A tokiói SE4 robotszoftver fejlesztő cég (a Universal Robots ipari projektje) Squeetie nevű új építőipari robotjai emberi mozdulatokat, ásást és tárgyak (valódi kőkockák) egymásra rakását utánozva tanulnak bele a munkába. Az SE4 hardver helyett a gépekkel folytatott kommunikációt segítő szoftverre összpontosít.

Pavel Savkin főmérnök elmesélte az első kísérletet, amikor a robot utánozta a mozdulatait, és befejezte a kotrógépnek tartott manuális bemutatót. A szoftverfejlesztésben ő is részt vett, a robot pedig mozdulatról mozdulatra sikeresen lemásolta a tevékenységét.

„Mintha valami élő lett volna ott, pedig tudtam, hogy én vagyok” – nyilatkozta a kutató.

A júliusi Los Angelesi SIGGRAPH konferencián egy másik szakember, a VR (virtuális valóság) headsetet viselő, a mozdulatokat kézi kontrollerrel betanító Nathan Quinn tartott bemutatót.

Amikor Quinn a 3D-s virtuális térben kőkockákat mozdított el, a szoftver a valóságban történő kivitelezéshez szükséges utasítássort tanult meg. Távépítkezésnél a robotokkal valahogy kommunikálni kell a feladatokat. Bevett, hogy egy számítógépnek lemásolják, csakhogy ezúttal többről, nagyobb kihívásról van szó – távoli tárgyakat kell valósidőben megmozgatni.

Dinamikus környezetben a közeg változásaira vonatkozó visszacsatolásokra is szükség van, amit ezúttal a gyártásban, az egészségügyben és a hadi iparban már alkalmazott VR és AR (kiterjesztett valóság) technikákkal oldottak meg.

Savkin elmondta, hogy ásó- és építő robotflottájuk egy szép napon a Marson is dolgozhat. Jelenleg a földi operátor és az űrben tartózkodó gépek közti kommunikációs késések és hatásaik minimalizálásán munkálkodnak. Másrészt, sikeres kommunikációhoz a robotnak a földi utasításoktól félig vagy teljesen függetlenül kellene működnie.

Az SE4 a gépi autonómia és az emberi irányítás ideális arányát próbálja meghatározni. A robotoknak ezért tanítják meg mikromozdulatok logikai egységekbe csoportosítását, csoportokon belüli, csoportok közötti kapcsolatok megítélését.

Ezen a ponton válik kitüntetett jelentőségűvé az SE4 Szemantikus vezérlés szoftvere. A robot leszkenneli környezetét, a nyers adatokat eljuttatja az operátorhoz, a körülötte lévő objektumokat és jelentésüket viszont nem tudja azonosítani.

A humán operátor ekkor annotálja, felcímkézi az objektumokat, jelentést társít hozzájuk. Segít a robotnak, hogy az építkezés megkezdése előtt értelmezze az ottani tárgyakat.

A változó környezet megértése fontos, de csak kezdeti lépés az MI tényleges függetlensége felé.

Kormányok és a rendőrség által a lakosság megfigyelésére használt arcfelismerő technológiák sokáig csak disztópikus sci-fikben szerepeltek, de az infokommunikáció fejlődésével a látomás valósággá vált.

Amerikai bűnüldöző szervek bűnügyi dossziékban nem szereplő személyeket is azonosítanak közlekedési nyilvántartásokban található adatok alapján. Természetesen az illetők beleegyezése nélkül, mint ahogy az arcfelismerést a „köz” hangulatának és viselkedésének monitorozására, azaz stratégiai eszközként használó kínai hatóságok sem kérdezik meg az állampolgárok véleményét.

Mindezek tükrében, meglepő eredményt hozott a Pew Kutatóközpont arcfelismerésre vonatkozó, reprezentatív felmérése. A kérdésekre 4272 amerikai válaszolt, és kiderült, hogy 56 százalékuk szerint a bűnüldöző szervek felelősen használják az arcfelismerést, 59 százalék egyetért közterek biztonsági okokból történő folyamatos megfigyelésével. A felmérésből azonban az is egyértelművé vált, hogy nagyon hiányosan ismerik a technológiát.

