В последнее десятилетие вооруженные силы разных стран все чаще применяет беспилотные летательные аппараты (БПЛА) и другую робототехнику, чтобы справиться с так называемой проблемой «трех Д»: скучно, грязно и опасно («three D’s»: the dull, dirty, and dangerous). Еще в 2000 году в арсенале у Министерства Обороны США было менее, чем 50 беспилотных летательных аппаратов, однако к началу 2010 года их уже было больше 7000.

В 2009 году ВВС США начали тренировать больше пилотов для управления БПЛА, чем для управления истребителями и бомбардировщиками. И, по данным исследовательской компании ABI Research, в настоящее время около 65 стран используют боевые роботы или находятся в процессе их создания.

Black Knight (BAE Systems)

Ряды боевых роботов будут только расти: Конгресс США постановил, что к 2015 году одна треть боевых наземных транспортных средств будет беспилотным, и Министерство Обороны в настоящее время разрабатывает множество беспилотных систем, которые они намерены быстро задействовать. Между тем, тысячи исследователей робототехники по всему миру делают впечатляющие успехи в области сетевых роботов и повышение сложности и самостоятельности этих систем.

BigDog (Boston Dynamics)

Несмотря на успехи в производительности и безопасности роботов, они все еще далеки от совершенства и обычно работают в ситуациях для которых они, возможно, не были предназначены и в которых их решения не всегда можно спрогнозировать. Некоторые из самых передовых БПЛА напичканы десятками датчиков, в том числе камерами ночного видения с высоким разрешением, камерами 3-D-изображений и звуковыми датчиками.

И все же большинство из них даже в полдень не способны отличить спящую собаку от куста. Люди по-прежнему необходимы для работы аппаратов, интерпретации данных, а также координирования задач между несколькими системами. Для того, чтобы мы когда-либо увидели на поле битвы полностью автономных роботов, которые способны к планированию и проведению операций, а также обучению на собственном опыте, необходимы несколько ключевых технологических достижений, в том числе улучшенную телеметрию, более гибкое тестирование и полную совместимость. Даже тогда будет оставаться основной вопрос: как мы можем оснастить этих роботов для того, чтобы они сами принимали важные решения?

В качестве исследователя в Научно-исследовательском институте Джорджии и члена правления крупнейшей в мире ассоциации беспилотных систем — Международной Ассоциации Беспилотных Аппаратов (Association for Unmanned Vehicle Systems International) Лора Вайс (Lora G. Weiss) работает с роботами на протяжении уже более двух десятилетий. Она начинала с подводных аппаратов, затем перешла на воздушные и наземные транспортные средства, а в последнее время занимается решением проблем взаимодействия между роботами.

Тем не менее, ученый поражена темпами прогресса в этой области. Сегодня, с тысячами исследователей занимающимися улучшением интеллекта и самостоятельности беспилотных систем, объявления о новых прорывах, казалось бы, должны происходить каждую неделю. Разнообразие и количество беспилотных систем, существующих в настоящее время, захватывает дух. БПЛА охватывают весь диапазон от 1-тонного дрона MQ-1 Predator, созданного General Atomics, до крошечного 430-граммового Wasp — микро БПЛА от компании AeroVironment.

MQ-1 Predator

Есть наземные беспилотники, которые передвигаются на гусеницах, как танки, ходят, как собаки, и скользят, как змеи. Беспилотные морские суда включают в себя подводные лодки, которые могут многие километры передвигаться под водой и патрульные суда, патрулирующие водные пространства на предмет обнаружения пиратов, контрабандистов и других преступных группировок.

Но ни одна из этих систем не является полностью автономной. RQ-4 Global Hawk, созданный Northrop Grumman, ориентируется на спутниковые навигационные точки, но все еще испытывает потребность в операторе, сидящем на удаленной наземной базе, а также персонале для управления сенсорами аппарата, анализа полученных данных и отправки их назад.

