เมื่อวันที่ 26 มีนาคมที่ผ่านมา Google ได้ออกมาเล่าถึงความสำเร็จในการพัฒนาหุ่นยนต์ TossingBot ร่วมกับ Princeton, Columbia, และ MIT สถาบันการศึกษาชั้นนำของโลก โดยความสามารถของ TossingBot นี้คือการหยิบของออกจากกล่องแล้วโยนไปยังตำแหน่งที่ตั้งใจไว้ได้อย่างแม่นยำ ซึ่งฟังดูเผินๆแล้วธรรมดา แต่ก็มีความซับซ้อนและเป็นอีกก้าวที่น่าสนใจในการพัฒนาปัญญาประดิษฐ์
การโยน เรื่องง่ายของมนุษย์ที่ยากกว่าที่คิด
การโยนสิ่งของนั้นเป็นกิจกรรมที่มนุษย์เราเรียนรู้ตั้งแต่เด็กและสามารถทำได้โดยไม่ต้องคิดอะไรมาก แต่หากลองพิจารณาดูดีๆ ในการโยนสิ่งของไปยังเป้าหมายที่กำหนดไว้นั้นขึ้นอยู่กับปัจจัยมากมาย ทั้งรูปทรงของสิ่งของ วัสดุ น้ำหนัก สภาพแวดล้อม รวมไปถึงวิธีการหยิบจับและตั้งท่าในการโยน มนุษย์อย่างเรานั้นรู้ได้แทบจะทันทีว่าการโยนลูกปิงปองนั้นแตกต่างจากการโยนปากกา แต่สำหรับหุ่นยนต์แล้ว การรับรู้เช่นนี้ต้องผ่านกระบวนการคิดพอสมควร
ในโลกแห่งความเป็นจริง นี่คือกำแพงที่ขวางกั้นระหว่างหุ่นยนต์กับการนำไปใช้ช่วยงานธุรกิจอย่างมีประสิทธิภาพ หุ่นยนต์ในปัจจุบันอาจสามารถทำงานได้เป็นอย่างดีด้วยกลไกที่ออกแบบมาให้รับมือกับโลกภายนอก แต่พวกมันก็ไม่สามารถสรุปความทางกายภาพจากสภาพแวดล้อมรอบตัวและนำสิ่งเหล่านั้นมาใช้ได้อย่างเป็นประโยชน์ หากนักวิจัยสามารถปลดล็อคข้อจำกัดนี้ได้ ต่อไปในอนาคต หุ่นยนต์อาจช่วยเราได้มากในสถานการณ์คับขัน เช่น การเข้าเคลียร์พื้นที่ซากปรักหักพัง
TossingBot – หุ่นยนต์โยนของด้วยความแม่นยำ 85%
TossingBot ผลงานล่าสุดโดยนักวิจัยจาก Google, Princeton, Columbia, และ MIT ก็คือหนึ่งในความพยายามในการปลดล็อคนี้ ทีมนักวิจัยได้พัฒนาหุ่นยนต์ที่สามารถโยนวัตถุชนิดต่างๆไปยังจุดที่ต้องการได้ด้วยความแม่นยำ 85% เจ้าหุ่นยนต์ดังกล่าวเรียนรู้ว่าสิ่งของแต่ละชนิดนั้นต้องใช้ท่วงท่าการหยิบจับและมุมองศาในการโยนที่ต่างกัน
ความสำเร็จในการพัฒนา TossingBot ในครั้งนี้ มีประเด็นที่น่าสนใจด้วยกัน 3 อย่าง ได้แก่การนำทฤษฎีฟิสิกส์มาใช้ร่วมกับ Deep Learning, การที่หุ่นยนต์สามารถนำความเชี่ยวชาญจากการทำงานหนึ่งไปใช้ในอีกสถานการณ์หนึ่งได้ และความสามารถในการรับรู้ประเภทของหุ่นยนต์
1. การใช้ฟิสิกส์ร่วมกับ Deep Learning
ปัจจัยสำคัญที่ทำให้ TossingBot สามารถทำงานได้เป็นอย่างดีนั้นคือการนำทฤษฎีฟิสิกส์มาใช้ร่วมกับ Deep Learning เช่น ในการโยน หุ่นยนต์จะใช้ความรู้ฟิสิกส์อย่างการคำนวณการเคลื่อนที่แบบ Projectile เพื่อประมาณความเร็วและทิศทาง (Velocity) ของการโยน จากนั้นจึงใช้ Neural Network วิเคราะห์ข้อมูลของวัตถุและสภาพแวดล้อมเพิ่มเติม เพื่อคำนวณหาวิธีการโยนไปยังตำแหน่งที่กำหนดอย่างแม่นยำ ทีมนักวิจัยตั้งชื่อวิธีการที่นำฟิสิกส์มาใช้ร่วมกับ Deep Learning นี้ว่า “Residual Physics”
