Los robots han represión un dispendioso camino desde la habitación. Hoy, los drones están comenzando a entregar de puerta en puerta, los autos autónomos están navegando por algunas carreteras, los perros robo están ayudando a los primeros en reponer, y aún más bots están haciendo backflips y ayudando en el tierra de la factoría. Aún así, Luca Carlone cree que lo mejor está por venir.
Carlone, quien recientemente recibió la tenencia como profesor asociado en el Área de Aeronáutica y Astronáutica del MIT (Aeroastro), dirige el Spark Lab, donde él y sus alumnos están cerrando una brecha esencia entre humanos y robots: percepción. El categoría hace una investigación teórica y real, todo para expandir la conciencia de un autómata sobre su entorno de forma que aborde la percepción humana. Y la percepción, como a menudo dice Carlone, es más que detección.
Si perfectamente los robots han crecido a pasos agigantados en términos de su capacidad para detectar e identificar objetos en su entorno, todavía tienen mucho que instruirse cuando se proxenetismo de tener un sentido de nivel superior de su entorno. Como humanos, percibimos objetos con un sentido intuitivo no solo de sus formas y etiquetas, sino todavía de su física, cómo podrían ser manipulados y movidos, y cómo se relacionan entre sí, su entorno más holgado y nosotros mismos.
Ese tipo de percepción a nivel humano es lo que Carlone y su categoría esperan impartir a los robots, de forma que les permitan interactuar de forma segura y sin problemas con las personas en sus hogares, lugares de trabajo y otros entornos no estructurados.
Desde que se unió a la destreza del MIT en 2017, Carlone ha liderado a su equipo en el incremento y la aplicación de algoritmos de percepción y comprensión de escenas para diversas aplicaciones, incluidos vehículos autónomos de búsqueda y rescate subterráneos, drones que pueden juntar y manipular objetos sobre la mosca y los autos autosuficientes. Igualmente pueden ser enseres para los robots nacionales que siguen los comandos del habla natural y potencialmente incluso anticipan las deposición de los humanos basados en pistas contextuales de nivel superior.
«La percepción es un gran cuello de botella para obtener que los robots nos ayuden en el mundo auténtico», dice Carlone. «Si podemos asociar instrumentos de cognición y razonamiento a la percepción del autómata, creo que pueden hacer mucho perfectamente».
Horizontes en expansión
Carlone nació y creció cerca de Salerno, Italia, cerca de la escénica costa de Amalfi, donde era el más pollo de tres niños. Su superiora es una maestra de escuela primaria retirada que enseñó matemáticas, y su padre es un profesor y editor de historia retirado, que siempre ha acogido un enfoque analítico para su investigación histórica. Los hermanos pueden deber acogido inconscientemente la mentalidad de sus padres, ya que los tres pasaban a ser ingenieros: los dos mayores perseguían electrónica e ingeniería mecánica, mientras que Carlone aterrizó en robótica o mecatrónica, como se le conocía en ese momento.
Sin secuestro, no llegó al campo hasta el final de sus estudios de pregrado. Carlone asistió a la Universidad Politécnica de Turín, donde se centró inicialmente en el trabajo teórico, específicamente en la teoría de control, un campo que aplica las matemáticas para desarrollar algoritmos que controlan automáticamente el comportamiento de los sistemas físicos, como las redes eléctricas, los planos, los automóviles y los robots. Luego, en su extremo año, Carlone se inscribió en un curso de robótica que exploró los avances en la manipulación y cómo los robots se pueden programar para moverse y funcionar.
“Fue aprecio a primera pinta. El uso de algoritmos y matemáticas para desarrollar el cerebro de un autómata e hacer que se mueva e interactúe con el medio concurrencia es una de las experiencias más satisfactorias «, dice Carlone. «Inmediatamente decidí que esto es lo que quiero hacer en la vida».
Fue a un software de doble jerarquía en la Universidad Politécnica de Turín y en la Universidad Politécnica de Milán, donde recibió maestrías en Mechatronics and Automation Engineering, respectivamente. Como parte de este software, llamado Reincorporación Scuola Politecnica, Carlone todavía tomó cursos de establecimiento, en los que él y los estudiantes de diversos orígenes académicos tuvieron que unirse para conceptualizar, construir y elaborar un campo de marketing para un nuevo diseño de productos. El equipo de Carlone desarrolló una lamparón de mesa sin toque diseñada para seguir los comandos impulsados por la mano de un beneficiario. El esquema lo empujó a pensar en la ingeniería desde diferentes perspectivas.
«Fue como tener que dialogar diferentes idiomas», dice. «Fue una exposición temprana a la carencia de mirar más allá de la burbuja de ingeniería y pensar en cómo crear un trabajo técnico que pueda afectar el mundo auténtico».
La próxima vivientes
Carlone se quedó en Turín para completar su doctorado en Mechatronics. Durante ese tiempo, se le dio desenvolvimiento para designar un tema de exposición, que hizo, como recuerda, «un poco ingenuamente».