Ezzel szemben, kevésbé támogatják, ha techcégek vagy a reklámipar használja ezeket a megoldásokat.

A teljes lakosságot reprezentáló megszólaltatottak mindössze 36 százalék találta úgy, hogy a techcégek felelősen alkalmazzák az arcfelismerést, és csak 5 százalék bízik nagyon bennük. A reklámozók esetében még lesújtóbb, 18, illetve 2 százalék az eredmény.

A kérdőív egyik legtanulságosabb része, hogy az amerikaiak szerint mennyire eredményes az arcfelismerés. 73 százalékuk szerint a technológia „valamennyire” vagy „nagyon” hatékonyan azonosít személyeket. 63 százalék mondott igent a nem, 61 a bőrszín szerinti pontos azonosításra.

Ezek a számok éles ellentétben állnak sok tanulmány különösen nem fehér férfiakra vonatkozó adataival.

A pontatlanság nagymértékben a technológia hiányos ismeretével magyarázható. A megkérdezettek 86 százaléka ugyanis hallott valamit, és mindössze 25 százaléka hallott csomószor az arcfelismerésről, azaz sokan csak kapisgálják, hogy miről is van szó.

Elég egyértelműnek tűnik, hogy az amerikaiak többsége ugyan bízik a technológia bűnüldözési célú felelős használatában, viszont nem tudják pontosan, hogy a rendőrség mire használja azt, és mit jelenthet sok állampolgár számára.

Egyes játékoktól az arcfelismerésig, a gépi intelligencia sok területen felülmúlja az embert. Csakhogy az MI-rendszerek képtelenek több feladatot kezelni, így a legfontosabb következő cél egyetlen területen emberfeletti képességgel rendelkező helyett több területen jó átlagot hozó rendszer fejlesztése.

Hasonlóval, emberekkel interakciókat folytató és változatos feladatokat abszolváló MI asszisztens létrehozásával próbálkozik a Facebook Research is. Az asszisztens tanul az interakciókból, és így mindig több és több feladat elvégzésére lesz alkalmas.

A munkát vezető Arthur Szlam és kollégái a 3D-s Minecrafton, minden idők legjobb eladási mutatóival rendelkező videojátékán gyakoroltatják az MI-t. (Havi 90 millió gamer játszik rajta, 170 milliónál többet értékesítettek belőle.)

A játék azért különleges, mert végtelen variációs lehetőséget kínál, egyszerűek a szabályai, és bizonyos korlátokig előrejelezhető, azaz ideális egy gépi értelem számára. Nem véletlen, hogy (a Facebookon kívül) többféle MI-rendszert tesztelnek rajta.

Szlamék célja, hogy asszisztensük emberek által meghatározott egyszerűbb feladatok sokaságát oldja meg.

Tőlük tanul.

„Első látásra rengeteg dolgot tehetünk, az építőkockákat szinte minden lehető módon elhelyezhetjük” – magyarázza Szlam, de aztán kifejti, hogy a lehetséges elrendezések nagy többsége valószínűtlen lépés, és mindig csak egy kis rész marad, amiben egy MI sokat segíthet.

A kutatók szerint asszisztensük még akkor is hasznos lesz, ha több feladatban hibázik. Ezzel együtt az MI komoly kihívásoknak néz elébe, például meg kell értenie az emberi beszédet.

Ha az egyik játékos azt mondja neki, hogy építsen 15 kocka magas tornyot, és tegyen a tetejére egy mosoly-jelet, az asszisztensnek pontosan tudnia kell, mi a feladata. Ez az utasítás ugyan viszonylag egyszerű, megvalósításához mégis előzetes ismeretekre van szüksége: tisztában kell lennie azzal, hogy mi az a 15, mi valaminek a tetején lenni, mi a mosoly-jel stb.

Ha a Facebook elég humán segítséget kap, a tanulási lehetőségek óriásiak, és az MI a korábban begyakoroltak mellett sok új feladatot elsajátíthat. A Minecraft ideális környezet hozzá.

