شش ربات انسان‌نما به مدت ۲۴ ساعت یک فروشگاه چینی را اداره کردند؛ دو ربات در ارزیابی مردود شدند

شش ربات انسان‌نما به مدت ۲۴ ساعت در یک فروشگاه زنجیره‌ای در شانگهای مشغول فعالیت شدند.

با پایان این شیفت کاری، تنها چهار ربات توانستند ارزیابی عملکرد را با موفقیت پشت سر بگذارند؛ اتفاقی که دشواری مدیریت وظایف روزمره و پیش‌بینی‌ناپذیر توسط ربات‌ها را نشان می‌دهد.

این آزمایش با عنوان «ربات‌ها هرگز ساعت کاری خود را تمام نمی‌کنند» به ابتکار شرکت چینی رباتیک AGIBOT برگزار شد. این رویداد از ساعت ۱۰ صبح دوم نوامبر تا ساعت ۱۰ صبح سوم نوامبر در یک فروشگاه فعال در منطقه شوخویی شانگهای ادامه داشت. AGIBOT شش ربات انسان‌نمای چرخ‌دار مدل G۲ را به کار گرفت و این رقابت را به‌صورت زنده پخش کرد؛ پخش اینترنتی که بیش از ۲ میلیون بیننده در پلتفرم‌های مختلف جذب کرد.

طبق گزارش‌ AGIBOT، این شش ربات در مجموع ۱۷۳۰ وظیفه را طی آزمایش انجام دادند. با وجود این، دو ربات که مسئول نظافت، بررسی قفسه‌ها و تأمین دوباره محصولات بودند، نتوانستند معیارهای عملکردی شرکت را برآورده کنند.

هر یک از شش ربات مسئولیت متفاوتی در فروشگاه بر عهده داشتند. این وظایف شامل راهنمایی مشتریان، جابه‌جایی محصولات، آماده‌سازی قهوه، سرو غذاهای گرم و نظافت محیط فروشگاه می‌شد.

AGIBOT اعلام کرد که ربات‌ها در طول این آزمایش ۶۸۳ تعامل با مشتریان، ۳۶۹ مورد دریافت و تحویل محصولات، ۱۴۷ سفارش قهوه و ۱۲۶ وعده صبحانه را مدیریت کردند. آن‌ها همچنین ۲۷۷ وظیفه مربوط به بررسی قفسه‌ها و تأمین مجدد کالاها و ۱۲۸ مورد نظافت میزها را به انجام رساندند.

این آزمایش چهار بازه عملیاتی مختلف را در بر گرفت: شلوغی زمان ناهار، ساعات اوج فعالیت عصرگاهی، عملیات شبانه و ازدحام مشتریان در صبح روز بعد برای صرف صبحانه. به این ترتیب، ربات‌ها با شرایط متفاوت و میزان متغیر رفت‌وآمد مشتریان روبه‌رو شدند و آزمایش صرفاً به چند وظیفه کوتاه و کنترل‌شده محدود نماند.

شرکت برای ارزیابی عملکرد ربات‌ها، مدت زمان فعالیت، تعداد وظایف تکمیل‌شده، بازخورد مشتریان، سرعت واکنش و توانایی مواجهه با موقعیت‌های غیرمنتظره را در نظر گرفت. در پایان، چهار ربات ارزیابی نهایی را با موفقیت پشت سر گذاشتند و دو ربات دیگر برای بررسی بیشتر و بهبود عملکرد در گروه تحت نظارت قرار گرفتند.

چرا دو ربات در آزمایش شکست خوردند؟

وظایف مربوط به نظافت و مدیریت قفسه‌های فروشگاه، چالش‌های بیشتری برای ربات‌ها ایجاد کردند.

ربات نظافت هنگام انجام وظیفه با سطل زباله‌ای کاملاً پر مواجه شد که مسیر برنامه‌ریزی‌شده آن را مسدود کرده بود. این ربات به‌جای حل مشکل و عبور از مانع، از مسیر تعیین‌شده منحرف شد، از فروشگاه بیرون رفت و دیگر نتوانست به موقعیت قبلی خود بازگردد.

ربات دیگری که مسئول بررسی قفسه‌ها و چیدن دوباره محصولات بود نیز نتوانست با نیازهای فروشگاه هماهنگ شود. طبق گزارش‌ها، این دستگاه ابتکار عمل کافی برای شناسایی مداوم کالاهای فروخته‌شده و جایگزین کردن آن‌ها با محصولات جدید را نداشت.