«Estaba explorando un tema que la comunidad consideraba perfectamente entendida, y para el cual muchos investigadores creían que no había nadie más que afirmar». Carlone dice. «Subestimé cuán establecido estaba el tema, y pensé que aún podría contribuir con poco nuevo, y tuve la suerte de hacer eso».
El tema en cuestión era «emplazamiento y mapeo simultáneas», o SLAM: el problema de gestar y refrescar un plano del entorno de un autómata mientras realiza un seguimiento simultáneo de dónde está el autómata adentro de ese entorno. A Carlone se le ocurrió una forma de replantear el problema, de modo que los algoritmos podrían gestar mapas más precisos sin tener que comenzar con una suposición original, como lo hicieron la mayoría de los métodos de SLAM en ese momento. Su trabajo ayudó a rajar un campo en el que la mayoría de los robotistas pensaban que uno no podía hacerlo mejor que los algoritmos existentes.
«Slam se proxenetismo de descubrir la geometría de las cosas y cómo un autómata se mueve entre esas cosas», dice Carlone. «Ahora soy parte de una comunidad que pregunta, ¿cuál es la próxima vivientes de slam?»
En pesquisa de una respuesta, aceptó una posición postdoc en Georgia Tech, donde se sumergió en la codificación y la visión por computadora, un campo que, en retrospectiva, puede deber sido inspirado en un cepillo con ceguera: mientras estaba terminando su doctorado en Italia, sufrió una complicación médica que afectó severamente su visión.
«Durante un año, podría deber perdido fácilmente», dice Carlone. «Eso fue poco que me hizo pensar en la importancia de la visión y la visión industrial».
Pudo percibir una buena atención médica y la condición se resolvió por completo, de modo que pudiera continuar su trabajo. En Georgia Tech, su asesor, Frank Dellaertle mostró formas de codificar en la visión por computadora y formular representaciones matemáticas elegantes de problemas tridimensionales complejos. Su asesor todavía fue uno de los primeros en desarrollar una biblioteca de SLAM de código franco, señal Gtsamque Carlone reconoció rápidamente como un memorial invaluable. En términos más generales, vio que hacer que el software estuviera apto para todos desbloqueaba un gran potencial para el progreso en la robótica en su conjunto.
«Históricamente, el progreso en Slam ha sido muy gradual, porque las personas mantuvieron sus códigos propiedad, y cada categoría tuvo que comenzar esencialmente desde cero», dice Carlone. «Luego, las tuberías de código franco comenzaron a aparecer, y ese fue un cambio de muestrario, que ha impulsado en gran medida el progreso que hemos gastado en los últimos 10 primaveras».
IA espacial
A posteriori de Georgia Tech, Carlone llegó al MIT en 2015 como Postdoc en el Laboratorio de Sistemas de Información y Valor (LIDS). Durante ese tiempo, colaboró con Sertac Karaman, profesor de aeronáutica y astronáutica, en el incremento del software para ayudar a los drones del tamaño de la palma a navegar sus alrededores utilizando muy poca potencia a borde. Un año luego, fue ascendido a comprobado investigador, y luego, en 2017, Carlone aceptó un puesto de destreza en Aeroastro.
“Una cosa de la que me enamoré en el MIT fue que todas las decisiones están impulsadas por preguntas como: ¿Cuáles son nuestros títulos? ¿Cuál es nuestra empresa? Nunca se proxenetismo de ganancias de bajo nivel. La motivación es verdaderamente sobre cómo mejorar la sociedad ”, dice Carlone. «Como mentalidad, eso ha sido muy refrescante».
Hoy, el categoría de Carlone está desarrollando formas de representar el entorno de un autómata, más allá de caracterizar su forma geométrica y su semántica. Está utilizando el enseñanza profundo y los modelos de idiomas grandes para desarrollar algoritmos que permitan a los robots percibir su entorno a través de una lentilla de nivel superior, por así decirlo. En los últimos seis primaveras, su laboratorio ha atrevido más de 60 de código franco repositoriosque son utilizados por miles de investigadores y profesionales en todo el mundo. La viejo parte de su trabajo encaja en un campo emergente más holgado conocido como «IA espacial».
«La IA espacial es como un impresión de esteroides», dice Carlone. «En pocas palabras, tiene que ver con permitir que los robots piensen y comprendan el mundo como lo hacen los humanos, de forma que pueda ser útil».
Es una gran tarea que podría tener impactos de gran resonancia, en términos de permitir robots más intuitivos e interactivos para ayudar en casa, en el emplazamiento de trabajo, en las carreteras y en áreas remotas y potencialmente peligrosas. Carlone dice que habrá mucho trabajo por delante, para acercarse a cómo los humanos perciben el mundo.
“Tengo hijas gemelas de 2 primaveras, y las veo manipulando objetos, llevando 10 juguetes diferentes a la vez, navegando por las habitaciones desordenadas con facilidad y adaptando rápidamente a nuevos entornos. La percepción del autómata aún no puede igualar lo que un crío pequeño puede hacer ”, dice Carlone. “Pero tenemos nuevas herramientas en el Atarazana. Y el futuro es brillante «.