Учитель для робота: самая востребованная профессия к 2030 году

Робот — коллега человека

Сейчас из-за роста рынка онлайн-магазинов и нехватки рабочих рук компании ищут способы использовать роботов для работы на складах. По данным McKinsey Global Institute, до 57% складских процессов могут быть автоматизированы. Роботы способны полностью взять на себя перемещение коробок, сортировку товаров, упаковку, маркировку и инвентаризацию. Также они могут ездить по складу, доставляя товары сотрудникам, — это сокращает время на сборку заказов и снижает утомляемость персонала. Уже в ближайшем будущем складская логистика может лечь на плечи роботов и коботов (коллаборативный робот, устройство, которое работает совместно с человеком).

Среди так называемых роборук существуют две группы роботов: промышленные роботы и коботы. Первые справляются с большими нагрузками и применяются там, где нужна высокая скорость и большая грузоподъемность. Правда, они действуют по заданной траектории — не думают, не анализируют и не рассчитывают встретить препятствие, поэтому зоны с ними всегда изолированы от людей. Если нужны более сложные манипуляции, на помощь приходят коботы, которые умеют работать с людьми и другими объектами в одной среде, потому что они более чувствительны. У них есть сенсоры, позволяющие понимать, что делать, когда робот столкнется с препятствием.

Коботы полезны там, где робот и человек работают в одном пространстве, выполняя операции и взаимодействуя друг с другом. Например, «Пикер» от «Яндекс Роботикс» — робот, который выглядит как рука, оснащенный искусственным интеллектом (ИИ), — сортирует мелкие товары в одном пространстве с людьми. Исследования в области обслуживания промышленных станков показывают, что коботы стабильно превосходят предыдущие производственные показатели на 28% после внедрения, а также снижают процент брака. Кроме того, в производственных процессах внедрение коботов увеличивает объем выпуска продукции почти на 24%, особенно на серийных сборочных линиях с большим объемом операций.

Однако заменить промышленных роботов коботы не смогут, да и не должны — для каждой машины есть своя задача. Промышленным роботам просто нужны ограждения и системы безопасности. Поэтому вместе с ними в помещениях ставят камеры, детекторы препятствий, кнопки экстренной остановки, чтобы человек и робот никак не столкнулись.

Почему роботов еще не используют повсеместно

Хотя складская робототехника уже доказала свою эффективность и применяется на практике в некоторых странах, их масштабное внедрение в России только начинается. Дело в том, что у нас пока большинство проектов по обучению роботов и коботов экспериментальные и нет универсального решения от одного производителя. Остаются и проблемы с совместимостью решений от разных компаний: например, робота от одной компании сложно интегрировать с программным обеспечением (ПО) от другой. В итоге получается вечный квест: робота подключили, соседнее оборудование не стыкуется, добавили еще один модуль — все ломается. Поэтому мы начали работу над собственной мультивендорной RMS (robots managament system) и стандартом для промышленных роботов и коботов, который поможет решить многие сложности, например взаимозаменяемость роботов и легкое подключение новых роботов ко всем системам. А также активно развиваем широкую линейку собственных решений, включая мобильных роботов, конвейеры и другие устройства.

Мы хотим научить роботов и коботов выполнять конкретные операции за человека и совместно с ним. Но обучать роботов сложно, и одна из причин — кадровый дефицит. Сейчас даже обычных IT-специалистов не хватает, а специалистов по искусственному интеллекту — тем более. Так что прежде чем обучать роботов, нам нужно обучить людей: специалистов по ИИ в робототехнике.

Как обучают роботов

Основные методы тренировки роботов и коботов включают обучение через наблюдение и имитацию, когда роботы анализируют видеозаписи действий человека (например, приготовление кофе) и воспроизводят их с помощью компьютерного зрения. Например, так обучают роботов в стартапе Figure. В компании Universal Robots применяются технологии физического руководства (рука-в-руке), которые позволяют операторам вручную перемещать манипулятор кобота, записывая траектории движений. При этом нейросетевые алгоритмы оптимизируют процессы, позволяя роботам корректировать действия на основе ошибок, над чем сейчас работают в MIT и Skoltech.

В робототехнике важно научить «подопечного» видеть полную картину со всеми возможными и невозможными вариантами развития событий. Для этого мы используем огромное количество данных — иногда до миллиона на конкретную задачу, чтобы у ИИ появилась необходимая обобщающая способность. Например, чтобы научить робота брать абсолютно любые предметы, которые до этого он не видел. Как раз для этой операции пикинга — процесса отбора и подготовки товаров к отгрузке — мы использовали имитационное обучение: операторы показывали роботу, как брать коробки, а он учился на этих данных. За полтора года мы собрали миллион траекторий. Это ежедневная работа десятков высококвалифицированных человек, понимающих основы машинного обучения.

По оценкам Минпромторга, к 2030 году России потребуется более 100 тыс. роботов, чтобы войти в топ-25 стран мира по плотности роботизации. Для этого нам потребуются тысячи специалистов: разработчиков, ИИ-архитекторов и тех, кто будет эти машины собирать. Их пока нет, поэтому нужно вкладываться в их подготовку, создавать профильные образовательные программы, которых в России еще мало.

Кто он — учитель роботов и как им стать

Чтобы стать хорошим специалистом по роботам, сначала нужно отучиться в бакалавриате — изучить математику, физику и программирование. Потом можно пойти на следующую образовательную ступень. Например, в 2025 году в «Сколтехе» совместно с «Яндекс Образованием» была запущена программа «Искусственный интеллект в робототехнике» (AI Robotics). На ней мы будем готовить инженеров-робототехников, которые создают интеллектуальные системы на стыке софта и железа. Студенты будут разрабатывать сервисных и складских роботов, решая нестандартные задачи — например, учить робота ориентироваться в больших динамических пространствах, работать над навигацией в сложной и изменяющейся среде, искать предметы разной формы. Аналогичные программы появляются по всему миру. Например, в США есть совместная программа по робототехнике от Amazon Robotics и Hampton University, а в Великобритании — совместная программа Google DeepMind и Йоркского университета с фокусом на ИИ для интеллектуальных роботов.

После учебы нужно попрактиковаться в лабораториях, где делают роботов. В будущем будут нужны те специалисты, кто уже работал над реальными проектами. Важно понимать, как роботы работают на производстве или на складе, а не только в лаборатории. Переход из научной работы в реальное производство или склад — это и сложно, и интересно.

На выходе мы получим востребованных специалистов — «учителей роботов». Они смогут написать сценарии поведения для машин, настроить алгоритмы, обучить модели искусственного интеллекта для выполнения сложных рутинных операций и проверить, как роботы и коботы взаимодействуют с окружающей средой и человеком.