این مشکلات تفاوت مهمی را در دنیای رباتیک آشکار می‌کنند. انجام یک وظیفه در شرایط قابل پیش‌بینی با اجرای مطمئن همان کار در محیطی متغیر و غیرقابل پیش‌بینی تفاوت زیادی دارد.

برای مثال، یک ربات ممکن است برای دنبال کردن مسیر مشخصی جهت نظافت برنامه‌ریزی شده باشد، اما مواجهه با سطل زباله سرریز‌شده موقعیتی تازه ایجاد می‌کند که دستگاه احتمالاً راهکاری برای مدیریت آن ندارد. به همین ترتیب، چیدن دوباره محصولات فقط به شناسایی فضای خالی قفسه محدود نمی‌شود. ربات باید کالاها را تشخیص دهد، محصولات جابه‌جا‌شده را پیدا کند، بسته‌بندی‌ها را جابه‌جا کند و زمان مناسب برای رسیدگی به قفسه‌ها را تشخیص دهد.

AGIBOT در جریان این رقابت، آزمایش‌های دشوارتری را نیز برای ارزیابی توانایی ربات‌ها طراحی کرد. ارزیابان از آن‌ها خواستند تفاوت میان کوکاکولای معمولی و نوع بدون قند آن را تشخیص دهند، آدامس‌های جابه‌جاشده روی قفسه‌ها را به محل اصلی بازگردانند و همچنین مسیر یک راهرو را با حضور یک فرد و یک جعبه مسدود کردند تا توانایی تشخیص موانع و مسیریابی ربات‌ها را بسنجند.

آزمایش هوش مصنوعی فیزیکی خارج از محیط آزمایشگاه

این آزمایش همچنین چارچوب عامل هوش مصنوعی فیزیکی جینی مستر متعلق به AGIBOT را به نمایش گذاشت؛ سامانه‌ای که برنامه‌ریزی وظایف، اجرای آن‌ها و دریافت بازخورد را میان ربات‌ها هماهنگ می‌کند.

این سامانه با استفاده از پروتکل اجرای فیزیکی، وظایف محول‌شده را مدیریت کرده و نتایج عملکرد ربات‌ها را برای تحلیل جمع‌آوری می‌کند. AGIBOT اعلام کرده که این فناوری می‌تواند تجربه‌های موفق و ناموفق را حفظ کند، از آن‌ها برای شناسایی و رفع مشکلات بهره ببرد و اصلاحات مؤثر را به داده‌های آموزشی تبدیل کند تا رفتار ربات‌ها در آینده بهبود یابد.

این رویکرد اهمیت زیادی دارد؛ زیرا ربات‌های انسان‌نما برای فعالیت در محیط‌های خارج از شرایط کنترل‌شده، باید توانایی درک محیط، تصمیم‌گیری و دست‌کاری فیزیکی اشیا را به‌صورت هم‌زمان داشته باشند. یک دستگاه نه‌تنها باید بتواند یک شیء را شناسایی کند، بلکه لازم است روش نزدیک شدن، گرفتن و جابه‌جایی آن را نیز تشخیص دهد؛ بدون آنکه به وسایل اطراف آسیب برساند یا امنیت افراد را به خطر بیندازد.

آزمایش فروشگاه زنجیره‌ای نمونه‌ای کاربردی از دشواری‌های این مسیر ارائه می‌دهد. با وجود اینکه ربات‌ها بیش از ۱۷۰۰ فعالیت را انجام دادند، مردود شدن دو دستگاه در ارزیابی نهایی نشان داد که حتی وظایف ظاهراً ساده فروشگاهی نیز می‌توانند ضعف‌های مربوط به استقلال عملکرد و سازگاری ربات‌ها را آشکار کنند.

برای AGIBOT، مرحله بعدی بهبود عملکرد ربات‌ها با استفاده از بازخوردهای عملیاتی و آزمایش آن‌ها در محیط‌های واقعی بیشتر خواهد بود. نتایج این رقابت نشان می‌دهد که ربات‌های انسان‌نما به‌تدریج توانایی بیشتری برای انجام وظایف مشخص فروشگاهی پیدا می‌کنند، اما مدیریت قابل‌اعتماد تمام مسئولیت‌های یک شیفت کاری همچنان چالشی بسیار دشوارتر به شمار می‌رود.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.