Roboter haben seit dem Roomba einen langen Weg zurückgelegt. Heute beginnen Drohnen, Tür zu Tür zu liefern, selbstfahrende Autos navigieren einige Straßen, Robo-Canines helfen Ersthelfern, und noch mehr Bots machen Backflips und helfen auf dem Fabrikboden. Trotzdem glaubt Luca Carlone, dass das Beste noch kommen wird.
Carlone, der kürzlich als Affiliate Professor in der Abteilung für Aeronautics and Astronautics (Aeroastro) des MIT -Abteilung für die MIT -Abteilung eine Amtszeit erhielt, leitet das Spark Lab, in dem er und seine Schüler eine Schlüssellücke zwischen Menschen und Robotern schließen: Wahrnehmung. Die Gruppe recherchiert theoretische und experimentelle Forschung, um das Bewusstsein eines Roboters für ihre Umgebung auf eine Weise zu erweitern, die die menschliche Wahrnehmung nähert. Und die Wahrnehmung ist, wie Carlone oft sagt, mehr als die Erkennung.
Während Roboter in Bezug auf ihre Fähigkeit, Objekte in ihrer Umgebung zu erkennen und zu identifizieren, sprunghaft gewachsen sind, haben sie immer noch viel zu lernen, wenn es darum geht, auf höherem Niveau ihre Umgebung zu machen. Als Menschen empfinden wir Objekte mit einem intuitiven Gefühl für nicht nur ihre Formen und Etiketten, sondern auch ihre Physik – wie sie manipuliert und bewegt werden – und wie sie sich miteinander, ihre größere Umgebung und uns selbst beziehen.
Diese Artwork von Wahrnehmung auf menschlicher Ebene ist das, was Carlone und seine Gruppe Robotern aufweisen können, auf eine Weise, die es ihnen ermöglicht, sicher und nahtlos mit Menschen in ihren Häusern, Arbeitsplätzen und anderen unstrukturierten Umgebungen zu interagieren.
Seit er 2017 zur MIT-Fakultät beigetreten ist, hat Carlone sein Workforce dazu veranlasst, die Wahrnehmungs- und Szenenverständnisse für verschiedene Anwendungen zu entwickeln und anzuwenden selbstfahrende Autos. Sie könnten auch für häusliche Roboter nützlich sein, die natürliche Sprachbefehle folgen und möglicherweise sogar die Bedürfnisse des Menschen auf der Grundlage von kontextbezogenen Hinweisen auf höherer Ebene erwarten.
„Wahrnehmung ist ein großer Engpass, um Roboter zu bekommen, die uns in der realen Welt helfen“, sagt Carlone. „Wenn wir der Wahrnehmung von Roboter Elemente der Wahrnehmung und des Denkens hinzufügen können, glaube ich, dass sie viel Gutes tun können.“
Auswachsender Horizont
Carlone wurde in der Nähe von Salerno, Italien, in der Nähe der malerischen Amalfiküste geboren und aufgewachsen, wo er der jüngste von drei Jungen battle. Seine Mutter ist ein Grundschullehrer im Ruhestand, der Mathematik unterrichtete, und sein Vater ist Professor und Verlag im Ruhestand, der immer einen analytischen Ansatz für seine historische Forschung gewählt hat. Die Brüder haben vielleicht unbewusst die Denkweisen ihrer Eltern übernommen, da alle drei Ingenieure waren – die älteren beiden verfolgten Elektronik und Maschinenbau, während Carlone auf Robotik oder Mechatronik landete, wie es zu dieser Zeit bekannt battle.
Er kam jedoch erst spät in seinem Studentenstudium auf das Feld. Carlone nahm an der Polytechnic College of Turin teil, wo er sich zunächst auf theoretische Arbeiten konzentrierte, insbesondere auf die Kontrolltheorie – ein Feld, das Mathematik zur Entwicklung von Algorithmen anwendet, die das Verhalten physikalischer Systeme wie Stromnetze, Flugzeuge, Autos und Robots automatisch steuern. Dann, in seinem letzten Jahr, hat sich Carlone für einen Kurs über Robotik angemeldet, der Fortschritte bei der Manipulation untersuchte und wie Roboter so programmiert werden können, sich zu bewegen und zu funktionieren.
