Natuurlijk, het kan Backflip Maar kan een robot een desk-job tegenhouden?
Kotaro
, een humanoïde robot gemaakt aan de Universiteit van Tokio, gepresenteerd aan de Universiteit voor Kunsten en Industrieel Ontwerpen Linz tijdens het Ars Electronica Festival 2008. 
Wikipedia.org CC SA 3.0.

Een collega van mij, een roboticus, heeft onlangs verklaard dat als iemand de robot zou kunnen bedienen die hij in zijn laboratorium had ontwikkeld, het een bureaubaan kon houden. Het is een algemeen gevoel onder robotici dat bestaande mechanische hardware voldoende is om mensen te vervangen in veel van de taken waarmee we de kost verdienen.

In plaats van de hardware is de laatste, gouden stap naar het hebben van mensachtige machine-tegenhangers de ontwikkeling van geschikte algoritmen. Maar dit is verkeerd. Er is feitelijk weinig bewijs dat robots de mechanische kenmerken hebben die nodig zijn om een ​​bureaubaan te houden, ongeacht de algoritmen.

Robotici zoals mijn collega houden van algoritmen. Velen van hen groeiden op met het spelen van videogames waarbij de uitdaging bestond uit het doordenken van de juiste set acties, uit een vooraf gedefinieerde reeks opties, overeenkomend met kleine, discrete knoppen op een gamepad, in een virtuele wereld. Om een ​​videospel te verslaan, moet je de juiste volgorde van acties vinden.

Wat veel robotici niet beseffen, is hoe ongelooflijk en ongelooflijk complex hun eigen beweging is in de echte wereld - zelfs in de meest voorkomende taken. Ze hebben de neiging om de wereld van beweging op te delen in handige, tegenovergestelde categorieën:


innerlijk abonneren grafisch


  • beweging (wat doe je als je in een dans- of bewegingsles bent, zwaar ademt) versus rust (wat doe je als je 'gewoon' zit, licht ademt);

  • harde, verheven taken (een backflip) versus gemakkelijke, veel voorkomende taken (met succes een sleutelring vangen die plotseling door een vriend wordt weggegooid);

  • expressieve taken (communiceren van woede) versus functionele taken (wandelen door een kamer);

  • kracht, precisie, herhaalbaarheid (functies waarop robots mensen al lang out-uitgevoerd hebben) versus zachtheid, variabiliteit, verrassing (vreemde eigenaardigheden van menselijke beweging die moeten worden geëlimineerd voor optimale prestaties).

Deze categorieën hebben hun nut, maar ze creëren ook blinde vlekken voor diegenen die de beweging van natuurlijke systemen willen kwantificeren en repliceren - of voorspellen de toekomstige impact die deze machines op ons leven zullen hebben.

In de dans, mijn andere professionele thuis, zijn de eigenaardigheden van menselijk gedrag iets dat gevierd, verkend en zelfs uitgebuit moet worden. De dans verzet zich tegen en ontkracht actief dergelijke gemakkelijke categorisering. Het idee van 'stilte' is niet aanwezig in het Laban / Bartenieff-bewegingssysteem, een taxonomie die een reeks onderling verbonden, elkaar overlappende bewegingskenmerken formaliseert, verbonden door dualiteiten die starre categorisering van lichamelijke actie onmogelijk maken. Dit systeem beschrijft het proces waarmee dansers en choreografen hun innovatieve ontwerpen van menselijke beweging creëren door de lens van Laban-bewegingsanalyse. Deze belichaamde vorm van kwalitatieve analyse beschrijft het idee van 'actieve stilte', die de hoeveelheid motorische activiteit bevestigt die betrokken is bij het vasthouden van een bepaalde houding. Onder de academische lens van dans vallen alle bovenstaande polariteiten uiteen:

  • mensen zijn nooit stil en hebben constante adem nodig via de beweging van het diafragma, die weerkaatst in elk deel van het lichaam, met name de ribbenkast, hartslag en houdingcorrectie;

  • terwijl robots een backflip kunnen bereiken, kunnen ze geen voorwerpen vangen in verschillende omgevingen, waardoor een conventioneel idee verschuift van wat 'hard' en 'gemakkelijk' is;

  • door de kamer lopen geeft informatie weer over de interne toestand van een levende tegenhanger, daarom is het zowel functioneel als expressief; en

  • een mens op het podium naast een machine kan veel meer textuurkwaliteiten creëren en gemakkelijk zijn mechanische tegenhangers overtreffen.

