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

Çeviri: Selim Öztürk Gözden geçirme: Başak Gökdaş

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

Bu odadaki çoğu insanın evde bir robot olmasını istediğini hissediyorum.

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

Ev işlerinin yapılabilmesi ve işlerle ilgilenilmesi güzel olurdu.

Where are these robots?

Nerede bu robotlar?

What's taking so long?

Neden bu kadar uzun sürüyor?

I mean, we have our tricorders,

Demek istediğim, bizim tricorderlarımız var

and we have satellites.

ve uydularımız var.

We have laser beams.

Lazer ışınlarımız var.

But where are the robots?

Peki robotlar nerede?

(Laughter)

(Kahkahalar)

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

Demek istediğim, tamam, bekleyin, evimizde bazı robotlar var,

but, not really doing anything that exciting, OK?

ama o kadar heyecan verici bir şey yapmıyorlar, tamam mı?

(Laughter)

(Kahkahalar)

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

Şimdi 30 yıldır UC Berkeley ’de öğrencilerimle

with my students on robots,

robotlar üzerine araştırma yapıyorum

and in the next 10 minutes,

ve önümüzdeki 10 dakika içinde

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

kurgu ve gerçeklik arasındaki boşluğu açıklamaya çalışacağım.

Now we’ve seen images like this, right?

Şimdi böyle görüntüler gördük, değil mi?

These are real robots.

Bunlar gerçek robotlar.

They're pretty amazing.

Oldukça harikalar.

But those of us who work in the field,

Ama bu alanda çalışan bizler,

well, the reality is more like this.

gerçeklik daha çok böyle.

(Laughter)

(Kahkahalar)

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

Bu 100 seferden 99 ’udur, olan budur.

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

Ve sahada, Moravec’in paradoksu

that we call Moravec's paradox.

dediğimiz bunu açıklayan bir şey var.

And that is, what's easy for robots,

Ve bu, robotlar için kolay olan şey, büyük,

like being able to pick up a large object,

ağır bir nesneyi kaldırabilmek gibi,

large, heavy object,

insanlar için zordur.

is hard for humans.

But what's easy for humans,

Ama insanlar için kolay olan şey,

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

bazı blokları toplayıp istifleyebilmek gibi

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

robotlar için çok zor olduğu anlaşıldı.

And this is a persistent problem.

Ve bu kalıcı bir sorundur.

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

Bu yüzden rastgele nesneleri kavrama yeteneği alanım için büyük bir zorluktur.

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

Bu arada, ben çok beceriksiz bir çocuktum.

(Laughter)

(Kahkahalar)

I would drop things.

Bir şeyler düşürürdüm.

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

Birisi bana top attığında, onu düşürürdüm.

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

Basketbol takımında seçilen son çocuk bendim.

I'm still pretty klutzy, actually,

Aslında hâlâ oldukça beceriksizim, ama tüm kariyerimi

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

robotları nasıl daha az beceriksiz hale getireceğimi inceleyerek geçirdim.

Now let's start with the hardware.

Şimdi donanımla başlayalım.

So the hands.

Yani eller.

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

Şimdi bu bir robot eli, belirli bir el türü.

It's a lot like our hand.

Elimize çok benziyor.

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

Gördüğünüz gibi bir sürü motoru,

and cables as you can see.

bir sürü tendon ve kablosu var.

So it's unfortunately not very reliable.

Bu yüzden maalesef çok güvenilir değil.

It's also very heavy and very expensive.

Aynı zamanda çok ağır ve çok pahalı.

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

Bu yüzden bunun gibi çok basit ellerden yanayım.

So this has just two fingers.

Yani bunun sadece iki parmağı var.

It's known as a parallel jaw gripper.

Paralel çene tutucusu olarak bilinir.

So it's very simple.

Yani çok basit.

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

Hafif ve güvenilirdir ve çok ucuzdur.