Szlam figyelmeztet: egyelőre a kezdet kezdetén járnak.

Az MIT (Massachusetts Institute of Technology) kutatói évek óta együtt dolgoznak a Fejlett Nagyvárosi Megoldások Amszterdami Intézetével (AMS Institute), hogy a holland metropolisz csatornáin autonóm csónakok is közlekedjenek.

A robot és a boat (csónak) szavakat összevonó Roboat nevű projekt keretében szenzorokkal, mikrokontrollerekkel, GPS modulokkal, kamerákkal és más hardverrel felszerelt derékszögű hajótestek prototípusát 2016-ban tesztelték. A csónak előreprogramozott útvonalat követett az egyik csatornán, előre és hátra is tudott mozogni.

A kutatók tavaly az eredeti változat negyedére zsugorított, fejlett útirány-követő algoritmussal működtethető gépet nyomtattak, amely elődeinél hatékonyabbnak és ügyesebbnek bizonyult. Júniusban a csónakok egymáshoz kapcsolódását szabályozó, bukásukat megakadályozó biztonsági reteszmechanizmust dolgoztak ki.

A megoldás azt jelenti, hogy a robotizált vízi járművek csoportosan, rajként (multiágens-rendszerként) is tudnak közlekedni.

A legújabb – augusztus 22-i – közlemény, egy nemzetközi konferencián bemutatott algoritmus alapján a járműveket újabb adottsággal ruházták fel – most már alakváltoztatásra is képesek. Az algoritmus lehetővé teszi, hogy a gépek egy adott konfigurációban kezdjenek mozogni, szétváljanak, másfelé tartsanak, majd új konfigurációban álljanak ismét össze.

A kutatók bizakodnak, hogy az újítás segíthet Amszterdam hivatalos szerveinek, és a gépek közreműködésével újra kihasználhatnak az elmúlt években viszonylag elhagyatott 165 csatornát.

„Egy csónakcsoport úgy állhat össze lineáris alakzatokká, hogy közben például ideiglenes hidat képezhetnek, ha a csatorna egyik oldaláról a másikra kell eljuttatni tárgyakat. De virág- vagy élelmiszerpiacra is kialakíthatunk szélesebb tereket” – magyarázza Daniela Rus, az egyik fejlesztő.

Szimulációkon a robotegységek alkotta csoportok egyenes vonalból háromszögekké, négyszögekké és más formációkká fejlődtek. Egy-egy átalakulás mindössze percekig tartott. Minél komplexebb a változás, minél több (elvileg akár több tucat) csónak vesz részt benne, és minél nagyobb az eltérés a két alakzat között, a folyamat annál több időt vesz igénybe.

A rendszert 2020-ban tervezik tesztelni. A világ első autonóm csónakokból álló hídja 60 méteres csatornát lesz hivatott átszelni.

A Nemzetközi Űrállomáson (ISS) a „mini agyaknak” vagy „organoidoknak” nevezett idegsejt-csoportok tudósok által előzetesen elképzelhetetlennek tartott módon fejlődnek.

Az organoidokat Alysson Muotri, a San Diegói Kaliforniai Egyetem biológusa és munkatársai tenyésztették. Emberi bőrszöveteket őssejtekké alakítottak, majd úgy alakították őket, ahogy az agysejtek fejlődnek egy embrióban.

Tűhegy méretű labdácskákká nőttek, mindegyik többszázezer különféle sejtet tartalmaz. Az összes sejtfajta ugyanazokat a vegyi és elektromos jeleket adja le, mint az emberi agyban lévők.

A NASA júliusban az ISS-re küldte az organoidokat. A küldetés célja, hogy megfigyeljék, hogyan fejlődnek a súlytalanságban.

Az Űrállomáson – Muotri szavaival élve – „őrült módon reprodukálódnak.” Koraszületett csecsemőkhöz hasonló agyhullámokat, azaz az idegtevékenység komplex mintázatait bocsátják ki magukból.

Az eddigi meglepő eredmények a tudósokat a laboratóriumban tenyésztett miniszervek határainak és a kapcsolódó etikai kérdések újragondolására kényszeríthetik.

