# Кен Голдберг: «Робототехника — это не ракета, это гораздо сложнее»

Источник: https://www.youtube.com/watch?v=tnZyGDA9HOE
Канал: The TWIML AI Podcast
Опубликовано: 14.11.2022

---

В новом выпуске подкаста TWIML AI Сэм Черрингтон беседует с Кеном Голдбергом, профессором Калифорнийского университета в Беркли и главным научным сотрудником Ambi Robotics. Обсуждение охватывает путь от теоретических основ робототехники до практического внедрения ИИ в логистику, а также критический разбор амбициозных проектов, таких как Tesla Optimus.

## 🪢 Искусство распутывания: от хирургии до кабелей в три метра
[[JUMP:03:42]]

Одним из самых ярких достижений лаборатории Голдберга за последние годы стала работа по автономному распутыванию длинных кабелей [03:57]. Если раньше роботы с трудом справлялись с одним узлом на толстом канате, то современная система на базе двухрукого робота YuMi способна работать с трехметровыми проводами в ограниченном пространстве [06:31].

**Основные сложности и решения:**

*   **Ограниченное пространство:** Рабочая зона робота сопоставима с обеденной тарелкой, тогда как длина кабеля составляет 3 метра. Это требует сложных манипуляций по перемещению сегментов в зону видимости и обратно [06:43].
*   **Гибридное «остекление» (Caging):** Гость объясняет, что ключевым моментом стал дизайн захвата. К стандартным «пальцам» добавили небольшой L-образный «мысок» [07:52]. Это позволяет реализовать концепцию caging: кабель не зажат намертво, но и не может выскользнуть, что дает роботу возможность плавно скользить вдоль провода, проходя через узлы [08:48].
*   **Уход от 3D-камер:** Традиционные лидары и структурированный свет работают медленно (1 кадр в секунду) и боятся бликов [10:24]. Голдберг утверждает, что они переходят к использованию геометрии и физики: робот опускает захват и фиксирует момент контакта по едва заметному (в несколько пикселей) движению кабеля на обычной 2D-камере [12:08].

Гольдберг подчеркивает важность анализа ошибок: «Меня расстраивает, когда в статьях пишут, что побили SOTA, не объясняя, где именно система все еще дает сбои. Мы систематизируем каждый отказ, чтобы понять физику процесса» [13:58].

## 🏎️ Tesla Optimus: гениальный маркетинг или технологический прорыв?
[[JUMP:37:56]]

Обсуждение не могло обойти стороной недавнюю презентацию гуманоидного робота от компании Tesla. Кен Голдберг, признавая Илона Маска визионером, дает прагматичную оценку проекту.

**Мнения о проекте Optimus:**

*   **Экономический мотив:** По мнению Голдберга, Маск понимает, что коэффициент цена/прибыль (P/E ratio) у робототехнической компании гораздо выше, чем у автопроизводителя. Трансформация Tesla в компанию робототехники — это стратегический финансовый ход [39:45].
*   **Оптимизм против реальности:** Гость отмечает прогресс за год с момента первого анонса, но считает, что Tesla все еще значительно отстает от Boston Dynamics и Agility Robotics в плане механики [40:40].
*   **Главная ценность — стоимость:** Маск озвучил целевую цену в $20 000. Это на порядок дешевле существующих аналогов (например, робот Atlas от Boston Dynamics может стоить более $200 000) [41:19].
*   **Побочные продукты:** Даже если гуманоид не станет массовым, Голдберг полагает, что Tesla может совершить прорыв, выпустив на рынок высокоточные и дешевые компоненты: новые электромоторы, редукторы и сенсоры, которые крайне необходимы всей индустрии [42:25].

Гость резюмирует, что «робототехника — это не ракета, это гораздо сложнее» [46:15]. При посадке ракеты контакт происходит один раз в конце, а при манипуляциях робот находится в состоянии непрерывного, хаотичного контакта с объектами, что гораздо сложнее моделировать.

## 🤖 Sim2Real: почему роботы «тупеют» вне симуляции
[[JUMP:24:26]]

Проблема переноса навыков из виртуальной среды в реальный мир (Sim2Real) остается центральной в исследованиях. По словам Голдберга, симуляторы по своей природе детерминированы, в то время как реальность хаотична на микроуровне [27:59].

**Технологические тренды:**

1.  **Real-to-Sim:** Вместо того чтобы просто учить робота в симуляторе, ученые сначала собирают данные в реальности, а затем «подстраивают» параметры симулятора (трение, торсию кабеля, сопротивление воздуха) под эти данные. Это позволяет создавать более точных «цифровых двойников» [32:45].
2.  **Доменная рандомизация:** В симуляторе специально создается контролируемый шум, чтобы обученная нейросеть была готова к вариациям в реальном мире [28:12].
3.  **Тактильные сенсоры:** Голдберг отмечает прорыв в области датчиков GelSight (совместная разработка с Meta), которые используют камеру внутри гибкой подушечки для получения сверхдетальной информации о касании [43:46].

## 📦 Ambi Robotics: роботы в логистике сегодня
[[JUMP:47:07]]

Как главный научный сотрудник Ambi Robotics, Голдберг рассказал о практическом применении систем захвата. Их основная разработка, AmbiSort, уже проходит масштабное внедрение.

**Ключевые факты о системе:**

*   **Масштаб:** Летом было установлено 60 систем по всей Америке [49:43].
*   **Партнерство:** Ключевым клиентом и инвестором стала компания Pitney Bowes с вековой историей работы в почтовой сфере [48:38].
*   **Производительность:** Система автоматизирует сортировку посылок по почтовым индексам, выполняя сотни операций в час и заменяя тяжелый, монотонный человеческий труд [51:17].
*   **Технология захвата:** Основываясь на проекте Dex-Net 3.0, роботы AmbiSort используют продвинутые присоски. В отличие от пальцевого захвата, присоска требует поиска лишь одной точки контакта, но ставит сложные задачи по сопротивлению силам сдвига [52:14].

В завершение беседы Кен Голдберг пригласил слушателей на конференцию CoRL (Conference on Robot Learning) в Новой Зеландии, подчеркнув, что уровень научных работ в области обучения роботов за последние два года вырос экспоненциально [54:17].