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

Basit ellerin etkili olabileceğinden şüphe ediyorsanız

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

bu videoya bakın, burada iki basit tutucunun,

these are being operated, by the way,

lafı gelmişken, bir kukla gibi kontrol eden

by humans who are controlling the grippers like a puppet.

insanlar tarafından çalıştırıldığını görebilirsiniz.

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

Ancak çok basit tutucular çok karmaşık şeyler yapabilir.

Now actually in industry,

Şimdi aslında endüstride,

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

daha basit bir robot tutucu bile var ve bu vantuz.

And that only makes a single point of contact.

Ve bu sadece tek bir temas noktası oluşturur.

So again, simplicity is very helpful in our field.

Yani yine basitlik alanımızda çok faydalıdır.

Now let's talk about the software.

Şimdi yazılım hakkında konuşalım.

This is where it gets really, really difficult

Bu, belirsizlik olan temel bir sorun nedeniyle

because of a fundamental issue, which is uncertainty.

gerçek anlamda zorlaştığı yer burasıdır.

There's uncertainty in the control.

Kontrolde belirsizlik var.

There’s uncertainty in the perception.

Algıda belirsizlik var.

And there’s uncertainty in the physics.

Fizikte belirsizlik var.

Now what do I mean by the control?

Şimdi kontrol ile ne demek istiyorum?

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

Bir robotun bir şey yapmaya çalışan tutucusuna bakarsanız,

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

kablolarda ve mekanizmalarda çok küçük hatalara neden olan

that cause very small errors.

çok fazla belirsizlik vardır.

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

Ve bunlar birikebilir ve bazı şeyleri hareket ettirmeyi çok zorlaştırabilir.

Now in terms of the sensors, yes,

Şimdi sensörler açısından, evet,

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

robotların tıpkı bizim gibi çok yüksek çözünürlüklü kameraları var

and that allows them to take images of scenes in traffic

ve bu onların trafikte veya emeklilik merkezinde,

or in a retirement center,

bir depoda veya ameliyathanede

or in a warehouse or in an operating room.

sahnelerin görüntülerini çekmelerine izin veriyor.

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

Ancak bunlar size neler olup bittiğinin üç boyutlu

of what's going on.

yapısını vermez.

So recently, there was a new development called LIDAR,

Son zamanlarda, LIDAR adında yeni bir gelişme vardı

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

ve bu, çevrenin üç boyutlu bir modelini oluşturmak için ışık demetlerini

a three-dimensional model of the environment.

kullanan yeni bir kamera sınıfı.

And these are fairly effective.

Ve bunlar oldukça etkilidir.

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

Bizim alanımızda gerçekten bir atılımdı, ama mükemmel değiller.

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

Yani nesnelerde parlak veya şeffaf bir şey varsa,

o zaman ışık öngörülemeyen şekillerde hareket

well, then the light acts in unpredictable ways,

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

eder ve görüntülerde parazitlerle ve deliklerle sonuçlanır.

So these aren't really the silver bullet.

Yani bunlar gerçekten sihirli çözüm değil.

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

Ve şimdi “dokunsal sensör” olarak adlandırılan başka bir sensör türü var.

And these are very interesting.

Ve bunlar çok ilginç.

They use cameras to actually image the surfaces

Yüzeyleri bir robotun temas kuracağı gibi

as a robot would make contact,

görüntülemek için kameralar kullanıyorlar,

but these are still in their infancy.

ancak bunlar hâlâ emekleme aşamasındadır.

Now the last issue is the physics.

Şimdi son konu fizik.

And let me illustrate for you by showing you,

Ve size göstererek açıklayayım

we take a bottle on a table

masaya bir şişe alıyoruz

and we just push it,

ve sadece itiyoruz

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

ve robot her seferinde aynı şekilde itiyor.

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

Ancak şişenin her seferinde çok farklı bir yere düştüğünü görebilirsiniz.

And why is that?

Peki neden böyle?