Muotri pókformájú robotokhoz kapcsolta az organoidokat, mert így tudja tanulmányozni idegtevékenységüket. A kutatás azzal az eredménnyel zárulhat, hogy tudósok képesek lehetnek laborban kikísérletezni valamilyen szintű tudatossággal rendelkező „létezőket”.

„Minél közelebb kerülünk a célhoz, annál valószínűbb, hogy érzésekre képes, érzeteket, például fájdalmat, gyötrelmet, kínokat átélő agyat hozunk létre” – nyilatkozta Christof Koch, az Allen Agyintézet igazgatója.

Az emberi agy azonban annyira összetett, hogy még a legmodernebb kutatások is csak a felszínt kapirgálják, rengeteg a találgatás. Pontosan ezért népszerű a mini agyak koncepció – a viszonylag egyszerű idegsejt-csoportok az egész agy egyes jellegzetességeit szimulálják, a teljességtől viszont beláthatatlan messze vannak.

Az ISS-en tapasztaltak azonban arra utalnak, hogy az organoidok még így is lényegesen komplexebbek, mint gondoltuk.

„Egyes munkatársaim szerint sohasem lesznek tudatosak. Nem vagyok biztos benne” – mondta Muotri.

„Döbbenetes. Senki nem hitte, hogy lehetséges. Azt fogják mondani, hogy olyan agyak, mint a koraszülött gyerekeké. Pedig nem, nem azok” – nyilatkozta Giorgia Quadrato, az egyetem egy másik biológusa.

Adatközpontokban több tízezer, folyamatosan adatokat feldolgozó szerver van. Klasztereket ütemező algoritmusok valósidőben osztják szét közöttük a feladatokat; egyrészt a hozzáférhető erőforrásokat akarják hatékonyan kihasználni, másrészt gyorsan el kívánják végezni a munkát.

Az algoritmusokat meghatározott elvek alapján emberek finomhangolják. Mivel a munkaterhek (kombinált feladatok csoportjai) viszont minden méretben megtalálhatók, ember számára lehetetlen feladat az azokat ütemező algoritmus esetenkénti optimalizálása.

Az MIT (Massachusetts Institute of Technology) Számítástudományi és Mesterséges Intelligencia Laboratóriumának kutatói elhatározták, hogy a problémával kapcsolatos összes manuális kódolást gépekre bízzák. Rendszerük próba-hiba alapú, megerősítéses tanulással (reinforcement learning, RL) dolgozik, és igyekszik specifikálni a munkaterheket.

A kivitelezéshez komplex munkaterhekre is érvényes, speciális RL-technikákat dolgoztak ki. A számítási erőforrásokat rendkívül gyorsan feldolgozó rendszer mindaddig sok lehetséges módon igyekszik azokat elosztani, míg az ideálisra rá nem talál. Adatközpont és munkateher függvényében tanulja meg az ütemezés-stratégia használatát, hangolását.

Nincs szüksége emberi beavatkozásra, a feladat-végrehajtásban 20-30-szor, de még „csúcsidőben” is minimum kétszer gyorsabb a legjobb kézzel „írt” ütemező algoritmusoknál.

Kutatások kimutatták, hogy a rendszer hatására adatközpontok ugyanazt a munkaterhet gyorsabban és kevesebb erőforrást használva kezelik. Ráadásul ezekben az esetekben még a legkisebb, például 1 százaléknyi előrelépés is többmillió dollár és rengeteg energia megtakarítását jelenti.

Adatfeldolgozásnál az elvégzendő számításokat megjelenítő csomópontokat és az azokat összekötő éleket használnak. Minél nagyobb egy csomópont, annál több a munka. Az ütemező algoritmusok szerverekhez osztják ki a csomópontokat, az adatközpont pedig csomópontok és élek alkotta gráf.

