Med de senaste framstegen inom artificiell intelligens och robotteknik, finns det ett växande intresse för att utveckla och marknadsföra hushållsrobotar som kan hantera en mängd olika hushållssysslor.

Tesla bygger en humanoid robot, som, enligt vd Elon Musk, skulle kunna användas för att laga mat och hjälpa äldre människor. Amazon förvärvade nyligen iRobot, en framstående robotdammsugare, och har investerat mycket i tekniken genom Amazon Robotics-programmet för att expandera robotteknologin till konsumentmarknaden. I maj 2022 tillkännagav Dyson, ett företag känt för sina kraftfulla dammsugare, att de planerar att bygga Storbritanniens största robotcenter ägnat åt att utveckla hushållsrobotar som utför dagliga hemuppgifter i bostadsområden.

Trots det växande intresset kan potentiella kunder behöva vänta ett tag på att dessa robotar kommer ut på marknaden. Även om enheter som smarta termostater och säkerhetssystem används i stor utsträckning i hemmen idag, är den kommersiella användningen av hushållsrobotar fortfarande i sin linda.

Som robotforskare vet jag själv hur hushållsrobotar är betydligt svårare att bygga än smarta digitala enheter eller industrirobotar.

Hantera objekt

En stor skillnad mellan digitala och robotiserade enheter är att hushållsrobotar måste manipulera föremål genom fysisk kontakt för att utföra sina uppgifter. De ska bära tallrikarna, flytta stolarna och plocka upp smutstvätt och lägga i tvättmaskinen. Dessa operationer kräver att roboten kan hantera ömtåliga, mjuka och ibland tunga föremål med oregelbundna former.

De toppmoderna AI- och maskininlärningsalgoritmerna fungerar bra i simulerade miljöer. Men kontakt med föremål i den verkliga världen snubblar dem ofta. Detta beror på att fysisk kontakt ofta är svår att modellera och ännu svårare att kontrollera. Även om en människa lätt kan utföra dessa uppgifter, finns det betydande tekniska hinder för hushållsrobotar att nå förmågan att hantera föremål på mänsklig nivå.

Robotar har svårt i två aspekter av att manipulera objekt:kontroll och avkänning. Många pick-and-place robotmanipulatorer som de på löpande band är utrustade med en enkel gripare eller specialiserade verktyg som endast är avsedda för vissa uppgifter som att greppa och bära en viss del. De kämpar ofta för att manipulera föremål med oregelbundna former eller elastiska material, särskilt för att de saknar den effektiva kraften, eller haptiska, feedback som människor är naturligt utrustade med. Att bygga en robothand för allmänt bruk med flexibla fingrar är fortfarande tekniskt utmanande och dyrt.

Det är också värt att nämna att traditionella robotmanipulatorer kräver en stabil plattform för att fungera exakt, men noggrannheten sjunker avsevärt när de används med plattformar som rör sig, särskilt på en mängd olika ytor. Att samordna förflyttning och manipulation i en mobil robot är ett öppet problem i robotsamhället som måste åtgärdas innan hushållsrobotar med bred förmåga kan ta sig ut på marknaden.

De gillar struktur

I ett löpande band eller ett lager är miljön och arbetssekvensen strikt organiserad. Detta gör att ingenjörer kan förprogrammera robotens rörelser eller använda enkla metoder som QR-koder för att lokalisera objekt eller målplatser. Men hushållsartiklar är ofta oorganiserade och placeras slumpmässigt.

Hemrobotar måste hantera många osäkerheter i sina arbetsplatser. Roboten måste först lokalisera och identifiera målobjektet bland många andra. Ganska ofta kräver det också att man röjer eller undviker andra hinder i arbetsytan för att kunna nå föremålet och utföra givna uppgifter. Detta kräver att roboten har ett utmärkt perceptionssystem, effektiva navigeringsförmåga och kraftfull och exakt manipulationsförmåga.

Användare av robotdammsugare vet till exempel att de måste ta bort alla små möbler och andra hinder såsom kablar från golvet, eftersom inte ens den bästa robotdammsugaren kan rensa dem av sig själv. Ännu mer utmanande, roboten måste arbeta i närvaro av rörliga hinder när människor och husdjur går inom nära håll.

Håll det enkelt

Även om de verkar enkla för människor, är många hushållsuppgifter för komplexa för robotar. Industrirobotar är utmärkta för repetitiva operationer där robotrörelsen kan förprogrammeras. Men hushållsuppgifter är ofta unika för situationen och kan vara fulla av överraskningar som kräver att roboten hela tiden fattar beslut och ändrar sin rutt för att utföra uppgifterna.

Tänk på att laga mat eller diska. Under några minuters tillagning kan du ta tag i en sautépanna, en spatel, en spisknopp, ett kylskåpsdörrhandtag, ett ägg och en flaska matolja. För att diska en kastrull håller du vanligtvis och flyttar den med ena handen medan du skrubbar med den andra, och ser till att alla påkokta matrester tas bort och sedan sköljs all tvål av.

Det har skett en betydande utveckling under de senaste åren med att använda maskininlärning för att träna robotar att fatta intelligenta beslut när de plockar och placerar olika objekt, vilket innebär att greppa och flytta objekt från en plats till en annan. Men att kunna träna robotar att bemästra alla olika typer av köksredskap och hushållsapparater skulle vara en annan svårighetsgrad även för de bästa inlärningsalgoritmerna.

För att inte tala om att människors hem ofta har trappor, smala gångar och höga hyllor. Dessa svåråtkomliga utrymmen begränsar användningen av dagens mobila robotar, som tenderar att använda hjul eller fyra ben. Humanoida robotar, som bättre skulle matcha de miljöer som människor bygger och organiserar för sig själva, har ännu inte använts på ett tillförlitligt sätt utanför labbmiljöer.

En lösning på uppgiftens komplexitet är att bygga specialrobotar, som robotdammsugare eller köksrobotar. Många olika typer av sådana anordningar kommer sannolikt att utvecklas inom en snar framtid. Jag tror dock att hemrobotar för allmänt bruk fortfarande är långt borta. + Utforska vidare

Robotar lär sig hushållsuppgifter genom att titta på människor

Den här artikeln är återpublicerad från The Conversation under en Creative Commons-licens. Läs originalartikeln.