A Hanson Robotics Sophiája a világ talán leghíresebb androidja. A szinte élő humanoid szerepelt a Cosmopolitan címlapján, randevúzott Will Smith-szel, rengeteg televíziós fellépése volt, és még Szaúd-Arábia állampolgárságát is megkapta.

Úgy tűnik, Sophia mostanában megsokszorozódik, de legalábbis bővül a brand.

2018 novemberében a Hanson Robotics androidcsaládja új taggal gyarapodott. Az apró robotot maga Sophia mutatta be, „kishúgának” nevezte egy televízió-műsorban.

A David Hanson által alapított Hongkong-székhelyű cég a héten Kickstarter-kampányba kezdett, Kicsi Sophia érdekében próbál közösségi támogatáshoz jutni. A megcélzott 75 ezer dollárt hamar elérték, a kampánnyal 7 és 13 év közötti gyerekek programozás-oktatásába szeretnék bevezetni a botot.

A 35 centi magas robot szemei a japán rajzfilmek, az animék világát idézik. Teste ezüstös, koponyájának hátsó része ugyanúgy áttetsző, ugyanolyan jól láthatók a kábelek mint a „nővérénél”. Sophia más tulajdonságaival is rendelkezik: énekel, sétál, táncol, játszik, figyeli és követi az arcokat, vicceket mesél.

Elsődleges rendeltetése azonban nem a szórakoztatás, hanem az oktatás. A diákoknak Blockly és Python nyelveken kell programozniuk a botot. A Kickstarter-kampány bevezető szövegében a cég hangsúlyozza: „bizakodunk, hogy Kicsi Sophia segít a tudomány, technológia, mérnöki ismeretek és a matematika megismertetésében. Ezek mellett a programozást és a mesterséges intelligenciát is szórakoztató, biztonságos, inspiráló és interaktív módon ismertetné meg a gyerekekkel, különösen lányokkal.”

A robot 99 és 149 dollár közötti összegbe kerül. A pontos ár a megrendelés időpontjától függ, a Hanson Robotics decemberre ígéri a kiszállítást.

Kicsi Sophia ugyan nem az egyetlen oktatási célú humanoid robot, világhírű nővére viszont rengeteget segíthet a marketingkampányban. Ekkora támogatással nagyobb hatása lehet, mint elődeinek és kortársainak, ráadásul robotikusok új generációját is inspirálhatja.

Az egyik vezető játékfejlesztő cég, a Unity nem emberek, hanem mesterséges intelligenciák számára dolgozta ki legújabb darabját, az Akadálytornyot (Obstacle Tower). Azért találták ki az egészet, hogy megítéljék: az MI ágensek milyen hatékonyan képesek kezelni az egyre nehezebb és kiszámíthatatlanabb száz szintet.

Minden egyes szint folyamatosan változik, sosem egyforma, az MI nem tudja előre, mit kell majd megoldania. Lényegében egyfajta kirakós játékot, puzzle-t kell abszolválnia, és a fejlesztők a díjakat is meghirdették: 100 ezer dollár az első győztes csapat jutalma.

Az Akadálytorony másik sajátossága: eleve úgy tervezték, hogy tesztmérceként (benchmark) tekintsenek rá, és pokoli nehéz legyen egy mesterséges intelligenciának.

Az algoritmusokat „megtestesítő” ágensek megerősítéses tanulással igyekeznek minél jobb eredményt elérni. A hatalmas adatsorokban mintázatokat kereső (és találó) legáltalánosabban használt tanulástechnikákkal ellentétben, a megerősítéses tanulással dolgozó MI-k pontosan nem definiált problémák megoldásánál szoktak remekül teljesíteni.

Az Akadálytorony újabb és újabb szintjei pont ilyen problémákat jelentenek. Az algoritmus a korábbi teljesítményéért kapott és beleprogramozott jutalom alapján képes új viselkedésformákat alkalmazni. Egy kicsit úgy teszi, mint ahogy a megdicsért – és jutalomban részesített – kutyák újabb trükköket sajátítanak el.

A játékhoz kapcsolódó algoritmus fejlesztése komoly kihívás a tervezőknek. Az Akadálytornyot eleve MI-nek találták ki, a fejlesztők munka közben sok kontroll-, képi és kognitív problémával szembesülnek. A fejlődéshez, az egyre nehezebb szintek abszolválásához viszont mindet meg kell oldaniuk.

A játékot humán versenyzők is letesztelték, és általában 15 szintig jutottak el.

A Unity februárban teszi közkinccsé az első 25 szintet, így a külsős fejlesztők hamarosan tesztelhetik algoritmusaikat. A 100 szint április közepére készül el, akkor indul élesben a verseny.