A hagyományos RL nem szokott hozzá ennyire dinamikus gráfok kezeléséhez. A rendszerek szoftverágensekkel dolgoznak, az MIT-fejlesztés is ilyen ágenst használ ütemező algoritmusként. A tanuláshoz a sokféle gráf-szekvencia által szimulált folyamatokat (munkaterhelést, adatközpontokat stb.) használta fel, majd döntött a csomópontok elhelyezéséről. Minden egyes döntése feladat-végrehajtást jelent, amit a rendszer a munkaidő minimalizálása stb. alapján „jutalmaz.” Az ágens mindaddig próbálkozik, amíg el nem éri a lehető legtöbb jutalompontot.

A kutatók elmondták, hogy újításuk nagyon sokféle számítógépes rendszerre alkalmazható. A rendszer egyelőre a bejövő online forgalmat újraalkotni próbáló valósidejű szimulációkon gyakorol. Utána jön a szervereket potenciálisan lebénító, tényleges forgalom. Az összeomlást megakadályozandó, a rendszert adott esetben leállító „biztonsági hálót” is fejlesztenek.

A fejlett országokban a mai csecsemők és bölcsődések egyre inkább úgy nőnek fel, hogy környezetükben mind több emberszerű robotikus készülék és oktatási eszköz tűnik fel. Az úgynevezett Alpha generáció az első robotokkal, mint barátokkal felnövő nemzedék.

A gépek sokat segíthetnek nekik készségek elsajátításában, felgyorsíthatják a tanulást, viszont össze is zavarhatják őket. Többen ugyanis azt hiszik, hogy a robotok okosabbak az embereknél, egyesek pedig mágikus hatalmat tulajdonítanak nekik.

Kisgyerekek többet látnak a gépekbe, mint amik valójában, és érzelmileg is kötődhetnek hozzájuk.

Egyelőre nem ismerjük a mesterségesen intelligens eszközökkel történő cseperedés hosszútávú következményeit. Amerikai kutatók a tanuláson kívüli tevékenységeket és hatásaikat is vizsgálják, így is próbálják megérteni az MI-k működését.

Craig Le Clair, a Forrester elemzője szerint meg kell tanítani a gyerekeknek az „együttműködhetek és dolgozhatok gépekkel, nem fenyegetnek engem” attitűdöt, és ezt az oktatást már a bölcsödében célszerű lenne elkezdeni.

Cynthia Breazeal, az MIT (Massachusetts Institute of Technology) Médialaboratóriumának világhírű kutatója személyes robotika csoportot vezet az intézményben. A PopBots tantárgy részeként már négyéves gyerekeknek is igyekszik megtanítani az MI tanulási módszerének az alapjait, amelyekből kiindulva a gép később értelmezi a világot. Például meg kell mutatniuk egy-egy robotnak, hogy hogyan működik a kő, papír, olló játék stb.

Breazeal elmondta, hogy gyerekek általában nyolcéves kortól kezdik átvenni szüleik technológiákhoz fűződő viszonyát, így a szülőknek nagyon előrelátónak kell lenniük, hogy hogyan beszélnek robotokról.

Ugyanakkor óva int a „gyerekek jó barátja” és hasonló szövegekkel reklámozott vagy tanácsokat adó robotjátékoktól. Túlzottan kötődnének hozzájuk, és lényegében egy sem elmével, sem lélekkel nem rendelkező eszköz utasításait követnék.

A szülőknek arra is vigyázniuk kell, hogy hiába nagyon emberi küllemű a gép, véletlenül se társítsanak hozzá nemet. A gyerekeknek tisztában kell lenniük azzal a ténnyel, hogy játékaik elsősorban gépek, a velük folytatott kommunikáció pedig sok évtizedes, óriási emberi erőfeszítés eredménye.

A gyógyszerészeti szolgáltatásokat nyújtó Humana Pharmacy hívásközpontjában dolgozó kb. 1700 személy munkájában fontos szerepet játszó Cogito szoftver meghallgatja legtöbb beszélgetésüket, és hanghordozás, tónus, beszédritmus stb. elemzésével a jobb kommunikációra vonatkozó tanácsokkal látja el őket.

„Gyorsabban beszélsz, mint általában” – olvasható a figyelmeztetés, miközben az ügyfélszolgálatos számítógépének képernyőjén megjelenik egy sebességmérő ikon.

