת בסימולציה.

למידת חיזוק: ללמד באמצעות ניסוי וטעייה

בלב פריצת הדרך הזו נמצאת למידת חיזוק (RL) , שיטת בינה מלאכותית שבה רובוטים לומדים באמצעות ניסוי וטעייה, ומשפרים את התנהגותם על בסיס תגמול. אלפי דגמים דיגיטליים של רובוט Figure 02 שוחררו לסימולטור פיזיקלי מדויק, בו תרגלו הליכה על פני סוגי שטח שונים והתמודדו עם החלקות, דחיפות, ושיבושים.

המערכת תרגלה התנהגויות שדמו להליכה אנושית: נחיתות עקב, דחיפות באצבעות הרגליים, ותנועת ידיים מסונכרנת. כך, בתוך שעות ספורות בלבד, נצברו נתונים השווים לשנות ניסיון רבות, ונבנה רשת עצבית עמידה שניתן ליישמה גם מחוץ לסימולציה.

מהסימולציה למציאות: לגשר על הפער

הדרכה בסימולציה היא רק ההתחלה. האתגר האמיתי הוא להעביר את ההתנהגויות שנלמדו לעולם הפיזי. כאן רוב המיזמים נתקלים בקשיים, מה שעובד באופן מושלם בסביבה וירטואלית עלול להיכשל לחלוטין על רובוט אמיתי.
כדי לגשר על "פער הסימולציה-למציאות", Figure AI השתמשה בשתי טכניקות מרכזיות:

• רנדומיזציה של הדמיה (Domain Randomization) : הוספת שינויים אקראיים לפרמטרים כמו חיכוך, קשיחות מפרקים וגובה הרובוט – כדי לדמות את מורכבות המציאות.
• בקרת מומנט מהירה : הרובוטים האמיתיים משתמשים בבקרת מומנט בלולאה סגורה בקצב גבוה (kHz) , שמפצה על שגיאות בהנעת המנועים ובהתאמה לשטח.

התוצאה? העברת מיומנויות חלקה מהסימולציה למציאות. הרובוטים של Figure מדגימים הליכה אנושית עקבית, ללא צורך בכוונון נוסף.
בהדגמה שבוצעה, עשרה רובוטים צעדו יחד, כולם מופעלים על-ידי אותה רשת עצבית, והציגו תנועה חלקה ולוגית.

למה זה חשוב: הרבה יותר מהליכה יפה

הליכה אנושית אינה רק עניין של אסתטיקה. מחקרים מראים שכאשר רובוטים נראים ומתנהגים כמו בני אדם, בני האדם מגיבים אליהם בצורה חיובית יותר. לכך יש חשיבות אדירה בשילוב רובוטים בסביבות כמו מפעלים, מחסנים, בתי חולים ואפילו בבתים פרטיים.

חברת Figure AI כבר בודקת את הרובוטים שלה במפעל של BMW שבדרום קרוליינה. במקביל, חברות ענק כמו Amazon בוחנות רובוטים דומים במחסנים שלהן, סימן לכך שהשוק מוכן לקליטת הומנואידים כלליים.

התמונה הגדולה: ההקשר של Moravec's paradox

סיפור ההליכה הרובוטית משקף תופעה מוכרת בתחום: הפרדוקס של מורָבֶק. זהו רעיון לפיו משימות שקלות לבני אדם (כמו הליכה) הן קשות לרובוטים, בעוד שמשימות קוגניטיביות קשות לנו (כמו שחמט) דווקא קלות להם.

ללמד רובוטים ללכת באופן טבעי אולי נשמע כפרט שולי, אך זהו ציון דרך משמעותי: סימן לכך שהבינה המלאכותית מתחילה לשלוט גם בניואנסים של תנועה אנושית יומיומית.

מה הלאה?

התוצאות הראשוניות מעודדות, אך בחברת Figure רואים בכך רק את הצעד הראשון.
המטרה: להרחיב את יכולות ההליכה כך שיכסו את כל טווח התנועות האנושיות ולהתמודד עם מצבים מורכבים עוד יותר בעולם האמיתי. כפי שנכתב בהצהרת החברה: "אנחנו מחויבים להרחיב את המדיניות הלמידה כך שתתמודד עם כל תרחיש אנושי שהרובוט עשוי לפגוש בעולם האמיתי".

רובוטים הומנואידים משתפרים לא רק בביצועים מרשימים, אלא גם בפעולות הפשוטות – ואולי זו ההוכחה הגדולה ביותר להתקדמותם.

הערת שוליים

בזמן שישבתי לנסח את הכתבה הזו בהתלהבות, אשתי חלפה מאחור ושאלה בקול ענייני: "על מה אתה כותב עכשיו? "עניתי לה: "על רובוטים שלומדים ללכת כמו בני אדם!"
היא הסתכלה עליי, נאנחה ואמרה: "עזוב אותך מהליכה. תגיד לי מתי כבר יהיה רובוט שיכול לעשות את כל מטלות הבית במקומי?"
צודקת. קודם כל שישטוף כלים, אחר כך שילמד לרקוד…