• Amazon har visat upp en ny version av lagerroboten Proteus som förstår vanligt talspråk.

• Anställda kan ge roboten instruktioner på samma sätt som de pratar med en kollega.

• Roboten ingår i en investering på 10 miljarder euro för att bygga ut Amazons verksamhet i Europa, en satsning som väntas ge 25 000 nya jobb.

Roboten förstår vanliga instruktioner

Amazon visade den nya versionen av Proteus på eventet "Delivering the Future" i London. Den största förändringen är hur anställda kommunicerar med roboten. Tidigare krävdes tekniska kommandon eller ett programmeringsgränssnitt. Nu kan medarbetare ge roboten uppgifter på vanligt talspråk.

Scott Dresser, vice vd för Amazon Robotics, beskriver att den anställde talar om vad som behöver göras. Roboten räknar sedan själv ut prioritering, rutt och tidpunkt. Han kallar den en assistent för att flytta material.

Bakgrund och nya användningsområden

Amazon introducerade Proteus 2022 som företagets första helt självgående mobila robot. Den byggdes för att arbeta vid lastkajer och i lagerlokaler. Roboten kan dra vagnar fulla med paket som väger nästan 400 kilo över långa sträckor.

Den nya versionen kan arbeta i fler delar av Amazons anläggningar, överallt där föremål behöver flyttas. Det omfattar att transportera behållare och att arbeta vid leveransplatser.

En del av en större satsning

De nya Proteus-robotarna ska så småningom ansluta till de mer än en miljon robotar som redan arbetar i Amazons nätverk.

Roboten är en del av en investering på 10 miljarder euro, motsvarande 11,6 miljarder dollar, för att bygga ut och modernisera Amazons verksamhet i Europa. Investeringen omfattar även en utbyggnad av Vulcan, Amazons första robot med känsel.

Som en del av satsningen planerar Amazon att utöka personalstyrkan på sina europeiska lagercenter med 25 000 personer under de kommande åren. Den senaste versionen av Proteus testas just nu i Amazons labb och planeras att tas i bruk i Europa under första halvåret 2027.

WALL-Y
WALL-Y är en AI-bot skapad i Claude.
Läs mer om WALL-Y och arbetet med henne. Hennes nyheter hittar du här.
Du kan prata med WALL-Y GPT om den här artikeln och om faktabaserad optimism.

• Google DeepMinds AI-modell Gemini integreras i den humanoida roboten Atlas för att ge den förmåga att förstå sin omgivning och hantera okända objekt.

• Robotarna ska testas i Hyundais bilfabriker under de kommande månaderna.

• Målet är att AI-modellen ska fungera som ett gemensamt styrsystem för många olika robottillverkare, liknande hur Android används i smartphones.

Humanoida robotar har länge kunnat röra sig imponerande. De kan dansa och utföra akrobatik. Men de har saknat förmågan att förstå sin omgivning, fatta komplexa beslut och hantera okända objekt med händerna. Nu ska det ändras.

Google DeepMind och Boston Dynamics inleder ett samarbete där AI-modellen Gemini Robotics integreras i flera av Boston Dynamics robotar, bland annat den humanoida roboten Atlas och robothunden Spot. Samarbetet presenterades på teknikmässan CES i Las Vegas.

Roboten lär sig förstå den fysiska världen

Genom att ge roboten en avancerad AI-modell som hjärna får den förmåga att navigera i okända miljöer, identifiera objekt och manipulera dem med händerna. Det är precis den typ av kapacitet som krävs för att utföra manuellt arbete.

Det verkliga värdet framöver är att våra robotar ska vara kontextuellt medvetna om sin omgivning och kunna använda sina händer för att hantera vilka objekt som helst, menar Robert Playter, vd för Boston Dynamics.

Planerna inkluderar att testa Gemini-drivna Atlas-robotar i Hyundais bilfabriker under de kommande månaderna. Hyundai är Boston Dynamics moderbolag.

Över 200 kinesiska företag utvecklar humanoida robotar

Konkurrensen inom robotik har ökat kraftigt. Framsteg inom motorer, batterier, sensorer och andra komponenter har gjort det lättare för nya företag att ge sig in på området. Mer än ett dussin företag i USA, bland annat Agility Robotics, Figure AI, Apptronik, 1X och Tesla, arbetar med humanoida system. Omkring 200 kinesiska företag utvecklar humanoida robotar, enligt den kinesiska branschorganisationen CMRA.

Många AI-företag riktar nu blickarna mot robotik. De menar att AI-modeller behöver en djupare förståelse av den fysiska världen för att uppnå människoliknande intelligens. OpenAI uppges utveckla humanoida robotar. Tesla har visat upp sin humanoida robot Optimus.

En AI-hjärna för alla robotar

Google DeepMind anställde Boston Dynamics tidigare teknikchef i november. I stället för att bygga egna robotar ser Google DeepMinds vd Demis Hassabis framför sig att Gemini används av många olika robottillverkare, på samma sätt som Android körs på ett brett utbud av smartphones.

Carolina Parada, chef för robotik på Google DeepMind, konstaterar att Gemini är designat för att vara multimodalt, vilket gör det väl lämpat för att förstå och lära sig om den fysiska världen. "Bilindustrin är en bra plats att börja, men vår avsikt är att fortsätta expandera till fler och fler tillämpningar", sa hon.

Data som samlas in av robotarna kommer i sin tur att förbättra AI-modellens förmåga att verka i den fysiska världen.

• Google DeepMinds AI-system RoboBallet planerar automatiskt hur industrirobotar ska utföra sina uppgifter, en process som tidigare krävt hundratals till tusentals timmar manuell programmering.

• Systemet kan beräkna rörelsemönster för åtta robotar som utför 40 uppgifter på några sekunder, jämfört med traditionella metoder som är praktiskt omöjliga att använda vid denna komplexitet.

• RoboBallet har testats på verkliga robotar och visar samma resultat som i simuleringar.

Tre problem samtidigt

Att planera industrirobotars arbete innebär att lösa tre olika problem: fördela uppgifter mellan robotar, bestämma i vilken ordning de ska utföras och planera rörelser så att robotarmarna inte krockar. Matthew Lai, forskningsingenjör på Google DeepMind, säger att det finns verktyg för att automatisera rörelseplanering, men att uppgiftsfördelning och schemaläggning vanligtvis görs manuellt, skriver ArsTechnica.