A beszélgetés folytatódik a fogyasztóval, és az MI-vel működtetett szoftver visszajelzései sem maradnak el.

„Gondolj arra, mit érezhet, próbálj kapcsolódni hozzá” – javasolja az MI, ha pedig az ügyfélszolgálatos hosszabban hallgat, jelzi neki, hogy nincs benne elég empátia a másik iránt, és így tovább.

Joshua Feast, a szoftvert fejlesztő Cogito Inc. társalapító-vezérigazgatója elmondta, hogy programjuk egyetlen dolgozót sem fog helyettesíteni, tevékenysége kizárólag kommunikációs tanácsadásból áll. Nem hiszi, hogy a telefonos ügyfélszolgálat teljesen automatizálódna. Az emberi tényezőre mindkét oldalon szükség van és lesz, még akkor is, ha előrejelzések alapján 2021-ben az ezirányú tevékenységek 15 százalékát MI-k fogják végezni, ami 2017-hez képest 400 százalékos növekedést jelent.

Hívásközpontokkal dolgozó (biztosítási, hitelkártya-kibocsátó stb.) vállalatok általában több mint 25 ezer ügyféllel rendelkeznek, és a nyelvtől és kultúrától független biológiai jelmechanizmusokat elemző Cogito segít kiküszöbölni, de legalábbis minimalizálni bármiféle részrehajlást, elfogultságot.

Feast szerint az MI különösen akkor hatékony, ha a humán dolgozó fárad, kicsit türelmetlenebbé válik. Ilyenkor sokat segít neki, hogy következetes maradjon, de csapatvezetőknek szintén hasznos eszköz a munkatársak teljesítményének értékelésekor.

Ugyanakkor Cogito nem teljesítménymenedzselő rendszer – hangsúlyozza Feast.

A Humana Pharmacy ügyfélszolgálatosai átlagosan napi 30-40 telefonhívást bonyolítanak le, és ha fáradtak, vagy munkahelyen kívüli problémáik vannak, teljesítményük megváltozik. Márpedig a munka jellegénél fogva az empátia mindig fontos, ezért lehet szükségük a segítő mesterséges intelligenciára. (A cégnél egyébként nem kötelező a Cogito használata.)

Az MI különlegessége, hogy pont azon területek egyikében, empátiában ad tanácsot az embernek, amelyekben a gépi értelem köztudottan nagyon rosszul teljesít.

Házi kedvencüket elveszítő macskatartók, ha akarják, hamarosan viszontláthatják a cica klónját. A pekingi Sinogene Biotechnology Company ugyanis bejelentette, hogy július elsején megszületett „Fokhagyma” (Garlic), az azonos nevű elhunyt állat utánzata.

A cég tavaly nyáron kezdett macskaklónozással foglalkozni. A második Fokhagyma 66 nappal azt követően látta meg a napvilágot, hogy egy embriót juttattak a pótanya szervezetébe.

„A cicám vesebetegségben halt meg. Azért határoztam el, hogy leklónoztatom, mert felejthetetlen volt” – nyilatkozta Huang Yu, a gazda.

Fokhagyma és az eredeti cica (a klónozáshoz szükséges sejtek tőle származnak) külsőre – biológiailag – ugyan azonos, belső karakterjegyeik viszont mások. A klón saját személyiséggel, saját emlékekkel rendelkezik.

A cég bejelentette, hogy a következő szint pontosan a belső tulajdonságok, emlékek leklónozása lesz. A kivitelezéshez (a személyiséget meghatározó jegyek és az emlékek tárolásához, átviteléhez) mesterséges intelligenciát és ember-gép interfésztechnológiát terveznek használni.

Egyelőre nem lehet tudni, hogy a „teljes klónozás” technikailag kivitelezhető-e, vagy sem.

Fokhagyma sikeres klónozásával a cég hivatalosan elkezdi ezirányú szolgáltatását, ára 250 ezer jüan (35400 dollár) lesz. Már többen bejelentkeztek, az érdeklődés alapján komoly piac alakulhat ki. 2018-as adatok szerint Kínában több mint 73 millió macska- és kutyatulajdonost tartanak nyilván, és a bő kétharmaduk nagyon ragaszkodik a háziállathoz.

