Why Don’t We Have Better Robots Yet? | Ken Goldberg | TED

المترجم: tarek elzoghby المدقّق: Hani Eldalees

I have a feeling most people in this room would like to have a robot at home.

لدي شعور بأن معظم الناس في هذه الغرفة يرغبون في الحصول على روبوت في المنزل.

It'd be nice to be able to do the chores and take care of things.

سيكون من الجيد أن يقوم بالأعمال المنزلية ويعتني بالأشياء.

Where are these robots?

أين هذه الروبوتات؟

What's taking so long?

ما الذي يؤخرهم كل هذاالوقت؟

I mean, we have our tricorders,

أعني، لدينا أجهزة ترايكوردرز

and we have satellites.

ولدينا أقمار صناعية.

We have laser beams.

لدينا أشعة ليزر.

But where are the robots?

ولكن أين الروبوتات؟

(Laughter)

(ضحك)

I mean, OK, wait, we do have some robots in our home,

أعني، حسنا، انتظروا، لدينا بعض الروبوتات في منزلنا،

but, not really doing anything that exciting, OK?

ولكن، لا تفعل أي شيء مثير، حسنا؟

(Laughter)

(ضحك)

Now I've been doing research at UC Berkeley for 30 years

الآن أقوم بأبحاث في جامعة كاليفورنيا في بيركلي لمدة 30 عامًا

with my students on robots,

مع طلابي حول الروبوتات،

and in the next 10 minutes,

وفي الدقائق العشر القادمة،

I'm going to try to explain the gap between fiction and reality.

سأحاول شرح الفجوة بين الخيال والواقع.

Now we’ve seen images like this, right?

الآن رأينا صورًا كهذه، أليس كذلك؟

These are real robots.

هذه روبوتات حقيقية.

They're pretty amazing.

إنهم مذهلون جدًا.

But those of us who work in the field,

لكن لمن يعمل مننا في هذا المجال

well, the reality is more like this.

حسنًا، الواقع أشبه بهذا.

(Laughter)

(ضحك)

That's 99 out of 100 times, that's what happens.

في 99 من أصل 100 مرة، هذا ما يحدث.

And in the field, there's something that explains this

وفي المجال، هناك شيء يفسر هذا

that we call Moravec's paradox.

نسميه مفارقة مورافيك.

And that is, what's easy for robots,

وهذا يعني أن ما هو سهل بالنسبة للروبوتات،

like being able to pick up a large object,

مثل القدرة على التقاط جسم كبير

large, heavy object,

شئ كبير وثقيل

is hard for humans.

هو أمر صعب على البشر.

But what's easy for humans,

ولكن ما هو سهل للبشر

like being able to pick up some blocks and stack them,

مثل القدرة على التقاط بعض المكعبات وتكديسها

well, it turns out that is very hard for robots.

حسنًا، اتضح أن هذا صعب جدًا على الروبوتات.

And this is a persistent problem.

وهذه مشكلة ملحة

So the ability to grasp arbitrary objects is a grand challenge for my field.

لذا فإن القدرة على الإمساك بأيّ شيء بشكل عشوائي تمثل تحديًا كبيرًا للمجال عملي

Now by the way, I was a very klutzy kid.

الآن بالمناسبة، كنت طفلاً أخرق جدًا.

(Laughter)

(ضحك)

I would drop things.

كنت إسقط الأشياء.

Any time someone would throw me a ball, I would drop it.

في أي وقت يرمي فيه شخص ما كرة لي، كنت أسقطها.

I was the last kid to get picked on a basketball team.

كنت آخر طفل يتم اختياره في فريق كرة السلة.

I'm still pretty klutzy, actually,

في الواقع، ما زلت أخرقا جدًا،

but I have spent my entire career studying how to make robots less clumsy.

لكنني أمضيت مسيرتي المهنية بأكملها في دراسة كيفية جعل الروبوتات أقل حمقا.

Now let's start with the hardware.

الآن لنبدأ بالأجزاء الصلبة.

So the hands.

لذا الأيدي.

Now this is a robot hand, a particular type of hand.

الآن هذه يد روبوت، نوع معين من اليد.

It's a lot like our hand.