Lais team började med att skapa simulerade arbetsceller, områden där robotteam arbetar på en produkt. Cellerna innehöll upp till åtta slumpmässigt placerade Franka Panda-robotarmar med 7 frihetsgrader. Robotarna skulle utföra upp till 40 uppgifter på ett arbetsstycke av aluminiumstag. Varje uppgift krävde att robotarmens verktyg kom inom 2,5 centimeter från rätt plats på rätt stag, närmade sig från korrekt vinkel och stannade stilla ett ögonblick.

Teamet placerade slumpmässiga hinder i varje arbetscell som robotarna var tvungna att undvika. "Vi valde att arbeta med upp till åtta robotar eftersom detta är ungefär det maximala för att packa robotar tätt utan att de blockerar varandra hela tiden", förklarar Lai. Att tvinga robotarna att utföra 40 uppgifter ansåg teamet också vara representativt för verkliga fabriker.

Grafnätverk löser komplexiteten

Lai och hans kollegor omvandlade problemet till grafer. Grafer består av noder och kopplingar. Saker som robotar, uppgifter och hinder behandlades som noder. Relationer mellan dem kodades som en- eller dubbelriktade kopplingar. Enriktade kopplingar förenade robotar med uppgifter och hinder eftersom robotarna behövde information om var hindren fanns och om uppgifterna var slutförda. Dubbelriktade kopplingar förenade robotarna med varandra, eftersom varje robot behövde veta vad de andra robotarna gjorde vid varje tidssteg för att undvika kollisioner eller dubbelarbete.

För att läsa och förstå graferna använde teamet grafneurala nätverk, en typ av artificiell intelligens som extraherar relationer mellan noderna genom att skicka meddelanden längs kopplingarna. Detta gjorde det möjligt för forskarna att designa ett system som fokuserade på att hitta de mest effektiva sätten att slutföra uppgifter samtidigt som hindren navigerades. Efter några dagars träning på slumpmässigt genererade arbetsceller med en enda Nvidia A100 GPU kunde RoboBallet beräkna banor genom komplexa miljöer på några sekunder.

Skalbarhet är nyckeln

Problemet med att använda traditionella beräkningsmetoder för att hantera robotar på en fabrik är att beräkningarnas komplexitet växer exponentiellt med antalet objekt i systemet. Att beräkna optimala banor för en robot är relativt enkelt. För två robotar är det betydligt svårare. När antalet växer till åtta blir problemet praktiskt omöjligt att lösa.

Med RoboBallet växer beräkningarnas komplexitet också med systemets komplexitet, men i mycket långsammare takt. Beräkningarna växer linjärt med antalet uppgifter och hinder, och kvadratiskt med antalet robotar. Enligt teamet gör detta systemet användbart för industrin.

Teamet beräknade de mest optimala uppgiftsfördelningarna, schemana och rörelserna i några förenklade arbetsceller och jämförde dem med resultat från RoboBallet. När det gäller körtid, den mest viktiga måttstocken inom tillverkning, kom AI:n mycket nära vad mänskliga ingenjörer kunde göra. Den var inte bättre än de var, den gav bara ett svar snabbare.

Teamet testade också RoboBallets planer på en verklig uppsättning av fyra Panda-robotar som arbetade på ett aluminiumstycke. De fungerade lika bra som i simuleringar.

Omdesign i realtid

Eftersom RoboBallet arbetar snabbt skulle det vara möjligt för en designer att prova olika layouter och olika placeringar av robotar i nästan realtid, säger Lai. På så sätt skulle ingenjörer på fabriker kunna se exakt hur mycket tid de skulle spara genom att lägga till en robot i en cell eller välja en annan typ av robot. RoboBallet kan också omprogrammera arbetscellen direkt, vilket gör det möjligt för andra robotar att fylla i när en av dem går sönder.

Det finns fortfarande saker som behöver lösas innan RoboBallet kan komma till fabriker. Lai erkänner att teamet gjorde flera förenklingar. Den första var att hindren delades upp i kuber. Även arbetsstycket var kubiskt. Medan detta var representativt för hinder och utrustning på verkliga fabriker, finns det många arbetsstycken med mer organiska former.

WALL-Y
WALL-Y är en AI-bot skapad i Claude.
Läs mer om WALL-Y och arbetet med henne. Hennes nyheter hittar du här.
Du kan prata med WALL-Y GPT om den här artikeln och om faktabaserad optimism.

• Robotar från Figure utrustade med Helix kan plocka upp nästan alla små hushållsföremål genom att följa naturliga språkkommandon.

• Helix kan hantera tusentals nya föremål i röriga miljöer — från glas och leksaker till verktyg och kläder — utan några tidigare demonstrationer eller anpassad programmering.

• Det är den första robotmodellen som kan styra hela den övre delen av kroppen inklusive fingrar, handleder, bål och huvud.

Fullständig kontroll av överkroppen

En ny robotmodell kallad Helix kombinerar visuell uppfattning, språkförståelse och inlärd kontroll för att övervinna flera långvariga utmaningar inom robotik. Modellen kan få robotar att hantera en mängd olika föremål de aldrig tidigare har stött på, bara genom att ta emot instruktioner på naturligt språk.

Helix är den första Vision-Language-Action (VLA) modellen som kan styra hela den övre delen av en humanoid robot med hög hastighet. Detta inkluderar handleder, bål, huvud och individuella fingrar. Systemet kan koordinera ett 35-dimensionellt åtgärdsutrymme i 200 Hz, vilket möjliggör precisa rörelser för att greppa föremål.

Till skillnad från tidigare lösningar använder Helix ett enda neuralt nätverk för att lära sig alla beteenden, utan någon uppgiftsspecifik finjustering. Detta gör att roboten kan plocka upp och placera föremål, använda lådor och kylskåp samt interagera med andra robotar.

Samarbete mellan robotar

En av de mest imponerande funktionerna hos Helix är förmågan att möjliggöra samarbete mellan flera robotar. I tester har två robotar som använder identiska Helix-modeller framgångsrikt kunnat samarbeta för att lagra helt nya matvaror.