A cég klóntechnológiáját veszélyeztetett állatfajok, például óriáspandák megmentésére is tervezi használni, amelyhez azonban fajok közötti klónozás-kísérletekre is szükség lenne. Ezen a területen sehol semmiféle sikert nem értek még el, egyelőre sci-finek tűnik, hogy például egy nyúl kismalacnak ad életet.

A technológia ugyan sok állattulajdonosnak tetszhet, viszont sokan ellenzik is. Tudósok szerint a klónok egészségi állapota gyengébb, mint a természetes körülmények között született állatoké, rövidebb ideig élnek, és a megoldás morális kérdéseket is felvet. Állatjogi aktivisták például menhelyeken lévő cicákra, kutyákra hivatkoznak, mert ha a klónozás elterjedne, kevesebb eséllyel találnának gazdára.

(Az első képen a klónozott, a másodikon az eredeti „Fokhagyma” látható.)

Augusztus 22-én a Szojuz MS-14 fedélzetén, a kazahsztáni Bajkonurból Oroszország fellőtte a világűrbe Fedort, az ország első űrben ténykedő humanoid robotját. (Fedor a Final Experimental Demonstration Object Research rövidítése.)

Az életnagyságú, 1 méter 80 centis, viszont 160 kiló tömegű ezüstszínű gép a Nemzetközi Űrállomásra ment, ahol tíz napot tölt el, asztronautáktól tanul, és beletanul, hogyan segítsen nekik. A tervek szerint szeptember 7-ig marad velük, az űrhajó akkor tér vissza.

A Szojuzok fedélzetén általában emberek tartózkodnak, de a Skybot F850 néven is ismert Fedor utazásakor nem volt humán személyzet, mert a jármű új sürgősségi mentőrendszerét tesztelték. A kezében kicsi orosz zászlót tartó gépet speciálisan kidolgozott pilótaszékhez rögzítették.

Fedor Instagram és Twitter fiókján posztol, posztjaiban beszámol új képességek elsajátításáról, például, hogy ki tud nyitni vizes palackot. Az állomáson nagyon alacsony gravitációban tesztelik manuális adottságait.

„Elektromos kábelek be- és kikapcsolásáról, hétköznapi tárgyak, például csavarhúzó, csavarkulcs, tűzoltó készülék használatáról van szó. A kísérletek első szakasza a tervek szerint ment” – nyilatkozta az Orosz Űrügynökség egyik programvezetője, Alexander Bloshenko.

Fedor igyekszik emberi mozgásokat utánozni. Ez a képesség nélkülözhetetlen űrhajósok vagy akár a Földön tartózkodó, exoskeletonba (külső robotikus vázba) bújtatott személyek távolról történő segítésében.

A humanoid és a hozzá hasonló többi robot veszélyes műveleteket, például űrsétákat kivitelezhet, és erős sugárzásnak kitett környezetekben, aknamentesítő és más kockázatos mentőműveletekben is részt vehet.

Az állomáson a július óta ott tartózkodó, exoskeletont és kiterjesztett valóság (augmented reality, AR) szemüveget viselő Alexander Skvortsov figyeli, hogy Fedor hogyan kivitelez feladatokat, feladatsorokat. Mivel a mozgását támogató fogantyúk mikrogravitációban történő kezelésére nem kapott kiképzést, lábait mozdulatlanul hagyják.

Az orosz média szerint elképzelhető, hogy hasonló robotok vesznek majd részt az ország Hold-misszióiban.

Fedor egyébként nem az első robot a világűrben.

2011-ben a NASA a General Motors által, veszélyes környezetekben való munkára fejlesztett Robonaut 2-t küldte fel, a gép technikai problémák miatt 2018-ban visszatért a Földre.

2013-ban a Toyota-fejlesztésű, kisméretű Kirobo az ISS első japán űrparancsnokával repült az állomásra. Még beszélgetni is tudott, igaz, csak japánul.