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

Çünkü kayarken şişenin altındaki

underneath the bottle as it slid.

mikroskobik yüzey topografyasına bağlı.

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

Örneğin, altına bir kum tanesi koyarsanız

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

kum tanesi olmamasından çok farklı tepki verir.

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

Ve şişenin altında olduğu için kum tanesi olup olmadığını göremeyiz.

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

Görünen o ki 1.609.344 km uzaktaki bir asteroidin

a million miles away,

hareketini tahmin edebileceğimiz,

far better than we can predict the motion of an object

bir nesnenin bir robot tarafından kavranırken hareketini tahmin

as it's being grasped by a robot.

edebileceğimizden çok daha iyi.

Now let me give you an example.

Şimdi size bir örnek vereyim.

Put yourself here into the position of being a robot.

Kendini bir robotun yerine koy.

You're trying to clear the table

Masayı temizlemeye çalışıyorsun

and your sensors are noisy and imprecise.

ve sensörlerin gürültülü ve kesin değil.

Your actuators, your cables and motors are uncertain,

Aktüatörlerin, kabloların ve motorların belirsizdir,

so you can't fully control your own gripper.

bu nedenle kendi tutucunu tam olarak kontrol edemezsin.

And there's uncertainty in the physics,

Ve fizikte belirsizlik var

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

bu yüzden ne olacağını gerçekten bilmiyorsun.

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

Bu yüzden robotların hâlâ çok beceriksiz olması şaşırtıcı değil.

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

Şimdi robotlar için tatlı bir nokta var ve bu e-ticaretle ilgili.

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

Ve bu büyüyor, bu büyük bir trend.

And during the pandemic, it really jumped up.

Ve pandemi sırasında, gerçekten yükseldi.

I think most of us can relate to that.

Sanırım çoğumuz bununla ilişki kurabiliriz.

We started ordering things like never before,

Daha önce hiç olmadığı gibi sipariş vermeye başladık

and this trend is continuing.

ve bu eğilim devam ediyor.

And the challenge is to meet the demand,

Ve zorluk talebi karşılamak,

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

tüm bu paketleri zamanında teslim edebilmek zorundayız.

And the challenge is that every package is different,

Ve zorluk, her paketin farklı olması,

her siparişin farklı olmasıdır.

every order is different.

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

Biraz oje ve elektrikli tornavida sipariş edebilirsiniz.

And those two objects are going to be

Ve bu iki nesne bu dev depolardan birinin içinde

somewhere inside one of these giant warehouses.

bir yerde olacak.

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

Ve yapılması gereken birisinin içeri girmesi,

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

ojeyi bulması ve sonra gidip tornavidayı bulması, bir araya

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

getirmesi, bir kutuya koyması ve size teslim etmesi gerektiğidir.

So this is extremely difficult, and it requires grasping.

Yani bu son derece zor ve kavrama gerektiriyor.

So today, this is almost entirely done with humans.

Yani bugün, bu neredeyse tamamen insanlarla yapılır.

And the humans don't like doing this work,

Ve insanlar bu işi yapmaktan hoşlanmıyor,

there's a huge amount of turnover.

büyük miktarda iş hacmi var.

So it's a challenge.

Yani bu bir meydan okuma.

And people have tried to put robots

Ve insanlar bu işi yapmak için robotları

into warehouses to do this work.

depolara koymaya çalıştılar.

(Laughter)

(Kahkahalar)

It hasn't turned out all that well.

O kadar iyi sonuçlanmadı.

But my students and I, about five years ago,

Ancak öğrencilerim ve ben, yaklaşık beş yıl önce, yapay zeka

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

ve derin öğrenmedeki gelişmeleri kullanarak bir robotun nesneleri

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

kavrayabilmesi için kendini eğitmesini sağlayan bir yöntem bulduk.

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

Ve fikir, robotun bunu simülasyonda yapmasıydı.