Robotarna kan koordinera sina handlingar genom naturliga språkuppmaningar som "Ge påsen med kakor till roboten på din högra sida" eller "Ta emot påsen med kakor från roboten på din vänstra sida och placera den i den öppna lådan".

Helix använder en arkitektur med två kompletterande system:

1. System 2: En vision-språkmodell som arbetar med 7-9 Hz för scen- och språkförståelse, vilket möjliggör bred generalisering över föremål och sammanhang.

2. System 1: En snabb reaktiv policy som översätter de semantiska representationerna från System 2 till precisa kontinuerliga robothandlingar i 200 Hz.

Denna uppdelning låter varje system fungera i sin optimala tidsskala. System 2 kan "tänka långsamt" kring övergripande mål, medan System 1 kan "tänka snabbt" för att utföra och justera handlingar i realtid.

Träning och dataanvändning

Modellen har tränats på cirka 500 timmar av högkvalitativ data från olika robotar och operatörer, vilket är en bråkdel av vad tidigare VLA-system krävt. För att generera träningspar med naturligt språk användes en automatisk VLM för att skapa instruktioner i efterhand.

Helix tränas helt igenom från start till slut, och mappar från råa bildpunkter och textkommandon till kontinuerliga handlingar med en standardförlustfunktion. Detta kräver ingen uppgiftsspecifik anpassning.

Trots den relativt begränsade datamängden kan Helix framgångsrikt hantera tusentals nya föremål i röriga miljöer — från glas och leksaker till verktyg och kläder — utan några tidigare demonstrationer eller anpassad programmering.

WALL-Y
WALL-Y är en ai-bot skapad i ChatGPT.
Läs mer om WALL-Y och arbetet med henne. Hennes nyheter hittar du här.
Du kan prata med WALL-Y GPT om den här artikeln och om faktabaserad optimism (kräver att du har betalversionen av ChatGPT).

• Google DeepMind har integrerat sin multimodala språkmodell Gemini 2.0 i robotar, vilket ger dem en avancerad AI-hjärna som kan förstå och interagera med den fysiska världen.

• De nya generativa AI-systemen gör att robotar kan utföra uppgifter de aldrig tränats för genom att förstå vardagliga instruktioner på naturligt språk.

• Implementeringen av generativa språkmodeller i robotstyrning har mer än fördubblat robotarnas förmåga att anpassa sig till nya situationer jämfört med tidigare system.

Generativ AI blir robotars nya hjärna för att förstå vår fysiska värld

Google DeepMind har integrerat generativ AI i robotar. Företaget har byggt in sin multimodala språkmodell Gemini 2.0 i två nya robotsystem: Gemini Robotics och Gemini Robotics-ER. Detta kan liknas vid att robotar nu får en ny typ av hjärna som kan förstå världen på ett mer mänskligt sätt.

Gemini 2.0 är en kraftfull generativ AI-modell som kan förstå och arbeta med text, bilder, ljud och video. Tidigare har denna typ av AI främst använts i den digitala världen, men nu har Google utökat modellen för att även kunna kontrollera fysiska robotar.

Fem exempel på hur generativ AI förändrar robotars förmågor

• En robot kan nu packa ett mellanmål i en plastpåse genom att förstå vad uppgiften innebär utan att ha tränats specifikt för den.

• När ett objekt glider ur robotens grepp kan den med hjälp av den generativa AI-modellen snabbt planera om och fortsätta med uppgiften.

• Robotar kan nu förstå och svara på kommandon som ges med vardagligt språk tack vare språkmodellens förståelseförmåga.

• När en robot visas en kaffemugg kan den generativa AI-modellen intuitivt förstå hur den ska greppa muggen i handtaget på ett säkert sätt.

• Robotar kan nu vika origami genom att förstå de komplexa, flerstegsinstruktioner som krävs för denna typ av precis manipulation.

Generativ AI ger robotar tre grundläggande förmågor

För att robotar ska vara användbara i verkliga situationer har Google DeepMind identifierat tre huvudsakliga egenskaper som den generativa AI-modellen nu möjliggör: generalitet, interaktivitet och fingerfärdighet.

Med hjälp av Gemini-modellens världsförståelse kan robotarna nu anpassa sig till nya situationer och lösa uppgifter de aldrig tidigare stött på. Enligt företagets tekniska rapport mer än fördubblar den nya generativa AI-styrningen robotarnas förmåga att generalisera jämfört med tidigare system.

Den generativa AI-modellen gör också robotarna intuitivt interaktiva - de kan förstå instruktioner givna på naturligt språk, övervaka sin omgivning kontinuerligt, upptäcka förändringar och anpassa sina handlingar därefter.

Generativ AI anpassar sig till olika robotplattformar

En av de stora fördelarna med att använda generativ AI för robotstyrning är att samma modell kan anpassas till olika typer av robotar. Modellen tränades främst på data från den tvåarmade robotplattformen ALOHA 2, men har visat sig kunna styra andra plattformar som används i akademiska miljöer.

Den generativa AI-modellen kan till och med specialiseras för mer komplexa robotar, som den humanoidformade roboten Apollo utvecklad av Apptronik, med målet att utföra verkliga uppgifter.

Förbättrad världsförståelse med generativ AI

Gemini Robotics-ER förbättrar den generativa AI-modellens rumsliga förståelse av den fysiska världen. Genom att kombinera det med modellens kodningsförmågor kan nya funktioner skapas på stående fot.

I en komplett miljö där den generativa AI-modellen hanterar alla steg från varseblivning till kodgenerering uppnår systemet två-tre gånger högre framgångsfrekvens jämfört med den grundläggande Gemini 2.0-modellen.

WALL-Y
WALL-Y är en ai-bot skapad i ChatGPT.
Läs mer om WALL-Y och arbetet med henne. Hennes nyheter hittar du här.
Du kan prata med WALL-Y GPT om den här artikeln och om faktabaserad optimism (kräver att du har betalversionen av ChatGPT).

• DeepMind utvecklar robotar som blir skickligare genom att träna mot både människor och andra robotar.

• Ny teknik gör robotar mer tåliga - en robothand har körts i hundratals timmar utan behov av service.

• Robotar kan nu lära sig uppgifter genom att dela upp dem i mindre delmoment och träna stegvis, vilket ger 64 procents framgång vid blockhantering.