إنها تشبه أيدينا كثيرًا.

And it has a lot of motors, a lot of tendons

ولديها الكثير من المحركات والكثير من الأوتار

and cables as you can see.

والكابلات كما ترون.

So it's unfortunately not very reliable.

لذلك فهي للأسف لا يمكن الاعتماد عليها تماما.

It's also very heavy and very expensive.

كما أنها ثقيلة جدًا ومكلفة للغاية.

So I'm in favor of very simple hands, like this.

لذلك أنا أؤيد الأيدي البسيطة جدًا، مثل هذه.

So this has just two fingers.

هذا يحتوي على إصبعين فقط.

It's known as a parallel jaw gripper.

يُعرف باسم القابض الفكي المتوازي.

So it's very simple.

لذلك الأمر بسيط للغاية.

It's lightweight and reliable and it's very inexpensive.

إنها خفيفة الوزن ويمكن الاعتماد عليها وغير مكلفة للغاية.

And if you're doubting that simple hands can be effective,

وإذا كنت تشك في فعالية الأيدي البسيطة

look at this video where you can see that two very simple grippers,

انظر إلى هذا الفيديو حيث يمكنك أن ترى أن اثنين من القابضين البسيطين للغاية،

these are being operated, by the way,

يتم تشغيلهما، بالمناسبة

by humans who are controlling the grippers like a puppet.

من قبل البشر الذين يتحكمون في القابضين مثل الدمى.

But very simple grippers are capable of doing very complex things.

لكن القابضين البسيطين للغاية قادرون على القيام بأشياء معقدة للغاية.

Now actually in industry,

الآن في الواقع في الصناعة،

there’s even a simpler robot gripper, and that’s the suction cup.

هناك أيضًا قابض آلي أبسط، وهو كوب الشفط.

And that only makes a single point of contact.

وهذا يعمل بنقطة اتصال واحدة فقط.

So again, simplicity is very helpful in our field.

لذا مرة أخرى، البساطة مفيدة جدًا في مجالنا.

Now let's talk about the software.

الآن دعونا نتحدث عن البرمجيات.

This is where it gets really, really difficult

وهنا حيث يصبح الأمر صعبًا حقًا

because of a fundamental issue, which is uncertainty.

بسبب مشكلة أساسية، وهي عدم اليقين.

There's uncertainty in the control.

هناك عدم يقين في “التحكم“.

There’s uncertainty in the perception.

هناك عدم يقين في “المنظور“.

And there’s uncertainty in the physics.

وهناك عدم يقين في “الفيزياء“.

Now what do I mean by the control?

الآن ماذا أعني بالتحكم؟

Well if you look at a robot’s gripper trying to do something,

حسنًا، إذا نظرت إلى قابض الروبوت وهو يحاول القيام بشيء ما،

there's a lot of uncertainty in the cables and the mechanisms

فهناك الكثير من عدم اليقين في الكابلات والآليات

that cause very small errors.

التي تسبب أخطاء صغيرة جدًا.

And these can accumulate and make it very difficult to manipulate things.

ويمكن أن تتراكم هذه الأشياء وتجعل من الصعب جدًا التلاعب بالأشياء.

Now in terms of the sensors, yes,

الآن فيما يتعلق بأجهزة الاستشعار، نعم

robots have very high-resolution cameras just like we do,

تمتلك الروبوتات كاميرات عالية الدقة تمامًا مثلنا،

and that allows them to take images of scenes in traffic

وهذا يسمح لها بالتقاط صور للمشاهد في حركة المرور

or in a retirement center,

أو في مركز التقاعد،

or in a warehouse or in an operating room.

أو في المستودع أو في غرفة العمليات.

But these don't give you the three-dimensional structure

لكن هذه لا تمنحك البنية ثلاثية الأبعاد

of what's going on.

لما يحدث.

So recently, there was a new development called LIDAR,

في الآونة الأخيرة، كان هناك تطوير جديد يسمى LIDAR،

and this is a new class of cameras that use light beams to build up

وهذه فئة جديدة من الكاميرات التي تستخدم أشعة الضوء لبناء

a three-dimensional model of the environment.

نموذج ثلاثي الأبعاد للوسط .

And these are fairly effective.