So wat is er nodig om een ​​bureaubaan vast te houden? Laten we aannemen dat de robot een basis op wielbasis heeft en twee robotarmen bevestigd, die opereren in de relatief gecontroleerde omgeving van een kantoorgebouw met een aangepast bureau voor de ongewone, zij het enigszins antropomorfe vorm van deze machine. De robot zal niet autonoom zijn; het zal door een mens worden tele-operated. Als analisten de choreografie afbreken, laten we eens kijken naar alle dingen die een mens zijn doet - dat een mens beweegt - om bij een schijnbaar 'sedentaire' bureaubaan te blijven werken. Voor deze taken mislukken bestaande robots, zelfs als ze de juiste reeks instructies van een menselijke operator krijgen.

Vouw precies een groot stuk papier in één keer: er zijn fabrieken waar gespecialiseerde mechanische structuren het papier elke dag autonoom vouwen, maar ze gebruiken geen humanoïde robots. De robot van mijn collega zou in zo'n ruimte belachelijk zijn; het voordeel is bedoeld om in multifunctionele activiteiten te zijn. Maar de humanoïden van vandaag zouden gemakkelijk falen bij het soort vouwen dat mensen doen, zachtjes de vouw naar beneden navigeren op het exacte moment dat het hele papier zal buigen, met behulp van haptische en visuele feedback. In de onderstaande afbeeldingen leiden een elleboog, het oppervlak van een onderarm en de toppen van meerdere vingers de onhandelbare plaat samen. De robots van vandaag zouden het papier verpesten door op het verkeerde moment te kreuken of simpelweg niet in staat zijn het grote flexibele oppervlak te regelen.

Vouw een groot stuk papier precies in één keer vouwen (kan een robot een bureaubaan houden?)

Paperclips: bij het oppakken van een paperclip plegen mensen ongemerkt hun hand in een bak met clips. We streven er niet naar, we richten ons gewoon op de hele pot. Als we er eenmaal zijn, rollen we onze hand rond, profiteren van meerdere gearticuleerde eindpunten, halen er een of zelfs een dozijn, en vinden dan snel een greep op slechts één en laten de rest los. Robots zijn meestal geprogrammeerd om slechts één object op tijd op te nemen. Deze taak zou veel pogingen tot hernieuwdheid vereisen, tot ergernis van de baas.

Paperclips (kan een robot een desk-job vasthouden?)

Een etiket loslaten van zichzelf: labels aan dingen plakken is een belangrijk aspect van veel banen. Dergelijke etiketten schilden gemakkelijk af van de huid en niet zo gemakkelijk van metaal en plastic. Hoewel een machine die perfect is uitgelijnd om herhaaldelijk labels aan hetzelfde object te plakken dag in dag uit geen problemen oplevert, kan een machine aan een bureaubaan een groot aantal verschillende object- en labelformaten ontvangen - het kan, net als u, een aantal pogingen doen om te krijgen het is correct opgesteld, maar het zal, in tegenstelling tot jou, moeite hebben om uitgelijnde pogingen te overwinnen.

Een label loslaten van zichzelf (kan een robot een desk-job vasthouden?)