A mélytanulás (deep learning) határozta meg a mesterségesintelligencia-kutatás elmúlt éveit, szinte az egész szakterület tanuló algoritmusokra, tanulórendszerekre összpontosított. Úgy tűnik, hamarosan véget érhet az MI történetének ez a sok komoly eredményt produkáló szakasza.

A jelenségben semmi meglepő nincs. A mesterséges intelligencia Alan Turing úttörő munkásságát követően, „hivatalosan” 1956 nyara óta, a New Hampshire állambeli Darthmouth College-ban megrendezett nyolchetes workshoppal született. Az eseményen az „alapító atyák” (John McCarthy, Marvin Minsky, Claude Shannon, Alan Newell, Herbert Simon stb.) vettek részt, és maga az elnevezés is onnan származik.

A tudományág történetét azóta kb. tízéves ciklusok határozzák meg. Eleinte az ideghálók, majd a szakértői rendszerek, aztán az ágenstechnológia, a 2010-es években pedig a mélytanulás volt meghatározó trend, a kutatások legfőbb csapásiránya.

Egy friss elemzés arra enged következtetni, hogy a 2020-as években sem lesz másként, azaz újabb trendváltásra számíthatunk.

Az MIT (Massachusetts Institute of Technology) egyik csoportja 1993 és 2018. november 18. között a nyilvánosan hozzáférhető arXiv gyűjtemény mesterségesintelligencia-szekciójának 16625 (negyedszázadnyi) kutatási anyagát tanulmányozva megállapította, hogy 20 éve növekszik, 2008-tól pedig „turbósebességre” kapcsolt a gépi tanulás iránti érdeklődés. A legizgalmasabb új fejlesztések szinte egytől egyig a mélytanulás valamilyen szintű alkalmazásai voltak.

Az elmúlt évben és az utóbbi hónapokban viszont megfordulni látszik a tendencia. Egyelőre csak az valószínűsíthető, hogy a tudományos közösség érdeklődése elfordulni látszik a gépi tanulástól, viszont bizonytalan, hogy melyik kutatási terület veszi át a helyét. A múlt tapasztalata, hogy megjelenésekor nagy várakozás előzött sokféle MI-megoldást, amelyek akkor nem úgy váltak be, mint hitték, a későbbiekben viszont más formában sikeresnek bizonyultak. Magát a gépi tanulást is még az 1950-es évek végén, 1960-as évek elején „találták ki”, de az igazi robbanásra, a nagy áttörésre a 2010-es évekig kellett várni.

Ez a korszak érhet most véget, az MIT kutatói viszont nem bocsátkoznak előrejelzésekbe, hogy mi lehet a következő trendi terület. Akár meglévő és a nagyon közeli jövőben kibontakozó mesterségesintelligencia-technológia is átveheti a mélytanulás szerepét, de az sem kizárt, hogy hamarosan a jövőt alapjaiban megváltoztató, teljesen újfajta MI-t fejlesztenek.

Mesterségesintelligencia-rendszerek teljesítményét évtizedek óta tesztelik és értékelik ki játékokon. A lehetőségek és a teljesítmény növekedésével a fejlesztői közösségek egyre komplexebb játékokat használnak, rajtuk vizsgálják, hogy az MI-k miként képesek megoldani valóvilágbeli és tudományos problémákat.

Ezeknek a kutatásoknak a Google-hoz tartozó, a dél-korai világranglista negyedik helyezett gobajnokot 2016-ban tönkreverő AlphaGo révén világhírűvé vált londoni DeepMind az egyik élharcosa.

Az utóbbi évek egyik legbonyolultabb, legtöbb kihívást tartogató és az e-sportokban nagyon népszerű valósidejű stratégiai (real-time strategy, RTS) játéka, a Blizzard által fejlesztett StarCraft kapcsán konszenzus alakult ki: a következő „nagy kihívást” jelenti az MI számára.

A más, egyszerűbb játékokban (Atari, Mario, Quake III, Dota 2 stb.) elért eredmények ellenére MI-knek komoly gondot okoz a StarCraft. Részsikereket csak a játékszabályok enyhítésével, egyszerűbb térképekkel stb. értek el, de profi gamerekkel még így sem rivalizálhattak.

Ismét a DeepMind, az általa fejlesztett AlphaStar a mérföldkő.