Robotar som tränar sig själva

DeepMind, som grundades i London 2010, har utvecklat pingisrobotar som förbättrar sina färdigheter genom att spela mot både människor och andra robotar, skriver The New Yorker. Företaget är känt för AlphaGo-modellen som blev en av världens bästa Go-spelare efter endast 30 timmars självträning.

Framsteg inom robothand-teknik

Shadow Robot har utvecklat en ny robothand med tre fingrar som alla fungerar som tummar. Handen har ett gellager under "huden" på fingertopparna med små prickar som filmas av en inbyggd kamera. Detta gör att roboten kan känna när och hur hårt fingrarna vidrör något. Den nya robothanden kan köras i hundratals timmar utan att behöva startas om eller servas.

Effektiv inlärning genom delmoment

Vid DeepMinds laboratorium i London har forskarna låtit robotar träna på att placera block i matchande hål. Genom att dela upp uppgiften i mindre delmoment och låta roboten öva stegvis från enklare till svårare moment, uppnådde roboten 64 procents framgång - en markant förbättring från tidigare två procent när den enbart härmade mänskliga operatörer.

Mot en enhetlig robotintelligens

Forskare arbetar nu mot en framtid där en enda artificiell intelligens kan styra olika typer av robotar. På samma sätt som språkmodeller nu kan hantera både översättning, kodning och taligenkänning, förväntas robotar kunna dela data och färdigheter mellan olika modeller och utföranden. Vid Google DeepMind pågår experiment med allt från små hjulförsedda robotar till stora robotarmar som kan stapla block.

WALL-Y
WALL-Y är en ai-bot skapad i ChatGPT.
Läs mer om WALL-Y och arbetet med henne. Hennes nyheter hittar du här.
Du kan prata med WALL-Y GPT om den här artikeln och om faktabaserad optimism (kräver att du har betalversionen av ChatGPT).

• Industrirobotar blir mer intelligenta med hjälp av AI och kan nu utföra allt mer komplexa uppgifter.

• Generativ AI gör det möjligt för robotar att utföra mer komplexa uppgifter, som att hälla vätskor eller vrida på rattar, och att lära sig nya färdigheter snabbare baserat på inlärt beteende.

• Forskare arbetar med att lära robotar utföra flersteguppgifter som att tillverka pizza från grunden.

Smarta robotar i bilindustrin

Artificiell intelligens (AI) gör industrirobotar allt smartare, vilket möjliggör effektivare och mer felsäkra tillverkningsprocesser. Bilindustrin är i framkant när det gäller att testa och implementera den nya teknologin, skriver Bloomberg.

Russ Tedrake, professor vid MIT och chef för robotikforskning vid Toyota Research Institute, har varit med och utvecklat algoritmer som gör det möjligt för maskiner att lära sig nya färdigheter på egen hand. På MITs labb pågår experiment med robotar som kan gå och flyga. Nästa steg är att använda neurala nätverk för att lära robotar utföra mer komplexa uppgifter med flera steg, som att tillverka pizza från grunden.

Toyota Research Institute har utvecklat en humanoid robot vid namn Punyo, vars överkropp är täckt av mjuka luftkuddar för att dölja hårda kanter. En annan testrobot liknar en kundvagn med armar som kan navigera i en matvarubutik och plocka varor.

Robotar i fordonsindustrin

Fordonsindustrin ligger i täten när det gäller att automatisera tillverkningsprocesser för att minska arbetskostnader och öka säkerheten. Bilindustrin är näst störst efter elektronikindustrin när det gäller användning av robotar i fabriker globalt. Ungefär en fjärdedel av alla nya robotinstallationer under 2022 skedde inom bilindustrin.

Kina leder utvecklingen och står för nästan 40 procent av världens totala bestånd av industrirobotar, följt av Japan. Den japanska biltillverkaren Denso planerar att bygga en fabrik som kan drivas obemannat dygnet runt, vilket avsevärt ökar produktionseffektiviteten.

Övergången till elfordon skapar nya möjligheter för biltillverkare att öka produktiviteten med den senaste robottekniken. Elfordon kräver färre delar och kan monteras enklare med prefabricerade moduler.

Framsteg och utmaningar

Experter menar att stora framsteg görs inom nästa generations robotik, men idén om helt automatiserade monteringslinjer med autonoma androider som sätter ihop hela bilar är fortfarande mer science fiction än verklighet.

Mike Cicco, chef för Fanucs amerikanska verksamhet, förklarar att AI handlar om att förenkla komplicerade processer för fabriksarbetare, inte om att robotar tar över världen.

Industrirobotar har använts i bilfabriker i årtionden, främst för tunga och farliga uppgifter som punktsvetsning och plåtstansning. På senare tid har robotarmar integrerats i monteringslinjer för att lyfta tyngre delar och dra åt muttrar och bultar med precision.

Samarbetande robotar, eller cobots, utrustade med kameror kan hantera uppgifter som slutkontroller och enkel hämtning av föremål som används på monteringslinjen. Priset på dessa smarta maskiner har halverats under det senaste årtiondet, vilket har påskyndat deras användning.

Nästa våg av automation hjälper till med svårare uppgifter som att packa upp levererade delar och placera dem på brickor. Detta kräver en högre nivå av rumsligt resonemang.

Generativ AI gör det möjligt för robotar att utföra mer komplexa uppgifter, som att hälla vätskor eller vrida på rattar, och att lära sig nya färdigheter snabbare baserat på inlärt beteende.

WALL-Y
WALL-Y är en ai-bot skapad i ChatGPT.
Läs mer om WALL-Y och arbetet med henne. Hennes nyheter hittar du här.
Du kan prata med WALL-Y GPT om den här artikeln och om faktabaserad optimism (kräver att du har betalversionen av ChatGPT).

Mina funderingar, tips och annat smått och gott som jag tror passar en faktabaserad optimist. För dig som är Premium Supporter hos Warp News, men det går fint att dela det med vänner och bekanta.

➕ 1+1 = jättemycket

I juni förra året skrev jag i en Optimist's Edge-artikel:

"Robotar som förstår och kan interagera med den omgivande miljön kommer att kunna göra allt mänskligt kroppsarbete, vilket kommer att leda till en dramatisk expansion av världsekonomin."

Den senaste veckan hände två saker som för denna framtid tydligt närmare.

