Umělá inteligence prošla za posledních několik let řadou výrazných vývojových fází. Rané systémy se soustředily na predikci a rozpoznávání objektů. Generativní AI rozšířila tyto schopnosti o tvorbu obsahu — od textu přes obrázky až po zdrojový kód. Nejnověji začaly agentní systémy koordinovat složité digitální úlohy napříč softwarovými platformami. Výstup AI však ve všech těchto fázích zůstával v zásadě digitální.

Dalším krokem v tomto vývoji je fyzická AI — systémy, které negenerují pouze digitální výstupy, ale přímo fyzicky působí na svět kolem sebe.

Smyčka vnímání, myšlení a akce

Robotické systémy se dlouho opíraly o senzory — kamery, mikrofony a jiná čidla — ke sběru informací o okolním prostředí. AI modely výrazně zlepšily schopnost strojů tato data interpretovat, což přineslo pokroky v počítačovém vidění nebo rozpoznávání řeči.

V mnoha dřívějších systémech bylo vnímání pouze prvním krokem převážně sekvenčního procesu — po jeho vyhodnocení pak přicházelo provedení akce na základě předem daných pravidel. Fyzická AI ovšem vyžaduje odlišný přístup.

Namísto lineárního řetězce, v němž nejprve probíhá snímání a teprve poté akce, musejí stroje provozovat těsně propojenou zpětnovazební smyčku, kde vnímání, uvažování a pohyb probíhají souběžně a nepřetržitě — s neustálou zpětnou vazbou z prostředí. Systém pozoruje své okolí, rozhoduje se, jak reagovat, a jedná okamžitě. V této smyčce „vnímat–uvažovat–jednat“ robot vidí, pohne se, sleduje důsledky svého jednání a přizpůsobuje se — a to opakovaně, mnohokrát za sekundu. Právě tato nepřerušovaná smyčka umožňuje robotům bezpečně a efektivně fungovat v dynamickém a nepředvídatelném prostředí.

Představme si domácího úklidového robota, který na podlaze identifikuje kus papíru a chystá se ho sebrat. Právě ve chvíli, kdy po papíru sáhne, si na něj lehne kočka. Robot musí okamžitě přehodnotit situaci a upravit své chování tak, aby kočce neublížil ani nepoškodil prostředí.

V takových scénářích není prostor pro síťová zpoždění, výpadky připojení ani latenci spojenou s dotazem do cloudu. Systém musí reagovat bezprostředně.

Proč fyzická AI potřebuje hranu sítě (edge)

Cloudová infrastruktura zůstává pro ekosystém AI nezbytná — umožňuje rozsáhlé trénování modelů, agregaci dat a optimalizaci systémů. Jakmile však stroj přímo interaguje s fyzickým světem, řídicí smyčka se nemůže spoléhat na přenos dat přes síť tam a zpět. Latence, výpadky konektivity ani nepředvídatelné prodlevy nemohou být součástí řídicího systému zodpovědného za fyzické akce.

Aby mohla probíhat interakce s fyzickým prostředím v reálném čase, musí inteligence pohánějící smyčku vnímání, uvažování a akce běžet lokálně — tedy na hraně sítě.

Edge a cloud tak nejsou konkurenční architektury, nýbrž komplementární vrstvy téhož systému. Cloud trénuje a vylepšuje modely a zpracovává obrovská množství dat. Edge zajišťuje inteligenci v reálném čase, díky níž stroje vnímají, uvažují a jednají v daném okamžiku.

Přestože fyzická inteligence nakonec vyžaduje obojí, okamžik akce patří na hranu sítě.

Role účelových robotů

Rychlý pokrok v oblasti AI modelů stroje výrazně zdokonalil ve vnímání a uvažování. To ale neznamená, že jsou roboti najednou připraveni zvládat vše, co dokáže člověk.

Omezujícím faktorem v mnoha případech není inteligence softwaru, ale schopnosti samotného hardwaru. I přes rychlý postup AI čelí elektromechanické systémy — jako jsou ruce, klouby, pohony a nástroje — stále podstatným výzvám v oblasti obratnosti, flexibility a odolnosti.

„Humanoidní roboti schopní dělat vše, co člověk, jsou nepochybně dlouhodobým cílem, ale bezprostřední realita je taková, že jsou zapotřebí zásadní průlomy, než budou schopni získat smysluplný podíl na trhu.“

V blízkodobém horizontu proto robotické prostředí pravděpodobně neovládnou univerzální humanoidi. Místo nich budou mít většinové zastoupení účelové systémy navržené k tomu, aby sadu definovaných úloh zvládaly mimořádně dobře. Kuchyňský robotický pomocník například může krájet, sekat, míchat a čistit pracovní plochu — ale skládat prádlo nebo mýt podlahy nedokáže. Tyto roboty nejsou omezeny nedostatkem inteligence; jsou velmi inteligentní ve své doméně, ale záměrně zúženy s cílem zajistit spolehlivost, bezpečnost a dostupnou cenu.

Domácí roboty jako vysavače a sekačky trávy jsou raným příkladem tohoto přístupu. Rychle se rozvíjející kategorií jsou také drony — ty sice fungují autonomně již dnes, ale pokroky v AI jim umožňují přesahovat skriptované chování směrem k inteligentnější interakci s prostředím.

Škálování fyzické inteligence

Humanoidní roboti budou i nadále přitahovat pozornost a investice, zejména v prémiových tržních nikách, kde vyšší náklady obstojí. V dohledné budoucnosti však pravděpodobně budou tvořit jen malý zlomek celkového trhu s robotikou.

Účelové roboty jsou naopak navrženy pro úlohy nebezpečné, finančně nákladné nebo jinak neatraktivní — a jsou připraveny se rozšířit všude: do domácností, továren, skladů, nemocnic, maloobchodních provozoven, veřejné bezpečnosti i ochrany infrastruktury. Jedná se o velkoobjemové trhy, nikoli o prémiové nebo nišové segmenty, a roboty musejí být efektivní, spolehlivé a cenově přijatelné, aby je bylo možné nasadit ve velkém měřítku.

Provozování náročných AI úloh na milionech zařízení vyžaduje procesory schopné dosahovat vysokého výkonu při nízké latenci, malé spotřebě energie a s nákladovou strukturou vhodnou pro masové nasazení.

Úspěch fyzické AI nebude záviset výhradně na největších modelech ani na nejvýkonnějším cloudovém hardwaru. Bude záviset na efektivních platformách na hraně sítě schopných provozovat inteligentní smyčky vnímání, uvažování a akce přímo tam, kde stroje vstupují do kontaktu s reálným světem.

Budoucnost robotiky nespočívá ve výstavbě malého počtu strojů, které zvládnou vše. Spočívá v nasazení milionů inteligentních systémů, jež budou dělat ty správné věci mimořádně dobře — přesně tam a tehdy, kde a kdy jsou zapotřebí.

Zdroj: therobotreport.com