„Es battle Liebe auf den ersten Blick. Die Verwendung von Algorithmen und Mathematik, um das Gehirn eines Roboters zu entwickeln und es zu bewegen und mit der Umgebung zu interagieren, ist eine der erfüllendsten Erfahrungen “, sagt Carlone. „Ich habe sofort entschieden, dass ich das im Leben tun möchte.“
Er fuhr zu einem Twin-Grad-Programm an der Polytechnic College of Turin und der Polytechnic College of Mailand, wo er Grasp-Abschlüsse in Mechatronik- bzw. Automationstechnik erhielt. Im Rahmen dieses Programms, das Alta Scuola Polutecnica genannt wird, nahm Carlone auch Kurse im Administration an, in denen er und Studenten mit verschiedenen akademischen Hintergründen zusammenarbeiten mussten, um eine Advertising -Tonhöhe für ein neues Produktdesign zu konzipieren, aufzubauen und zu erstellen. Das Workforce von Carlone entwickelte eine berührungsfreie Tischlampe, die den handgetriebenen Befehlen eines Benutzers befolgt. Das Projekt drängte ihn, aus verschiedenen Perspektiven über Ingenieurwesen nachzudenken.
„Es battle, als wären sie verschiedene Sprachen sprechen“, sagt er. „Es battle eine frühzeitige Auseinandersetzung mit der Notwendigkeit, über die technische Blase hinauszublicken und darüber nachzudenken, wie technische Arbeiten geschaffen werden können, die sich auf die reale Welt auswirken können.“
Die nächste Technology
Carlone blieb in Turin, um seine Doktorarbeit in Mechatronik abzuschließen. In dieser Zeit wurde ihm die Freiheit gegeben, ein These -Thema zu wählen, das er, wie er erinnert, „ein bisschen naiv“ erledigt hat.
„Ich habe ein Thema untersucht, das die Neighborhood als intestine verstanden und für das viele Forscher glaubten, dass es nichts mehr zu sagen habe.“ Carlone sagt. „Ich habe unterschätzt, wie etabliert das Thema battle, und dachte, ich könnte immer noch etwas Neues dazu beitragen, und ich hatte das Glück, das einfach zu tun.“
Das fragliche Thema lautete „gleichzeitige Lokalisierung und Zuordnung“ oder SLAM – das Downside der Generierung und Aktualisierung einer Karte der Umgebung eines Roboters und gleichzeitig den Überblick über den Überblick über den Roboter in dieser Umgebung. Carlone gab eine Möglichkeit, das Downside neu zu gestalten, sodass Algorithmen genauere Karten erzeugen könnten, ohne mit einer anfänglichen Vermutung beginnen zu müssen, wie es die meisten Slam -Methoden zu diesem Zeitpunkt getan haben. Seine Arbeit half, ein Feld zu öffnen, auf dem die meisten Robotiker dachten, man könne es nicht besser machen als die vorhandenen Algorithmen.
„Slam geht es darum, die Geometrie der Dinge und wie sich ein Roboter unter diesen Dingen bewegt“, sagt Carlone. „Jetzt bin ich Teil einer Neighborhood und fragt: Was ist die nächste Technology von Slam?“
Auf der Suche nach einer Antwort nahm er eine Postdoc Er erlitt eine medizinische Komplikation, die seine Sicht stark beeinflusste.