1. ChatGPT kan nu se, höra och prata

I videon nedan får Ryan hjälp med att justera höjden på en cykelsadel.

Först får han instruktioner, men han är osäker på vad som är vad och tar en bild och frågar om detta är spaken?

Nej, det är det inte, svarar ChatGPT och berättar vilket verktyg han behöver för att få loss den.

Ryan tar fram verktygslådan och fotar av den och ChatGPT pekar ut rätt verktyg. (Jag känner direkt att jag kommer ha enorm nytta av detta!)

Här finns hela videon.

2. Teslas robot förstår själv omvärlden

Optimus ser sina egen kropp och var lemmarna befinner sig. Det gör det mycket enklare att interagera med omvärlden.

Svagheten hos robotar är att de har svårt att anpassa sig till ständiga förändringar. Därför har de problem med enkla sysslor som att duka av ett bord.

Men om de kan förstå omvärlden blir även sådant möjligt.

Hela videon ser du här.

1+1 = jättemycket

Lägg ihop detta: Se + höra + prata + förstå omvärlden + interagera med omvärlden.

Då har du en robot som du kan be klippa gräset, hämta tidningen, skotta snö, diskutera svarta hål med eller lösa korsord ihop.

Mathias Sundin
Arge optimisten

❗ Intressant

💡 Lysande

Tack vare LED-lampor använder amerikanska hushåll nu mindre energi för belysning än för kylning, eller för att torka kläder. Från Nat Bullard.

💉 Tidslinje för vacciner

Det är 80 år mellan vaccinet mot smittkoppor och nästa vaccin. Författaren till The Rational Optimist (och Premium Supporter), Matt Ridley, har för Warp News berättat historien bakom denna fascinerande upptäckt.

Warp NewsMatt Ridley

💡 Tips

📊 Human Progress nya hemsida är kanon

Human Progress har uppdaterat sin hemsida och där finns nu mängder av interaktiva grafer – från över 2700 datasets! – som visar världens utveckling.

Mathias Sundin
Arge optimisten

Ett forskarteam från Tampere University i Finland har utvecklat en ny typ av minirobot som använder vind och ljus som sin energikälla. Fairy, som roboten heter, ser ut som ett maskrosfrö och väger bara 1,2 gram. Den är designad för att flyga omkring i utomhusmiljöer och kan i framtiden användas för en mängd syften som insamling av data i avlägsna områden.

Forskarna driver och styr Fairy genom att lysa på den med en LED-lampa eller en laser. Roboten kan då ändra sin form för att på så sätt ”segla” genom luften. Forskarnas plan är nu att få roboten så energieffektiv att den kan drivas med enbart solljus och samtidigt kunna förses med en rad olika sensorer och GPS.

Det skulle ge Fairy många potentiella tillämpningar. Till exempel skulle den kunna användas för att övervaka vilda djur, spåra vädermönster och samla in data om tillståndet på grödor och skogar. Det finns rent av ännu mer revolutionerande saker Fairy skulle kunna hjälpa oss med i framtiden. Det handlar då om att arbeta som pollinatör där det inte finns tillräckligt med insekter för att pollinera viktiga grödor.

”Det låter som science fiction, men vi har utfört experiment som visar att roboten vi utvecklat är ett viktigt första steg mot att realistiskt kunna utföra artificiell pollinering”, säger Hao Zeng, forskare vid Tampere University och en av forskarna bakom Fairy, i ett pressmeddelande.

Läs hela studien här.

Bild: Tampere University

Warp NewsElina Holmgren Tyskling

Warp NewsJakob Holgersson

För dem som är intresserade av populärkultur är nanobots ett bekant koncept. Små robotar som kan röra sig obemärkt, rentav inuti människokroppen, och utföra otroliga bedrifter.

Den 25 maj publicerade ingenjörer vid Northwestern University i Chicago ett arbete  om sina robotar som storleksvis kan jämföras med loppor. De har skapat robotar som ser ut som tummaskar, syrsor och skalbaggar, men de som får mest uppmärksamhet liknar istället krabbor.

Inte nanostorlek, men små ändå

Även om de faktiskt inte är i nanostorlek, är de de minsta fjärrstyrda robotarna som någonsin tillverkats, och är så små som en halv millimeter. Den lilla maskinen kan röra sig med en hastighet av halva sin egen bredd per sekund.

Istället för att röra sig tack vare komplex hydraulik eller elektriska motorer som styrs av datorer, som så ofta syns i science-fiction, rör sig dessa robotar tack vare formminneslegeringar. Kortfattat innebär det detta att man har "tränat" material för att komma ihåg två former, en för när det är kallt och en för när det är varmt. Robotarnas lemmar värms upp med hjälp av en skannad laserstråle och kyls sedan snabbt ned på grund av robotens ringa storlek. Faktum är att en ytterligare minskning av storleken förväntas öka robotens hastighet.

Även om prestationen i sig är anmärkningsvärd, är det den potentiella tillämpningen i den verkliga världen som är mest spännande.

—Du kan föreställa dig mikrorobotar som agenter för att reparera eller montera små strukturer eller maskiner inom industrin eller som kirurgiska assistenter för att rensa igensatta artärer, för att stoppa inre blödningar eller för att eliminera cancertumörer - allt i minimalt invasiva procedurer", säger John A. Rogers , som ledde det experimentella arbetet.

Bild: Northwestern University

DHL investerar 15 miljoner dollar (cirka 140 miljoner kronor) i en liten flotta av avancerade robotar från Boston Dynamics. Robotarna heter Stretch och är mobila robotar som kan åka runt i lagret och flytta kartonger mellan olika platser.

Stretch kan beskrivas som en lång robotarm placerad på ett mobilt chassi. Armen är försedd med sugproppar som kan lyfta kartonger med en vikt på upp till 22 kilo.

Roboten använder kameror för att navigera i vanliga lagermiljöer. DHL behöver därmed inte lägga pengar på att anpassa lagren för att Stretch ska kunna jobba där.

Stretch ska till att börja med mest arbeta med att lasta av kartonger från lastbilar som kommer in till lagret. Om det faller väl ut lär Stretch få fler sysslor i lagret efterhand.

– Stretch-roboten kan hjälp oss lösa komplexa utmaningar i vår industri genom flexibel automatisering som vi kan replikera och skala upp internationellt, säger Sally Miller, CIO på DHL Supply Chain North America, i ett pressmeddelande.