وهذه فعالة إلى حد ما.

They really were a breakthrough in our field, but they're not perfect.

لقد كانت حقًا طفرة في مجالنا، لكنها ليست مثالية.

So if the objects have anything that's shiny or transparent,

لأن إذا كانت الأجسام تحتوي على أي شيء لامع أو شفاف،

well, then the light acts in unpredictable ways,

حسنًا، فإن الضوء يعمل بطرق غير متوقعة،

and it ends up with noise and holes in the images.

وينتهي الأمر بضوضاء وثقوب في الصور.

So these aren't really the silver bullet.

لذا فهذه ليست الحل السحري حقًا.

And there’s one other form of sensor out there now called a “tactile sensor.”

وهناك شكل آخر من أجهزة الاستشعار يسمى الآن «مستشعر اللمس».

And these are very interesting.

وهذه مثيرة للاهتمام للغاية.

They use cameras to actually image the surfaces

يستخدمون الكاميرات لتصوير الأسطح فعليًا

as a robot would make contact,

بينما يقوم الروبوت بالاتصال،

but these are still in their infancy.

لكنها لا تزال في مهدها.

Now the last issue is the physics.

الآن القضية الأخيرة هي الفيزياء.

And let me illustrate for you by showing you,

واسمحوا لي أن أوضح لكم بأن أريكم

we take a bottle on a table

نأخذ زجاجة على طاولة

and we just push it,

وندفعها فقط،

and the robot's pushing it in exactly the same way each time.

ويقوم الروبوت بدفعها بنفس الطريقة تمامًا في كل مرة.

But you can see that the bottle ends up in a very different place each time.

ولكن يمكنك أن ترى أن الزجاجة تنتهي في مكان مختلف تمامًا في كل مرة.

And why is that?

ولما هذا؟

Well it’s because it depends on the microscopic surface topography

حسنًا، هذا لأنه يعتمد على تضاريس السطح المجهرية

underneath the bottle as it slid.

تحت الزجاجة أثناء انزلاقها.

For example, if you put a grain of sand under there,

على سبيل المثال، إذا وضعت حبة رمل تحتها

it would react very differently than if there weren't a grain of sand.

فستتفاعل بشكل مختلف تمامًا عما لو لم تكن هناك حبة رمل.

And we can't see if there's a grain of sand because it's under the bottle.

ولا يمكننا معرفة ما إذا كانت هناك حبة رمل لأنها تحت الزجاجة.

It turns out that we can predict the motion of an asteroid

اتضح أنه يمكننا التنبؤ بحركة كويكب

a million miles away,

على بعد مليون ميل

far better than we can predict the motion of an object

أفضل بكثير مما يمكننا التنبؤ بحركة جسم

as it's being grasped by a robot.

عندما يمسك به روبوت.

Now let me give you an example.

الآن اسمحوا لي أن أقدم لكم مثالاً.

Put yourself here into the position of being a robot.

ضع نفسك هنا في موقف وكأنك روبوت

You're trying to clear the table

أنت تحاول مسح الطاولة

and your sensors are noisy and imprecise.

وأجهزة الاستشعار الخاصة بك صاخبة وغير دقيقة.

Your actuators, your cables and motors are uncertain,

مشغلاتك وكابلاتك ومحركاتك غير متأكدة،

so you can't fully control your own gripper.

لذلك لا يمكنك التحكم الكامل في القابض الخاص بك.

And there's uncertainty in the physics,

وهناك عدم يقين في الفيزياء،

so you really don't know what's going to happen.

لذلك أنت حقًا لا تعرف ما الذي سيحدث.

So it's not surprising that robots are still very clumsy.

لذلك ليس من المستغرب أن الروبوتات لا تزال خرقاء للغاية.

Now there's one sweet spot for robots, and that has to do with e-commerce.

الآن هناك مكان واحد رائع للروبوتات ويتعلق ذلك بالتجارة الإلكترونية.

And this has been growing, it's a huge trend.

وهذا آخذ في النمو، وله شعبية ضخمة

And during the pandemic, it really jumped up.

وخلال الوباء، قفز الأمر حقًا.

I think most of us can relate to that.

أعتقد أن معظمنا تأثر بذلك.