การเทรน TossingBot นั้นเริ่มจากการปล่อยให้หุ่นยนต์ได้รู้จักกับวัตถุที่ว่างสุมอยู่ในกล่องเดียวกันและลองผิดลองถูกกับการหยิบจับ เมื่อเวลาผ่านไป หุ่นยนต์ก็มีวิธีการหยิบจับที่ดีขึ้น และโยนได้แม่นขึ้น ซึ่งหลังจากการฝึกหยิบจับและโยน 10,000 รอบซึ่งใช้เวลาประมาณ 14 ชั่วโมง หุ่นยนต์ก็โยนได้แม่นยำที่ 85%
2. หุ่นยนต์นำสกิลไปใช้ในสถานการณ์อื่นได้
การใช้ทั้งฟิสิกส์และ Deep Learning ในการโยนนั้นช่วยให้เจ้าหุ่น TossingBot นี้สามารถปรับตัวกับสถานการณ์ใหม่ๆได้อย่างรวดเร็วและทำงานได้ดีกว่าการใช้ Deep Learning เฉยๆ เช่น เมื่อทดลองกับวัตถุอื่นๆที่หุ่นยนต์ไม่เคยสัมผัส แม้ในช่วงแรกๆจะทำได้ไม่ดีนัก แต่เมื่อเวลาผ่านไป 1-2 ชั่วโมง ก็เรียนรู้การโยนได้ดีเทียบเท่าความแม่นยำเดิม และเมื่อทดลองเปลี่ยนตำแหน่งการโยนไปยังอีกที่ หุ่นยนต์ก็สามารถทำได้ดีอย่างรวดเร็ว ทั้งนี้ก็ต้องขอบคุณการคำนวณทางฟิสิกส์ที่เข้ามาเป็นฐานในการประเมินความเร็วและวิธีการโยนของหุ่นยนต์
3. หุ่นยนต์เรียนรู้ประเภทวัตถุจากปฏิสัมพันธ์
ในการพัฒนา TossingBot นั้น ทีมวิจัยไม่ได้ทำการสอนเจ้าหุ่นยนต์ว่าวัตถุใดคืออะไร แต่ปล่อยให้เรียนรู้เองด้วยการหยิบจับ ในภายหลังเมื่อทีมวิจัยลองตรวจสอบดูก็พบว่าหุ่นยนต์สามารถแยกสิ่งของประเภทหนึ่งออกจากประเภทหนึ่งได้ และยังเรียนรู้อีกด้วยว่าควรใช้คุณสมบัติไหนของวัตถุเป็นหลักในการเตรียมโยน เช่น แทนที่จะแยกวัตถุโดยสี ก็ได้รูปร่างของวัตถุเป็นหลัก
ความสามารถในการแยกประเภทด้วยตัวเองโดยมนุษย์ไม่ต้องสอนเช่นนี้สะท้อนให้เห็นว่า Computer Vision นั้นสามารถเรียนรู้ประเภทของวัตถุได้ด้วยตนเองจากการ”มองเห็น”ภาพ และการมีปฏิสัมพันธ์กับวัตถุ และอาจเป็นไปได้ว่าหากมีปฏิสัมพันธ์ที่ซับซ้อนขึ้น หุ่นยนต์ก็จะสามารถเรียนรู้มิติต่างๆของสิ่งของได้มากขึ้นตามไปด้วย จึงอาจพูดได้ว่าในอนาคต คอมพิวเตอร์อาจสามารถพัฒนาความเข้าใจในสิ่งต่างๆรอบตัวของมันเองได้โดยไม่ต้องมีมนุษย์คอยสอน
ทำงานได้ดี แต่ยังมีข้อจำกัด
อย่างไรก็ตามแม้ TossingBot จะโยนสิ่งของได้อย่างแม่นยำ ในปัจจุบันเจ้าหุ่นยนต์นี้ก็ยังไม่สามารถเรียนรู้ได้ว่าวัตถุที่โยนไปนั้นจะรับแรงกระแทกได้มากน้อยเพียงใด ทำให้ยังต้องมีการพัฒนาต่อไปหากจะนำไปใช้ในอุตสาหกรรม
สำหรับผู้อ่านท่านใดที่สนใจศึกษารายละเอียดอย่างลึกซึ้งย่ิงขึ้น สามารถเข้าไปอ่านเปเปอร์ฉบับนี้ได้ที่นี่