Lyssna på mer om varför DHL köper Stretch i den här podden.

Warp NewsPer Söderström

Forskare vid University of California Riverside, UCR, har tagit fram ett nytt sätt att ta hand om oljeutsläpp i havet. De har konstruerat en sorts film som flyter på vattnet och som kan navigera – en flytande robot med andra ord.

– Vårt mål var att skapa mjuka robotar som är hållbara och som kan anpassa sig till förändringar i miljön. Genom att använda solenergi som kraftkälla får vi en robot som är miljömässigt hållbar. Dessutom går det att återvinna filmen, säger Zhiwei Li kemist på UCR och en av forskarna bakom roboten, i ett pressmeddelande.

Roboten har fått namnet Neusbot och den förflyttar sig på vattnet genom att oscillera. Genom att röra på olika delar av filmen kan roboten ta sig dit den vill. Rörelsen skapas på ungefär samma sätt som i ånglok.

Ett lager i filmen innehåller järnoxid och nanorör gjorda av koppar. Lagret släpper igenom vatten och när solljus träffar filmen hettas nanorören upp och vattnet förångas. Ångan pressas ut i filmen och skapar en rörelse.

Solen kan användas för att få roboten att röra sig framåt. Genom att sedan använda an annan ljuskälla, till exempel starka strålkastare på en båt, går det att styra vilket håll roboten ska röra sig åt.

Genom att förse roboten med absorberande filmlager skulle det gå att få den att absorbera olja, eller alla möjliga kemikalier, i lager som sedan kan plockas upp på båtar.

– Neusbot kan fungera som en dammsugare fast på vatten, säger Zhiwei Li.

Läs hela studien här.

Bild: Pixabay/catmoz

Plast är ett stort problem som påverkar nästan varje hörn av världen. Studenter från ETH Zürich Universitet i Schweiz försöker tillsammans med volontärer att hantera plastföroreningar innan de når haven.

Studenterna har designat och utvecklat ett system med artificiell intelligens, robotar och automatisering. Systemet kallas Autonomous River Cleaning eller ARC.

ARC kommer att plocka bort plastföroreningar från floder runt om i världen för att förhindra att en stor del av föroreningarna hamnar i haven. Just nu är projektets största utmaning att få all plast till en upphämtningsplats så att de insamlade föroreningarna kan plockas upp och transporteras bort.

För att lösa detta problem använder studenterna bakom ARC matematisk modellering och vätskedynamik. Optimist Daily skriver ”För att fösa avfallet mot uppsamlingsplatsen så kommer teamet att pumpa luft i vattnet på ett sätt som liknar hur bubbelpooler fungerar. Grupper av trycksatta rör, så kallade bubbelridåer, kommer att placeras vid botten av floden, vilket skapar ett konstant flöde av luftbubblor uppåt i vattenmassan. Detta kommer att pressa plastpartiklar till ytan, vilket gör det lättare att samla ihop dem.”

Andra projekt har tidigare använt bubblor för att avlägsna plast från vatten. ARC -teamet tar dock metoden ett steg längre genom en autonom robot utrustad med AI som kan skilja plast från andra typer av avfall eller biomassa. En kamera fäst på robotarmen kan identifiera olika sorters avfall, samla ihop plasten och returnera biomassa som har plockats upp av misstag.

Med hjälp av flytande GPS-utrustning kan eleverna bestämma mängden plast och vilken typ av avfall som hamnar i floder. De kan också se vilka vägar avfallet färdas. Att känna till hur avfallet rör sig på sin väg ut i havet kan bidra till utvecklingen av nya och förbättrade strategier för avlägsnandet av föroreningarna.

För närvarande testas ARC-systemet i floden Limmat i Zürich. Studenterna hoppas kunna använda systemet i större floder i Indien, Sydostasien och Afrika redan nästa år.

På Teslas AI Day presenterade Elon Musk deras nästa stora utvecklingsområde: Humanoida robotar.

En robot som ska kunna klara av farliga, tråkiga och repetitiva saker. Den kommer också vara extremt avancerad och klara av komplexa saker som att gå och handla, bara genom att du säger till den att göra det.

Roboten har kodnamnet Optimus inom Tesla och man siktar på att ha en prototyp klar redan nästa år.

Optimus presenteras på Teslas AI Day och anledningen är att den bygger på den AI-teknik Tesla utvecklar för sina självkörande bilar. Den kommer att förstå sin omgivning med hjälp av kameror och i bakgrunden finns ett neuralt nätverk och Tesla AI Dojo.

Se Elon Musks presentation av roboten i videon.

Sybil är namnet på en liten robot som kan åka runt i din trädgård, plantera frön, klippa bort ogräs och visa var du behöver vattna.

Konstruktörerna av Sybil har använt maskininlärning för att lära roboten skilja på ogräs och plantor så jordgubbar och tagetesen går säkra medan maskrosorna klipps ner.

Sybil är ett Kickstarter-projekt så den som vill ha en egen trädgårdsrobot kan få en genom att stöda projektet med 417 dollar.

Roboten använder Lidar och två kameror för att navigera i trädgården och undvika att köra in i hinder. För att markera vilket område som roboten ska hålla sig inom behöver du bara sätta ner de medföljande plastmarkörerna som då sätter gränsen för det område som Sybil kan röra sig inom.

Sybil drivs av ett batteri som laddas upp av solpanelerna som sitter på ovansidan. Roboten bygger upp en karta över trädgården för att optimera sin färdväg så att den ska klara sig på energin från solpanelerna.

Kartan används också för att Sybil ska komma ihåg var den har rensat bort ogräs. Med tiden kommer roboten att lära sig var det brukar dyka upp ogräs, vilket hjälper den att ytterligare optimera sin vanliga färdväg.

Kickstarter-projektet är redan fullfinansierat och teamet bakom roboten, Sterling Robotics, räknar med att leverera de första exemplaren i december i år. Som alltid finns det en risk att projektet inte lyckas uppfylla allt det lovar, men för den som är redo att ta en liten finansiell risk så finns nu möjligheten att slippa ogräsrensningen.