RQ-4 Global Hawk

Тактический робот iRobot PackBot удаленно управляется с помощью джойстика подключенного к монитору, как в видео играх. Даже наземные аппараты без водителей, которые участвовали в Grand Challenge, устроенных DARPA в 2004, 2005 и 2007 годах, не были полностью автономными.

 

iRobot 510 Packbot

Так почему мы до сих пор не увидели полностью автономного робота, который может “чувствовать” для себя, “решать” сам и легко “общаться” с людьми и другими машинами?

Беспилотные системы все еще отстают в трех ключевых областях: зондирование, тестирование и совместимость. Хотя самые передовые роботы в наши дни могут собирать данные с экспансивного массива камер, микрофонов и других датчиков, они не имеют возможности обрабатывать всю эту информацию в реальном времени, а затем разумно действовать для получения результата. Кроме того, тестирование представляет собой еще одну проблему потому, что нет общепринятого способа подвергнуть аппарат испытаниям в любых ситуациях, с которыми он может столкнуться в реальном мире. Взаимодействие также становится проблемой в случаях, когда роботы различных типов должны взаимодействовать, и даже более трудным становится взаимодействие пилотируемых и беспилотных систем.

Но робот — это нечто большее, чем просто платформа для датчиков. Например, беспилотный автомобиль едет по улицам города. Его камеры могут обнаружить припаркованный автомобиль, открытый люк в середине дороги и школьников, пересекающих перекресток. Но если автономный робот не может правильно классифицировать автомобиль, как автомобиль, люк, как люк и детей, как детей, он не будет иметь достаточной информации для того, чтобы избежать эти препятствия.

Таким образом, проблема сенсоров в области робототехники выходит далеко за рамки простого проектирования сложных новых датчиков. Автономный робот должен иметь возможность автоматически обрабатывать данные с этих датчиков, извлекать соответствующую информацию из них, а затем принимать решения в режиме реального времени на основе полученной информации и информации, которую он собрал в прошлом. Цель состоит в том, чтобы добиться того, что исследователи называют ситуационный пониманием.

И, без помощи людей в интерпретации данных, их осмыслении, и решении, как реагировать на происходящее, ситуационное понимание становится еще сложнее.

С использованием современных технологий, практически не осталось роботов, которые не обладают всеми бортовыми датчиками, необходимыми для точной расшифровки окружения робота. Более того, решения должны приниматься на основе неопределенной, неполной или противоречивой информации. Если робот-постовой вооруженный полуавтоматической винтовкой обнаруживает что кто-то бежит из магазина, как он может знать, что человек только что ограбил магазин или просто бежит, чтобы успеть на автобус? Должен ли он стрелять, основываясь на своем понимании происходящего?

 

MAARS (Foster-Miller)

Люди тоже могут ошибаться, в правильной интерпретации подобных ситуации, но это неудивительно, общество возводит роботов к более высокому стандарту и менее терпимо к их ошибкам. Подобное понимание может привести к нежеланию принять скачок в разработке полностью автономных роботов и

может помешать технологии продвигаются вперед так быстро, как это возможно. Пять человек не должно управлять одним БПЛА, наоборот — один человек должен иметь возможность управлять пятью роботами.

С другой стороны, так как военные роботы обычно работают в геополитически чувствительной среде, некоторая дополнительная осторожность, безусловно будет оправдана. Что произойдет, например, если неисправный сигнал датчика передаст БПЛА ошибочные данные, заставив его пересечь границу без соответствующего разрешения? Что, если он ошибочно решит, что «дружественные» войска являются мишенью, а затем откроет по ним огонь?

X-47B

Если полностью автономные беспилотные системы совершат такую серьезную ошибку, это может поставить под угрозу безопасность других пилотируемых и беспилотных систем и усугубит политическую ситуацию.

БПЛА Predator, разработанный в 1990-х годах, прошел путь от чертежей до действующего аппарата менее чем за 30 месяцев, что является чрезвычайно быстрым темпом по стандартам военных.