Pak een stuk papier op, dat in een kleine ruimte is gevallen: Als er papier tussen de plint en uw bureaupoot valt, kunt u het misschien niet meteen bereiken. Wat vaak nodig is, is een aanvankelijk, niet succesvol bereik, en dan een verwrongen, verwrongen accommodatie, waarbij je schouderblad naar beneden glijdt, je pinkvinger een beetje zijwaarts uitsteekt terwijl je in je onderarm leunt, terwijl je de slappe spier net een beetje vindt , zodat je wat extra speling verkrijgt rondom een ​​radiator en ... daar! Jij hebt het. De robots van vandaag zouden niet al deze extra keuzes hebben waardoor mensen door nauwe ruimtes kunnen navigeren. Deze machines hebben doorgaans stijve schakels die alleen roteren - niet ten opzichte van elkaar transleren, zoals botten dat ooit kunnen doen. Als de robot een belangrijk stuk papier liet vallen en niet in staat was om het op te halen, of als er restjes papier rond zijn bureau lagen, betwijfel ik of het zijn werk zou houden.

Pak een stuk papier op dat in een krappe ruimte is gevallen (kan een robot een bureaubaan houden?)

Luisteren om een ​​ongepaste grap: we zijn er allemaal geweest. Je baas of collega maakt een off-color grapje. Ongeacht hoe je besluit om te reageren, je moet een fijne lijn bewandelen als je in goede wil wilt blijven. Je kunt er natuurlijk voor kiezen om niet te lachen. Of, aan de andere kant, je kunt een hartelijk buikje geven. Deze twee opties kunnen u waarschijnlijk allebei in een moeilijke positie brengen. Aan de ene kant kan helemaal niet lachen je baas in verlegenheid brengen; aan de andere kant kan lachen te hard de indruk wekken dat je de ongepaste grap goedkeurt. Daarom zult u er waarschijnlijk voor kiezen iets daartussenin te vinden. Dit vereist dat u uw volledige mechanische complexiteit gebruikt om tegelijkertijd schaduwen van goedkeuring en afkeuring aan te geven. Misschien geef je een geforceerde lach met een afkeurend oog en een halve glimlach, laat je baas weten dat je de grap begrijpt, weet dat het niet gepast is, maar er ook niemand over gaat vertellen. Het creëert een soort sociale band die erg belangrijk kan zijn op het werk, gebruikmakend van een gedrag dat robots zoals mijn collega niet kunnen evenaren.

Luisteren om een ​​ongepaste grap (kan een robot een bureaubaan houden?)

Dat robots kunnen 'doe backflips' is een indrukwekkende prestatie. Op het eerste gezicht lijkt de backflip het toppunt van fysieke prestaties: zo weinig mensen kunnen een van deze doen! Aan de andere kant is het vangen van een reeks vreemd gevormde toetsen, die zonder waarschuwing worden gegooid, in een ongemakkelijke vorm gespreid, over een groot aantal achtergronden vliegen - misschien in de regen 's nachts door een dronken vriend met slechte coördinatie - een taak die bijna elke volwassen mens zou kunnen doen, maar dat weinig of geen robots konden voltooien.

Blijf in alle opzichten vol ontzag kijken terwijl robotici de mechanische prestaties van machines blijven verbeteren. Maar weet dat jij jezelf bent (ja, zelfs jij met een klusje aan het bureau die de wekelijkse oefenles weghaalt), je doet ongelooflijke dingen die we nog niet begrijpen - die we nog niet eens waarderen.Aeon-teller - niet verwijderen

Over de auteur

Amy LaViers is een gecertificeerde bewegingsanalist, via het Laban / Bartenieff Institute of Movement Studies in New York, en directeur van het Robotics, Automation, and Dance (RAD) Lab aan de Universiteit van Illinois in Urbana-Champaign. Zij is de co-editor, met Magnus Egerstedt, van Besturing en kunst: onderzoek naar de kruising van het subjectieve en het doel (2014).

Dit artikel is oorspronkelijk gepubliceerd op eeuwigheid en is opnieuw gepubliceerd onder Creative Commons.

Verwante Boeken

at InnerSelf Market en Amazon