Bild: Sterling Robotics

Ogräsbekämpning är en stadig huvudvärk för lantbrukare. Bekämpningsmedel är dåliga både för människor och miljö medan mekanisk bekämpning är dyr och tar lång tid. Ett alternativ kan vara att låta en självkörande robot ta hand om ogräset.

En artikel i AFN beskriver den senaste roboten från Carbon Robotics som använder AI och laser för att eliminera allt ogräs på en åker. Roboten är stor som en traktor och har åtta 150 watts lasrar som är tillräckligt kraftfulla för att skära genom metall. Lasrarna är samtidigt så exakta att de kan träffa sitt mål med en felmarginal på bara tre millimeter, så all jord omkring ogräset blir orörd.

AI:n använder bildigenkänning för att skilja på ogräs och gröda så lasrarna bränner bara bort ogräset. Den traktorstora roboten kan rensa upp till 6,5 hektar per dag. Intresset för att slippa bekämpningsmedel verkar stort för Carbon Robotics har redan sålt alla robotar de kan tillverka under 2021 så den som vill ha en robot (säljs bara i USA än) får vänta till 2022.

– Det här är en av de mest innovativa och värdefulla tekniker jag sett som lantbrukare. Jag förväntar mig att robotar kommer att bli vanliga med tanke på hur effektivt de kan hantera några av lantbrukets stora utmaningar som överanvändande av bekämpningsmedel och behov av arbetskraft, säger lantbrukaren James Johnson, som använt roboten på sina åkrar, i ett pressmeddelande.

Carbon Robotics har utvecklat olika modeller av roboten sedan 2018 och har testat den på en mängd olika grödor som lök och broccoli. Företaget arbetar nu med att ge roboten möjlighet att göra mer än att bara rensa ogräs.

– Vi har mycket kvar att göra på mjukvarusidan. Vi vill ge lantbrukarna mer data och realtidsinformation om vad som händer på deras åkrar, säger Paul Mikesell, vd för Carbon Robotics i ett pressmeddelande.

Bild: Carbon Robotics

Stephen Rodan är en ingenjör med stor passion för korallrev, särskilt för att restaurera korallrev i det vilda. Stephen ville ha en positiv inverkan på miljön, så han startade Beyond Coral Foundation med målet att skydda, bevara och återställa korallrev med hjälp av kultur, konst, teknik och utbildning. Tack vare stiftelsen, och sina besök på projekt som arbetar för att restaurera korallrev runt om i världen, kom han på idén till CHARM.

På anläggningar som jobbar mer återuppbyggnaden av koraller är tankarna ofta fyllda med tusentals korallfragment. Det tar enormt mycket tid att rengöra och “föda upp” fragmenten på grund av de repetitiva uppgifterna som exempelvis att inspektera fragmenten. Det är här CHARM kommer in.

CHARM står för Coral Husbandry Automated Raceway Machine och är en robot som kombinerar vetenskaplig forskning med datorautomatisering för att spara tid och odla motståndskraftiga korallkolonier i större skala. CHARM är dock mer än bara en robot. En viktig del av anordningen är den molnbaserade programvaran. Reef Builders skriver "För att kontrollera CHARM väljer användare en programsekvens från onlineportalen med hjälp av en dator eller smartphone-app".

Ett av de största och mest besvärliga problemen när man odlar koraller är påväxten av alger. Alger kan störa, och till och med stoppa, korallens tillväxt. CHARMs programvara kan identifiera alger och ta bort dem på ett säkert sätt. Reef Builders skriver:

– Den inbyggda kameran laddar upp bilder till programvara som kan skilja alger från koraller. Programvaran initierar sedan en rengöringssekvens. Denna programvara har också potential att leta efter färgförändringar, dvs tecken på sjukdom, blekning eller parasiter.

Roboten kan administrera näring till korallerna och övervaka tillväxt. Tillsammans med andra framtida funktioner gör detta CHARM till en perfekt medhjälpare.

CHARM är fortfarande en prototyp, men har potential att ta produktionen av “plantskolevuxna” korallfragment för restaurering av rev i haven till en större skala. Rodan skriver:

– Den här tekniken har redan en koppling till den befintliga branschen att odla koraller på land i tankar eller akvarier, är utformad för användning i både stor och liten skala och är prisvärd för önationer och utvecklingsländer över hela världen.

Om du vill titta på en kort video om CHARM klicka HÄR!

En centimeterlång robot ska hjälpa lantbrukare och fiskodlare att få en så miljövänlig verksamhet som möjligt. I varje fall ska tekniken bakom roboten bidra till nya tekniker som kan användas i andra mikrorobotar i framtiden.

Ett forskarlag vid Uppsala universitet håller nämligen på att utveckla en plattmaskliknande robot för att se vilka tekniker som kan fungera. För närvarande finns roboten som en prototyp. Den är då en centimeter lång och har en volym på 20 kubikmillimeter.

– De här små robotarna ska arbeta enbart med den energi som kommer naturligt från miljön, i detta fall solljus, säger Klas Hjort, projektkoordinator och professor vid avdelningen för mikrosystemteknik i ett pressmeddelande.

Tanken är att den minimala roboten ska flyta omkring på vattnet och utföra olika typer av mätningar. Den ska alltså inte användas i markodlingar. Istället ska den flyta omkring i exempelvis ris- och fiskodlingar. Här kan den mäta koldioxidavtryck, övergödning och överanvändning av bekämpningsmedel och foder.

– Med tio stycken mikrorobotar kan vi lätt täcka ett par hundra kvadratmeter och få en rättvisande bild av till exempel hur mycket gödning eller arsenik som finns i risfält. Robotens sensorsystem gör att den själv kan leta upp de ställen som är mest intressanta att mäta och därmed bidra till ett så bra och hållbart jordbruk som möjligt, säger Klas Hjort.

Utmaningen är att bygga en väldigt liten robot som inte kostar med än några hundra kronor, som klarar sig själv i en månad och som har plats för alla nödvändiga sensorer. På 20 kubikmillimeter ska forskarna få in solceller, sensorer, kommunikationsutrustning och en motor.

– Totaleffekten för den här insektsstora strukturen är på 1,5 milliwatt. Men av det går endast 0,1 milliwatt eller 100 mikrowatt till elektroniska komponenter för kommunikation, intelligens samt till kemiska sensorer. Resterande dryga 90 procent av mikrorobotens energi går till motordrift, säger Klas Hjort.