Sanki robot bir şeyleri nasıl kavrayacağını ve onları nasıl hatasız

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

bir şekilde kavrayacağını öğrendiğini hayal ediyormuş gibiydi.

and learning how to grasp them reliably.

And here's the result.

Ve işte sonuç.

This is a system called Dex-net

Bu, robotun önündeki bu kutulara

that is able to reliably pick up objects

koyduğumuz nesneleri güvenilir bir şekilde toplayabilen

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

Dex-Net adlı bir sistemdir.

These are objects it's never been trained on,

Bunlar hiç üzerinde eğitilmediği nesnelerdir

and it's able to pick these objects up

ve bu nesneleri toplayabilir ve bu kutuları

and reliably clear these bins over and over again.

tekrar tekrar hatasız bir şekilde temizleyebilir.

So we were very excited about this result.

Bu yüzden bu sonuç için çok heyecanlanmıştık.

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

Öğrenciler ve ben bir şirket kurmak için dışarı çıktık

and we now have a company called Ambi Robotics.

ve şimdi Ambi Robotics adında bir şirketimiz var.

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

Ve yaptığımız şey, paketleri toplamak için algoritmaları,

the software we developed at Berkeley,

Berkeley'de geliştirdiğimiz yazılımı

to pick up packages.

kullanan makineler yapmak.

And this is for e-commerce.

Ve bu e-ticaret içindir.

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

Paketler, farklı şekil ve boyutlarda büyük kutularda gelir

and they have to be picked up,

ve posta kodlarına bağlı olarak toplanmaları,

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

taranmaları ve daha sonra daha küçük kutulara konulmaları gerekir.

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

Şu anda Amerika Birleşik Devletleri’nde çalışan bu makinelerin 80′ine sahibiz ve

sorting over a million packages a week.

haftada bir milyondan fazla paketi ayırıyoruz.

Now that’s some progress,

Şimdi bu biraz ilerleme,

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

ancak hepimizin beklediği ev robotu tam olarak değil.

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

Bu yüzden size evlerde daha yetenekli robotlara

of some the new research that we're doing

sahip olabilmek için yaptığımız bazı yeni

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

araştırmalar hakkında biraz fikir vermek istiyorum.

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

Ve özel bir zorluk, tek boyuttaki teller,

like strings in one dimension,

iki boyutlu levhalar ve meyve ve sebzeler

two-dimensional sheets and three dimensions,

gibi üç boyutlu şekil değiştirilebilir

like fruits and vegetables.

nesneleri kontrol edebilmektir.

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

Bu yüzden düğümleri çözmek için bir proje üzerinde çalışıyoruz.

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

Ve yaptığımız şey bir kablo alıp robotun önüne koymak.

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

Aşağı bakmak, kabloyu analiz etmek, nerede kavrayacağını

figure out where to grasp it

ve çözebilmek için nasıl ayrılacağını

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

bulmak için bir kamera kullanmalıdır.

And this is a very hard problem,

Ve bu çok zor bir sorundur,

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

çünkü kablo robotun erişebileceğinden çok daha uzundur.

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

Bu yüzden çalışırken gevşekliği yönetmek ve düzenlemek zorundadır.

And I would say this is doing pretty well.

Ve bunun oldukça iyi gittiğini söyleyebilirim.

It's gotten up to about 80 percent success

Onu çözebilmesi için karışık bir kablo

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

verdiğimizde yaklaşık yüzde 80′e kadar başarı elde etti.

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

Diğeri de hepimizin beklediğini düşündüğüm bir şey:

robot to fold the laundry.

çamaşırları katlamak için robot.

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

Şimdi robotisyenler uzun zamandır bunun üzerine çalışıyorlar

and there was some research that was done on this.

ve bu konuda yapılan bazı araştırmalar vardı.

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

Ama sorun şu ki, bunlar aşırı derecede yavaş.

So this was about three to six folds per hour.

Yani bu saatte yaklaşık üç ila altı kat oldu.