Поэтому неудивительно, что БПЛА имеют достаточно сбоев при работе в боевых условиях. Среди прочего, они часто не способны летать в плохую погоду, это хлопотно для их эксплуатации и обслуживании, а их дневные и инфракрасные камеры с большим трудом обнаруживают цели. Но, из-за необходимости в дронах, командование было готово принять эти недостатки, в надежде, что будущие модернизации сгладят их. У них не было времени ждать, пока дрон пройдет тщательные боевые испытания.

Но как проверить полностью автономные системы? У роботов, которые управляются дистанционно или перемещаться по путевым точкам GPS, действия аппарата известны заранее. И если он отклонится от своих инструкции, человек-оператор может дать команду аварийного отключения.

Тем не менее, если аппарат в состоянии принимать свои собственные решения, его поведение не может быть предсказано. Не всегда будет ясно, будет ли машина вести себя согласно инструкциям и безопасно. На это могут повлиять бесчисленные факторы: обработка роботом информации, внешние раздражители, изменения в оперативной обстановке, аппаратные и программные сбои, ложные стимулы и любые новые и неожиданные ситуации, с которыми робот может столкнуться. Поэтому необходимы новые методы тестирования, которые обеспечат понимание и самоанализ того, почему робот принимает те или иные решения.

Получение такого понимания внутри машины сродни выполнению функциональной МРТ человеческого мозга. Наблюдая, какие области мозга испытывают большие кровотоки и активность нейронов в определенных ситуациях, неврологи добиваются лучшего понимания того, как работает мозг. Для робота, эквивалент МРТ будет вести программное обеспечение моделирования, чтобы выявить «мозг» машины. Подвергая роботов определенным условиям, мы могли бы потом увидеть, какие виды данных со своих датчиков он собирает, как он обрабатывает и анализирует эти данные и как он использует данные, чтобы прийти к решению.

Другой выдающейся формой тестирования, которую часто пропускают, чтобы быстрее начать применение роботов, представляет собой испытания роботов на экспериментальной «детской площадке». Она имеет ярко выраженные границы и ограничения по безопасности, которые позволяют людям, а также другим роботам взаимодействовать с тестируемым роботом и наблюдать за его поведением. При этом тестерам не так важно знать детали данных с датчиков и точную последовательность решений, как то, что машина делает и является ли безопасным и адекватным поведение робота.

Переход к более умным и автономным системам увеличит нагрузку на людей-тестеров и их способности анализировать результаты всех этих испытаний. Но они никогда не будут способны оценить все возможные исходы, так как их количество бесконечно. Ясно, что нужен новый способ проверки автономных систем, который будет одновременно являться статистически значимым, а также будет вселять уверенность в правильности результатов. И, конечно, для нас, чтобы чувствовать себя уверенными в том, что мы понимаем поведение машины и доверяем ей принятие решений, такие испытания должны быть завершены до того момента, как автономный робот будет задействован.

Рой маленьких роботов рассеивается по полу заброшенного склада. Каждый робот, похожий на крошечную цистерну с торчащими из ее вершины антеннами, исследует площадь вокруг него с помощью видеокамеры на предмет окон и дверей, и использует лазерный дальномер для измерения расстояния. Используя методику, которая называется SLAM ( «локализация и одновременное отображение»), он создает карту своего окружения и следит за своим собственным расположением на карте. Когда он встречается с другим роботом происходит обмен картами, а затем отправляется на прогулку по еще неизведанной территории. В конечном итоге, роботы создают подробную карту всех этажей.

Эти гениальные роботы-картографы, разработанные исследователями программы армии США “Автономные Микросистемы и Технологии” (“Micro Autonomous Systems and Technology”), представляют собой инновационные разработки автономных роботов. В будущем, их разработчики планируют оборудовать роботов радарами, способными видеть сквозь стены, инфракрасными датчиками, а также гибкими «усиками» для ощущения близости препятствий. Хотя эти роботы и умны, тем не менее, им не хватает ключевых возможностей, которые понадобятся всем роботам будущего: они не могут легко взаимодействовать с другими видами роботов.