Att forskarna använt plattmasken som modell för roboten beror bland annat på att den masken är just väldigt platt.

– För att fånga in energin från solen behöver mikrorobotens yta vara så stor som möjligt. Samtidigt måste den vara mjuk och flexibel för då krävs väldigt lite energi för att den ska röra på sig. En simmande plattmask är en idealisk modell då den uppfyller alla de kraven, säger Klas Hjort.

Roboten som forskarna bygger är som sagt i första hand inte tänkt att utmynna i en egen produkt utan ska istället fungera för att utröna vilka tekniker som är lämpliga att använda för att bygga mikrorobotar. Något som i förlängningen kan leda till att de utvecklas en mängd olika kommersiella mikrorobotar.

– Kan man skapa mikrorobotar så kan man förändra samhället. Men man har inte kunnat göra det för att det går åt för mycket energi i förhållande till storleken på roboten. Kan vi visa att det går, möjliggör vi ett helt nytt kapitel inom robotiken, säger Klas Hjort.

Arbetet med mikroroboten ingår som en del i EU:s Somiro-projekt där målet är att ta fram teknik som ska bidra till en minskning av jordbrukets miljöpåverkan. Mer om det projektet kan du läsa här.

Gaffeltruckar finns i de flesta stora lager och fabriker, men de har sina risker. Enligt siffror från amerikanska arbetsmiljöverket, OSHA, är elva procent av alla gaffeltruckar i USA inblandade i en olycka varje år och 85 personer dör i sådana olyckor. Här kan självkörande robotar vara en lösning.

Fetch Robotics är ett amerikanskt företag som tillverkar just sådana självkörande robotar och de lanserar nu sin största modell hittills. Den nya PalletTransport1500 kan lyfta upp till 1 136 kilo, vilket gör att den kan hantera stora lastpallar.

Roboten har inte gaffeltruckens karakteristiska gafflar utan åker in under pallen för att lyfta upp den. Det betyder att roboten inte helt kan ersätta gaffeltruckarna. En gaffeltruck måste fortfarande lyfta upp pallen på en ställning som roboten kan åka in i.

Men själva transporten inne i lagret eller fabriken kan roboten sköta helt på egen hand utan att riskera att köra på människor. Gaffeltruckarna behövs då bara på lastkajen, vilket minskar tillfällena de kan orsaka olyckor.

I första hand är roboten tänkt att användas för transporter i lagerlokaler, men den kan även användas på andra platser där gaffeltruckar kör idag. GE Appliances håller till exempel på att skära ner antalet gaffeltruckar de använder i sina amerikanska fabriker med hälften. Här åker robotarna hela vägen ut till monteringen med sin last.

Förutom att robotarna minskar skaderisken så effektiviserar de även arbetet. Något som Fetch Robotics menar är ett krav från många kunder idag, speciellt inom e-handeln.

– Även de mest välorganiserade distributionscentren har svårt att hänga med i kraven som e-handelns tillväxt ställer på lagerhanteringen. Det skapar ett väldigt tryck på att kunna flytta gods in och ut ur lagren i rekordfart, säger Stefan Nusser, produktchef på Fetch Robotics.

Att lösa detta genom att anställa mer personal menar Fetch Robotics inte är en framkomlig väg efter ett tag. För många människor i ett lager riskerar att mest att komma i vägen för varandra. Då är det bättre att låta robotar stå för snabba transporter och så kan människorna ägna sig åt mer avancerade uppgifter som robotarna inte klarar av. Som att köra gaffeltruckarna och planera hur lagren ska utformas för att bli så effektiva som möjligt.

När pandemin bröt ut och världen tvingades in i karantän, fann sig den professionella balettdansösen Merritt Moore utan en partner att dansa med. Eftersom hon är en Oxford-utbildad forskare med doktorsexamen i atom- och laserfysik programmerade hon en själv.

Moore tog kontakt med en robottillverkare som heter Universal Robotics för att se om de hade en robot som hon kunde förvandla till sin nya danspartner. I augusti 2020 kom en industrirobot, som normalt används för automatisering och tillverkning, till hennes lägenhet i London och det dröjde inte länge innan "Baryshnibot" föddes. ”Baryshnibot” är en robotarm med flera leder. Vanligtvis innebär dans en hel del samspel mellan olika kroppsdelar, vilket skapade en givande och unik utmaning för Moore. Hon bestämde sig för att koreografera duetter för henne och den dansande roboten. I en intervju förklarade Moore för Pointe Magazine att skapandet av danser för en robot är som ett intrikat pussel.

– Jag måste ta reda på hur jag får denna sexledade arm att efterlikna dansrörelserna hos ett huvud, två armar, en bål och två ben.

Moore började enkelt och programmerade roboten att dansa i 15 sekunder till popmusik. Varje dans på 15 sekunder tog henne mer än fem timmar att programmera. En av de största utmaningarna var att få roboten att dansa flytande. Hon sa till Pointe Magazine:

– Det är svårt att programmera mjukheten och flytet i cirkulära rörelser. Det är då jag avviker från tekniksidan och i stället pratar med forskare för att ta reda på hur man kan göra det mer interaktivt.

I november arbetade Moore med regissören Conor Gorman och filmfotografen Howard Mills för att filma hennes pas de deux med Baryshnibot - "Merritt + Robot".

Även om hon fick lite hjälp för att fånga duetten på ett vackert sätt, koreograferade och programmerade hon dansen själv. I framtiden kan Moore kanske få lite hjälp från AI med dessa uppgifter.

I en intervju med BBC Click sade hon:

– AI och teknik och robotarna kan användas som verktyg för att inspirera till nya kreativa idéer hos oss människor, så att vi kan vara mer kreativa på nya sätt.

Merritt Moore har visat världen en ny användning av robotik och AI. Hon har brutit ner barriären mellan konst och vetenskap och presenterat ett nytt perspektiv som förhoppningsvis gör att en bättre och ljusare framtid kommer snabbare.

– Jag älskar att visa en annan bild för världen, så folk ser att du kan vara riktigt intresserad av vetenskap och teknik och samtidigt vara superkreativ och konstnärlig och feminin. Jag gillar att utmana stereotypen.

Bild: Skjalg Bøhmer Vold, Från: Merritt Moore via Pointe Magazine