We started ordering things like never before,

بدأنا في طلب أشياء بشكل غير مسبوق

and this trend is continuing.

وهذا الاتجاه مستمر.

And the challenge is to meet the demand,

والتحدي هو تلبية الطلب

we have to be able to get all these packages delivered in a timely manner.

يجب أن نكون قادرين على تسليم جميع هذه الحزم في الوقت المناسب.

And the challenge is that every package is different,

والتحدي هو أن كل حزمة مختلفة

every order is different.

كل طلب مختلف.

So you might order some some nail polish and an electric screwdriver.

لذلك يمكنك طلب بعض طلاء الأظافر ومفك كهربائي.

And those two objects are going to be

وسيكون كلاهما في مكان ما

somewhere inside one of these giant warehouses.

داخل أحد المستودعات العملاقة.

And what needs to be done is someone has to go in,

وما يجب القيام به هو دخول شخص ما

find the nail polish and then go and find the screwdriver,

والعثور على طلاء الأظافر ثم البحث عن مفك

bring them together, put them into a box and deliver them to you.

وجمعهم معًا ووضعهم في صندوق وتسليمهم إليك.

So this is extremely difficult, and it requires grasping.

وهذا صعب للغاية، ويتطلب الامساك.

So today, this is almost entirely done with humans.

اليوم، يتم ذلك بالكامل تقريبًا بواسطة البشر

And the humans don't like doing this work,

والبشر لا يحبون القيام بهذا العمل

there's a huge amount of turnover.

فهناك قدر كبير من المبيعات.

So it's a challenge.

لذا فهو تحدٍ.

And people have tried to put robots

وقد حاول الناس وضع الروبوتات

into warehouses to do this work.

في المستودعات للقيام بهذا العمل

(Laughter)

(ضحك)

It hasn't turned out all that well.

لم تسير الأمور بشكل جيد

But my students and I, about five years ago,

لكن أنا وطلابي، منذ حوالي خمس سنوات،

we came up with a method, using advances in AI and deep learning,

توصلنا إلى طريقة، باستخدام التطورات في الذكاء الاصطناعي والتعلم العميق،

to have a robot essentially train itself to be able to grasp objects.

لجعل الروبوت يدرب نفسه بشكل أساسي ليكون قادرًا على الإمساك بالأشياء.

And the idea was that the robot would do this in simulation.

وكانت الفكرة أن الروبوت سيفعل ذلك في المحاكاة.

It was almost as if the robot were dreaming about how to grasp things

كان الأمر كما لو كان الروبوت يحلم بكيفية الامساك بالأشياء

and learning how to grasp them reliably.

وتعلم كيفية امساكهم بشكل موثوق.

And here's the result.

وتلك هي النتيجة.

This is a system called Dex-net

هذا نظام يسمى Dex-net

that is able to reliably pick up objects

وهو قادر بشكل موثوق على التقاط الأشياء

that we put into these bins in front of the robot.

التي نضعها في هذه الصناديق أمام الروبوت .

These are objects it's never been trained on,

هذه أشياء لم يتم التدرب عليها من قبل،

and it's able to pick these objects up

وهو قادر على التقاط هذه الأشياء

and reliably clear these bins over and over again.

ومسح هذه الصناديق بشكل موثوق مرارًا وتكرارًا.

So we were very excited about this result.

لذلك كنا متحمسين جدًا لهذه النتيجة.

And the students and I went out to form a company,

وقمت أنا والطلاب بتشكيل شركة،

and we now have a company called Ambi Robotics.

ولدينا الآن شركة تسمى Ambi Robotics.

And what we do is make machines that use the algorithms,

وما نقوم به هو صنع آلات تستخدم الخوارزميات

the software we developed at Berkeley,

البرنامج الذي طورناه في بيركلي،

to pick up packages.

لالتقاط الحزم.

And this is for e-commerce.

وهذا من أجل التجارة الإلكترونية.

The packages arrive in large bins, all different shapes and sizes,

تصل الحزم في صناديق كبيرة، بجميع الأشكال والأحجام المختلفة

and they have to be picked up,

ويجب التقاطها

scanned and then put into smaller bins depending on their zip code.