(Laughter)

(Kahkahalar)

So we decided to to revisit this problem

Bu yüzden bu sorunu tekrar gözden geçirmeye karar verdik ve bir robotun

çok hızlı çalışmasını sağlamaya karar verdik.

and try to have a robot work very fast.

So one of the things we did was try to think

Yaptığımız şeylerden biri, kumaşı katlarken

about a two-armed robot that could fling the fabric

yaptığımız gibi fırlatabilen iki kollu bir robot

the way we do when we're folding,

düşünmekti ve sonra da bu durumda

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

bazı kırışıklıkları düzeltip kumaşı sürüklemek için

to smooth out some wrinkles.

sürtünmeyi kullandık.

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

Sonra iki saniyelik katlama olarak bilinen bir numarayı kullandık.

You might have heard of this.

Bunu duymuş olabilirsiniz.

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

Bu şaşırtıcı çünkü robot tam olarak aynı şeyi

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

yapıyor ve biraz daha uzun, ama bu gerçek zamanlı,

it's not sped up.

hızlandırılmadı.

So we're making some progress there.

Bu yüzden orada biraz ilerleme kaydediyoruz.

And the last example is bagging.

Ve son örnek paketlemedir.

So you all encounter this all the time.

Yani hepiniz bununla her zaman karşılaşıyorsunuz.

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

Bir mahalle bakkalına gidiyorsunuz ve bir çantaya bir şey koymalısınız.

Now it's easy, again, for humans,

Şimdi yine insanlar için kolay,

but it's actually very, very tricky for robots

ama aslında robotlar için çok ama çok zor

çünkü insanlar için çantayı nasıl alacağınızı

because for humans, you know how to take the bag

ve nasıl kullanacağınızı biliyorsunuz.

and how to manipulate it.

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

Ancak robotlar için çanta birçok farklı konfigürasyonda gelebilir.

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

Neler olduğunu söylemek

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

ve robotun o çantayı nasıl açacağını çözmesi çok zor.

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

Yani yaptığımız şey, robotun kendisini eğitmesiydi.

We painted one of these bags with fluorescent paint,

Bu torbalardan birini floresan boyayla boyadık

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

ve açılıp kapanacak floresan ışıklarımız vardı ve robot

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

aslında bu çantaları nasıl kontrol edeceğini kendine öğretirdi.

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

Ve şimdi bu sorunu yaklaşık yarısı kadar

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

çözebileceğimiz noktaya getirdik.

So it works,

Yani işe yarıyor,

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

ama diyorum ki, henüz tam olarak orada değiliz.

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

Bu yüzden Moravec’in paradoksuna geri dönmek istiyorum.

What's easy for robots is hard for humans.

Robotlar için kolay olan insanlar için zordur.

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

Ve bizim için kolay olan şey robotlar için hâlâ zor.

We have incredible capabilities.

İnanılmaz yeteneklerimiz var.

We're very good at manipulation.

Manipülasyon konusunda çok iyiyiz.

(Laughter)

(Kahkahalar)

But robots still are not.

Ama robotlar hâlâ öyle değil.

I want to say, I understand.

Anladığımı söylemek istiyorum.

It’s been 60 years,

60 yıl oldu

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

ve hâlâ Jetsonların sahip olduğu robotları bekliyoruz.

Why is this difficult?

Bu neden zor?

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

Robotlara ihtiyacımız var çünkü yapamayacağımız veya gerçekten yapmak

or we don't really want to do.

istemediğimiz görevleri yapabilmelerini istiyoruz.

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

Ama aklınızda bulundurmanızı istiyorum ki bu robotlar geliyor.

Just be patient.

Sadece sabırlı olun.

Because we want the robots,

Çünkü robotları istiyoruz,

but robots also need us

ancak robotların hâlâ

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

yapamadığı birçok şeyi yapmamıza da ihtiyacı var.

Thank you.

Teşekkür ederim.

(Applause)

(Alkış)