„Für ein Jahr hätte ich leicht ein Auge verlieren können“, sagt Carlone. „Das brachte mich dazu, über die Bedeutung von Imaginative and prescient und künstlicher Imaginative and prescient nachzudenken.“
Er battle in der Lage, eine gute medizinische Versorgung zu erhalten, und die Erkrankung wurde vollständig gelöst, so dass er seine Arbeit fortsetzen konnte. Bei Georgia Tech, seinem Berater, Frank Dellaertzeigte ihm Wege, in Pc Imaginative and prescient zu codieren und elegante mathematische Darstellungen komplexer, dreidimensionaler Probleme zu formulieren. Sein Berater battle auch einer der ersten, der eine Open-Supply-Slam-Bibliothek entwickelte, die genannt wurde GTSAMwas Carlone schnell als unschätzbare Ressource erkannte. Im weiteren Sinne sah er, dass die verfügbare Software program für alle ein großes Potenzial für Fortschritte in der Robotik insgesamt machte.
„Historisch gesehen battle der Fortschritt in SLAM sehr langsam, da die Menschen ihre Codes proprietär hielten und jede Gruppe im Wesentlichen von vorne anfangen musste“, sagt Carlone. „Dann tauchten Open-Supply-Pipelines auf, und das battle ein Recreation Changer, der die Fortschritte, die wir in den letzten 10 Jahren gesehen haben, weitgehend getrieben hat.“
Räumliche Ai
Nach Georgia Tech kam Carlone 2015 als Postdoc im Labor für Informations- und Entscheidungssysteme (LIDS) zum MIT. Während dieser Zeit arbeitete er mit Sertac Karaman, Professor für Luftfahrt und Astronautik, zusammen, um Software program zu entwickeln, um mit nur sehr wenig Strom in der Umgebung in der Umgebung zu navigieren. Ein Jahr später wurde er zum Forschungswissenschaftler befördert, und 2017 nahm Carlone eine Fakultätsposition in Aeroastro an.
„Eine Sache, in die ich mich am MIT verliebt habe, battle, dass alle Entscheidungen von Fragen wie: Was sind unsere Werte? Was ist unsere Mission? Es geht nie um niedrige Gewinne. Bei der Motivation geht es wirklich darum, die Gesellschaft zu verbessern “, sagt Carlone. „Als Denkweise battle das sehr erfrischend.“
Heute entwickelt die Gruppe von Carlone Wege, um die Umgebung eines Roboters darzustellen, außer ihrer geometrischen Kind und Semantik zu charakterisieren. Er nutzt Deep Studying und Großsprachmodelle, um Algorithmen zu entwickeln, die es Robotern ermöglichen, ihre Umgebung sozusagen durch eine Linse auf höherer Ebene wahrzunehmen. In den letzten sechs Jahren hat sein Labor mehr als 60 Open-Supply veröffentlicht Repositorysdie von Tausenden von Forschern und Praktikern weltweit verwendet werden. Der Großteil seiner Arbeit passt in ein größeres, aufstrebendes Feld, das als „räumliche KI“ bekannt ist.
„Die räumliche KI ist wie Slam auf Steroiden“, sagt Carlone. „Kurz gesagt, es hat damit zu tun, dass Roboter die Welt so denken und verstehen können, wie es Menschen tun, auf eine Weise, die nützlich sein kann.“
Es ist ein großes Unterfangen, das weitreichende Auswirkungen haben könnte, um intuitivere, interaktivere Roboter zu Hause, am Arbeitsplatz, auf den Straßen und in abgelegenen und potenziell gefährlichen Bereichen zu helfen. Carlone sagt, dass es viel Arbeit geben wird, um zu nähern, wie Menschen die Welt wahrnehmen.
„Ich habe 2-jährige Zwillingstöchter, und ich sehe sie, die Objekte manipulieren, 10 verschiedene Spielzeuge gleichzeitig tragen, mit Leichtigkeit über überfüllte Räume navigieren und sich schnell an neue Umgebungen anpassen. Roboterwahrnehmung kann noch nicht mit dem übereinstimmen, was ein Kleinkind tun kann “, sagt Carlone. „Aber wir haben neue Werkzeuge im Arsenal. Und die Zukunft ist hell. “