Роботы наступают - Страница 13

Создание доступного по цене робота с комплексной системой восприятия и распознавания визуальных образов — задача не из легких. Впрочем, благодаря облачной робототехнике у нас хотя бы есть представление о том, в каком направлении следует двигаться для ее решения. В 2010 г. Google представила функцию Goggles для мобильных устройств с камерой. С того времени возможности данной технологии существенно расширились. С ее помощью вы можете сделать снимок объекта, такого, например, как историческое здание, книга, произведение искусства или товар в магазине, передать его системе для распознавания и получить дополнительную информацию о нем. Чтобы встроить функцию распознавания практически любых объектов в собственную систему управления отдельного робота, требуются колоссальные усилия и затраты. Но вот представить роботов, которые будут распознавать объекты вокруг себя, сравнивая их с огромными централизованными коллекциями изображений, подобными той, что используется системой Goggles, уже не так трудно. Находящаяся в облаке библиотека изображений может постоянно обновляться, а значит, каждый раз при обновлении библиотеки будет улучшаться и способность роботов распознавать зрительные образы.

Широкое применение облачных технологий в робототехнике, несомненно, будет способствовать дальнейшему прогрессу в этой области, но одновременно с этим оно создает серьезные причины для беспокойства, особенно в области безопасности. Даже если оставить в стороне настораживающее сходство со Skynet — контролирующей всех и вся системой искусственного интеллекта из фильмов «Терминатор» с Арнольдом Шварценеггером в главной роли, — возникает куда более утилитарная и актуальная проблема выявления и предотвращения попыток взлома и кибератак. Особую остроту она приобретет тогда, когда облачная робототехника станет частью нашей транспортной инфраструктуры. Например, если когда-нибудь мы придем к транспортировке продуктов питания и других жизненно важных товаров с помощью автоматизированных грузовиков и поездов, управляемых из единого диспетчерского центра, мы получим систему с крайне низким уровнем защиты. Уже сейчас встает проблема уязвимости промышленного оборудования и жизненно важных компонентов инфраструктуры, таких как электросети, для кибератак. О реальности угрозы свидетельствует пример компьютерного червя Stuxnet, созданного правительствами США и Израиля в 2010 г. для атаки на центрифуги, использующиеся в рамках иранской ядерной программы. Степень серьезности этих проблем возрастет многократно, как только важные компоненты инфраструктуры окажутся в зависимости от централизованных вычислительных ресурсов.

Роботы в сельском хозяйстве

Среди всех сфер занятости, образующих экономику США, в наибольшей степени развитие технологий сказалось на сельском хозяйстве, изменив его до неузнаваемости. Очевидно, что большинство нововведений относятся к области механики, и появились они задолго до современных информационных технологий. В конце XIX в. почти половина всего экономически активного населения США была занята на фермах. К 2000 г. этот показатель упал до 2 %. В настоящее время в развитых странах доля человеческого труда в производстве таких сельскохозяйственных культур, как пшеница, кукуруза и хлопок, т. е. тех, культивирование которых, включая сев, уход и сбор урожая, осуществляется с применением механических средств, настолько мала, что ею можно пренебречь. Многие виды работ, связанные с выращиванием скота и птицы, также механизированы. Например, на молочных фермах широко применяются роботизированные доильные системы, а убой и переработка кур осуществляются в автоматическом режиме, поэтому выращиваемые в США куры должны быть стандартного размера.

Практика применения ручного труда сохраняется лишь в некоторых областях сельского хозяйства, главным образом связанных со сбором ценных фруктов и овощей, нуждающихся в осторожном обращении, а также с культивированием декоративных растений и цветов. Как и в случае с другими относительно рутинными видами ручного труда, до настоящего время их спасала от механизации высокая степень зависимости от способности распознавать зрительные образы и ловкости. При сборе урожая фруктов и овощей высок риск повреждения плодов; к тому же зачастую при сборе необходимо учитывать цвет и мягкость. Для машины распознавание зрительных образов — серьезная проблема: освещенность может значительно меняться, ориентация плодов в пространстве может быть разной, кроме того, они могут быть частично или полностью скрыты листвой.

Те же самые инновации, которые раздвигают границы применения робототехники в промышленности и складском деле, наконец-то добрались и до многих видов деятельности, сохраняющихся по сей день в сельском хозяйстве. Теперь и им грозит автоматизация. Компания Vision Robotics из Сан-Диего в Калифорнии занимается разработкой похожей на осьминога установки по сбору урожая апельсинов. Робот будет использовать трехмерное машинное зрение для создания компьютерной модели целого апельсинового дерева, запоминая расположение каждого фрукта. Затем эта информация будет передаваться восьми роботизированным рукам установки, которые быстро соберут все апельсины. Стартап Harvest Automation из окрестностей Бостона с самого начала сосредоточился на создании роботов для автоматизации работ в питомниках и теплицах. По оценке компании, доля ручного труда в затратах на выращивание декоративных растений составляет свыше 30 %. По расчетам, роботы смогут выполнять до 40 % работ, которые сейчас выполняются вручную в США и Европе. Ее экспериментальные модели уже занимаются подрезкой виноградных лоз во Франции, используя технологию машинного зрения в сочетании со специальными алгоритмами для определения нуждающихся в обрезке веток. В Японии разработали установку, которая умеет собирать спелые плоды клубники: обладая способностью распознавать даже незначительные оттенки цвета, она собирает урожай со скоростью одна ягода каждые восемь секунд, работая без перерывов и выполняя большую часть работы в ночное время.