Теперь рассмотрим литторальный боевой корабль (боевой корабль прибрежной зоны) ВМС США (Littoral Combat Ship). Корабль будет иметь заменяемые “модули заданий», которые включают в себя вертикальный взлет беспилотных летательных аппаратов, беспилотные подводные аппараты и беспилотные платформы. Всем этим робототехническим системам придется действовать в согласии друг с другом, а также с пилотируемыми системами, для поддержки разведки, наблюдения и рекогносцировки задач, океанографических исследований, минных работ, безопасности портов и так далее.

Достижение этого взаимодействия станет немалым подвигом. Несмотря на значительный достигнутый прогресс в автоматизации единичных роботов, а также команд одинаковых роботов, мы еще не достигли того момента, когда беспилотные системы, созданные для армии одним подрядчиком, могут легко взаимодействовать с роботами другой системы, построенными для ВМС другим подрядчиком.

Недостаток взаимозаменяемости, конечно, не является проблемой исключительно робототехники. На протяжении десятилетий, разработчики всех видов систем военного назначения пытались, часто не стандартизируя свои проекты, позволить машинам от различных производителей обмениваться данными. Но, так как различные военные отрасли продолжают добавлять в свои ряды различных боевых роботов, огромная проблема взаимодействия среди этих разрозненных систем только растет.

Особая сложность состоит в том, что большинство систем автоматизации и управления, особенно те, которые используются для совместной работы, полагают, что все беспилотные системы имеют тот же уровень автономности и ту же архитектуру программного обеспечения. На практике такого почти никогда не бывает, если только роботы не были разработаны с нуля для работы сообща. Очевидно, что необходимы новые подходы, чтобы можно было ввести в группу роботов неизвестную автономную систему без перенастройки всей команды роботов.

 

Стелс (фильм)

Взаимодействие между пилотируемыми и беспилотными системами является еще более сложным. Конечной целью является создание автономных систем способных сотрудничать с людьми в качестве равноправных партнеров по команде, а не просто следующими командам, выданным их операторами. Для того, чтобы это произошло, роботы должны понимать человеческий язык и намерения и они должны будут научиться общаться таким образом, что будет являться естественным для человека.

Взаимодействие также потребует особых стандартов, процедур и архитектуры, которые будут способствовать эффективной интеграции. Сегодня, например, беспилотными наземными и морскими системами используются стандарт сообщений, называемый Объединенной Архитектурой Беспилотных Систем (Joint Architecture for Unmanned Systems (JAUS)).

Стандарт обмена сообщениями для беспилотных воздушных систем — STANAG-4586, формат НАТО. В рамках своих соответствующих областей, обе эти системы служат своей цели.

Но когда БПЛА должен общаться с наземным беспилотником, что он должен использовать: JAUS или STANAG-4586 или что-то совершенно другое? Наиболее перспективным в этой области является JAUS Tool Set, открытый, основанный на стандартах набор сообщений для беспилотных транспортных средств, который находится в стадии бета-тестирования. Использование данного набора инструментов, кажется, улучшает взаимодействие между беспилотными аппаратами. В будущем JAUS Tool Set должен будет объединять два формата сообщений. В конечном счете, это должно ускорить внедрение совместимых беспилотных систем.

Так как робототехнические системы становятся все более автономными, они также будут должны иметь возможность рассмотреть советы, рекомендации и мнения операторов. То есть, люди не будут диктовать поведение (более подробно о создании ИИ в статье “ Последствия создания ИИ”) или выдавать жесткие директивы, но они все равно должны иметь возможность влиять на планирование робота и принятия решений.

Honda Asimo

Интеграция такой информации, в том числе ее капризы, нюансы и неопределенности, будет непростой задачей для любой автономной системы по мере развития искусственного интеллекта. Но достижение этих возможностей находится в наших руках.

Материал подготовлен редакцией сайта Техножизнь на основе информации, полученной из открытых источников. Любое использование интернет-изданиями данного материала возможно только с указанием активной ссылки на сайт Техножизнь.