ومسحها ضوئيًا ثم وضعها في صناديق أصغر بناء على الرمز البريدي الخاص بها.

We now have 80 of these machines operating across the United States,

لدينا الآن 80 من هذه الآلات تعمل في جميع أنحاء الولايات المتحدة،

sorting over a million packages a week.

وتفرز أكثر من مليون حزمة في الأسبوع.

Now that’s some progress,

الآن, هذا بعض التقدم،

but it's not exactly the home robot that we've all been waiting for.

لكنه ليس بالضبط الروبوت المنزلي الذي كنا ننتظره جميعًا.

So I want to give you a little bit of an idea

لذلك أريد أن أقدم لكم فكرة بسيطة

of some the new research that we're doing

عن بعض الأبحاث الجديدة التي نقوم بها

to try to be able to have robots more capable in homes.

لمحاولة أن نكون قادرين على امتلاك روبوتات أكثر قدرة في المنازل.

And one particular challenge is being able to manipulate deformable objects,

وأحد التحديات الخاصة هو القدرة على تشكيل الأجسام المرنة

like strings in one dimension,

مثل الأوتار في بُعد واحد،

two-dimensional sheets and three dimensions,

والملاءات ثنائية الأبعاد والأبعاد الثلاثية

like fruits and vegetables.

مثل الفواكه والخضروات.

So we've been working on a project to untangle knots.

لذلك كنا نعمل على مشروع لفك تشابك العقد.

And what we do is we take a cable and we put that in front of the robot.

وما نقوم به هو أن نأخذ كابلًا ونضعه أمام الروبوت.

It has to use a camera to look down, analyze the cable,

يجب أن يستخدم الكاميرا للنظر إلى الأسفل وتحليل الكابل

figure out where to grasp it

ومعرفة مكان الإمساك به

and how to pull it apart to be able to untangle it.

وكيفية تفكيكه حتى يتمكن من فك تشابكه.

And this is a very hard problem,

وهذه مشكلة صعبة للغاية،

because the cable is much longer than the reach of the robot.

لأن الكابل أطول بكثير من متناول الروبوت.

So it has to go through and manipulate, manage the slack as it's working.

لذا يجب أن يتم تمريره وفك تشابكه، وإدارة الفراغات أثناء عمله.

And I would say this is doing pretty well.

وأود أن أقول إن هذا يعمل بشكل جيد.

It's gotten up to about 80 percent success

لقد حقق نجاحًا يصل إلى حوالي 80 بالمائة

when we give it a tangled cable at being able to untangle it.

عندما نعطيه كابلًا متشابكًا في القدرة على فك تشابكه.

The other one is something I think we also all are waiting for:

الشيء الآخر هو شيء أعتقد أننا جميعًا ننتظره أيضًا:

robot to fold the laundry.

روبوت لطي الملابس.

Now roboticists have actually been looking at this for a long time,

الآن يبحث علماء الروبوتات بالفعل في هذا لفترة طويلة،

and there was some research that was done on this.

وكانت هناك بعض الأبحاث التي أجريت حول هذا الموضوع.

But the problem is that it's very, very slow.

لكن المشكلة هي أنها بطيئة جدًا جدًا.

So this was about three to six folds per hour.

لذلك كان هذا حوالي ثلاثة إلى ستة طيات في الساعة.

(Laughter)

(ضحك)

So we decided to to revisit this problem

لذلك قررنا إعادة النظر في هذه المشكلة

and try to have a robot work very fast.

ومحاولة جعل الروبوت يعمل بسرعة كبيرة.

So one of the things we did was try to think

أحد الأشياء التي فعلناها هو محاولة التفكير

about a two-armed robot that could fling the fabric

في روبوت ذو ذراعين يمكنه قذف القماش

the way we do when we're folding,

بالطريقة التي نقوم بها عند طيه

and then we also used friction in this case to drag the fabric

ثم استخدمنا الاحتكاك أيضًا في هذه الحالة لسحب القماش

to smooth out some wrinkles.

لتنعيم بعض التجاعيد.

And then we borrowed a trick which is known as the two-second fold.

ثم استعارنا خدعة تُعرف باسم الطية التي تستغرق ثانيتين.

You might have heard of this.

ربما سمعت عن هذا.

It's amazing because the robot is doing exactly the same thing

إنه أمر مذهل لأن الروبوت يفعل الشيء نفسه تمامًا

and it's a little bit longer, but that's real time,

ويستغرق وقتًا أطول قليلاً، ولكن هذا هو الوقت الفعلي،

it's not sped up.

لم يتم تسريعه.

So we're making some progress there.

لذلك نحن نحرز بعض التقدم هناك.

And the last example is bagging.

والمثال الأخير هو التعبئة.

So you all encounter this all the time.

لذلك تواجهون جميعًا هذا طوال الوقت.

You go to a corner store, and you have to put something in a bag.

تذهب إلى متجر، وعليك وضع شيء ما في حقيبة.

Now it's easy, again, for humans,

الآن, أنه سهل، مرة أخرى، للبشر،

but it's actually very, very tricky for robots

لكنه في الواقع صعب جدًا جدًا بالنسبة للروبوتات

because for humans, you know how to take the bag

لأنه بالنسبة للبشر، فأنت تعرف كيفية أخذ الحقيبة

and how to manipulate it.

وكيفية التلاعب بها.

But robots, the bag can arrive in many different configurations.

لكن للروبوتات، يمكن أن تكون للحقيبة العديد من التكوينات المختلفة

It’s very hard to tell what’s going on

من الصعب جدًا معرفة ما يحدث

and for the robot to figure out how to open up that bag.

وأن يكتشف الروبوت كيفية فتح تلك الحقيبة

So what we did was we had the robot train itself.

لذلك ما فعلناه هو أننا جعلنا الروبوت يدرب نفسه

We painted one of these bags with fluorescent paint,

قمنا بطلاء إحدى هذه الحقائب بطلاء فلوري،

and we had fluorescent lights that would turn on and off,

وكان لدينا مصابيح فلورسنت يمكن تشغيلها وإيقافها،

and the robot would essentially teach itself how to manipulate these bags.

وسيقوم الروبوت بشكل أساسي بتعليم نفسه كيفية التعامل مع هذه الأكياس.

And so we’ve gotten it now up to the point

وبذلك نكون قد وصلنا الآن إلى النقطة

where we're able to solve this problem about half the time.

التي يمكننا فيها حل هذه المشكلة خلال نصف الوقت تقريبا

So it works,

لذا هذا جيد

but I'm saying, we're still not quite there yet.

لكنني أقول، أننا يمكن أن نحقق أفضل من ذلك

So I want to come back to Moravec's paradox.

لذلك أريد أن أعود إلى مفارقة مورافيك.

What's easy for robots is hard for humans.

ما هو سهل للروبوتات صعب على البشر.

And what's easy for us is still hard for robots.

وما هو سهل بالنسبة لنا لا يزال صعبًا على الروبوتات.

We have incredible capabilities.

لدينا قدرات مذهلة.

We're very good at manipulation.

نحن جيدون جدًا في التلاعب.

(Laughter)

(ضحك)

But robots still are not.

لكن الروبوتات لا تزال غير جيدة في ذلك

I want to say, I understand.

أريد أن أقول، أنا أفهم.

It’s been 60 years,

لقد مرت 60 عامًا،

and we're still waiting for the robots that the Jetsons had.

وما زلنا ننتظر الروبوتات التي كانت يمتلكها الجيتسونس.

Why is this difficult?

لماذا هذا صعب؟

We need robots because we want them to be able to do tasks that we can't do

نحن بحاجة إلى الروبوتات للقيام بمهام لا يمكننا القيام بها

or we don't really want to do.

أو لا نريد القيام بها حقًا.

But I want you to keep in mind that these robots, they're coming.

لكن أريدكم أن تضعوا في اعتباركم أن هذه الروبوتات قادمة.

Just be patient.

فقط كن صبورًا.

Because we want the robots,

لأننا نريد الروبوتات،

but robots also need us

لكن الروبوتات بحاجة إلينا أيضًا

to do the many things that robots still can't do.

للقيام بالعديد من الأشياء التي لا تزال الروبوتات لا تستطيع القيام بها.

Thank you.

شكرًا لكم.

(Applause)

(تصفيق)