A StarCraft II-t a játékból közvetlenül kinyert adatokon felügyelt és megerősítéses tanulással gyakorolva ismerte meg, majd december 19-én többjátszmás meccsen legyőzte a világ egyik legjobb profi StarCraft gamerét, a Liquid csapat oszlopát, Grzegorz MaNát. Ötször mérkőztek meg egymással, AlphaStar mind az öt alkalommal diadalmaskodott. Előtte MaNa csapattársával, Dario TLO Wünsch-sel mérkőzött meg, és szintén nyert.

A mérkőzések teljesen profi keretek között zajlottak, az MI semmiféle kedvezményt nem kapott, ugyanazt a StarCraft II-t kellett lejátszania, mint az összes hivatásos versenyzőnek. AlphaStar előnye, hogy az utasításokat szimultán, az embernél gyorsabban képes kivitelezni.

A DeepMind rendszerei ugyanakkor nem általános mesterséges intelligenciák (artificial general intelligence, AGI), hanem különféle modellek, így egyszerre képtelenek sakkban, góban és stratégiai játékban is megverni az embert. Ennek ellenére a mostani siker nagyon fontos lépés, mert az MI többszintű, hosszú időre vonatkozó stratégiákat sajátított el, amelyeken szükség szerint tud változtatni is, és a környezet módosulásaira ugyanolyan gyorsan, sőt, időnként gyorsabban reagál, mint a profi játékosok.  

AlphaStar győzelme azt jelenti, hogy hosszútávú stratégiák kidolgozásában, és amikor csak hiányos információk állnak rendelkezésre, számíthatunk mesterséges intelligenciák valósidejű döntéshozására. Ezek az MI-k nem AGI-k, viszont a legkomplexebb kognitív problémák megoldásában is segíthetnek. Ilyen problémákkal csak a Homo sapiens birkózott meg eddig, vagy pedig leegyszerűsítettük, hogy az MI-nek is legyen esélye. Mostantól viszont nincs szükség egyszerűsítésre.

Az élesebb képernyő, a jobb kamerák és a tovább tartó elemek kivételével az okostelefonok nem sokat változtak megjelenésük óta, azaz az elmúlt bő tíz évben kisebb-nagyobb módosítások ellenére is megtartották eredeti formájukat. A változás előszeleként, ugyan csak bemutatókon, de az elmúlt egy-két évben például a Samsung vagy az LG jóvoltából teljesen más, rugalmas, hajlított és egyéb fura készülékeket ismerhetett meg az érdeklődő (szakmai) közönség.

2019-ben a trend folytatódhat, hajlított telefonok után jöhetnek az összehajtogathatók. Inkább kuriózumszámba menő elődeikkel ellentétben, az idei CES-en (a január eleji Las Vegasi Fogyasztói Elektronikai Show) a Royole bemutatta az „első teljesen hajlékony kijelzős” elektronikus eszközt, egy tabletté összehajtogatható okostelefont, amely tehát nemcsak érdekesség, technikai bravúr, hanem konkrét haszna is van: okostelefon is, tablet is.

Hajtogatás közben nem esik kár benne, semmi nem törik el vagy karcolódik össze. Előnye, hogy a Royole két készüléket integrált egybe. (A fejlesztői modell ára 1318 dollár.)

A Royole mellett értelemszerűen mások is próbálkoznak. A Samsung idén tervezi összehajtogatható készüléke forgalmazását. 2018 végén mutatta be a prototípust, ami egy kicsit olyan, mint a Royole gépe, azzal a különbséggel, hogy a képernyő könyvre emlékeztet. Az új „okostelefon-tablet kombó” híresztelések alapján 1500 dollár körüli összegbe kerülhet.

A Samsung bemutatóját követően az Android bejelentette, hogy a fejlesztők ezentúl újabb – „hajtogatható” – készüléktípusra is dolgozhatnak. A rugalmas képernyő-technológiának köszönhetően, a kijelző valóban hajlítható.

A Xiaomi január 23-án mutatta be három részt hajtogatható, az eltérések ellenére a többihez hasonló okostelefon-prototípusát. A cég közölte, hogy nehéz technológiai problémákat oldottak meg, és ha a fogyasztók valóban érdeklődnek, a prototípusból terméket gyártanak.

Kiszivárgott információk alapján a szintén kínai tulajdonban lévő Motorola is összehajtogatható telefonon dolgozik, az iPhone előtti idők népszerű brandjét, a 2004-ben forgalmazott RAZR-t éleszti újjá. Az eredetihez nagyon hasonló készüléknek is kb. 1500 dollár lesz az ára.

Nukleáris katasztrófák helyszíni kezelése akkor sem embernek való munka, ha megfelelő védőöltözetbe bújunk. Testünk egyszerűen nem viseli el a radioaktív sugárzást.

A Homo sapiensszel ellentétben, gépek megoldhatják a feladatot.

Sok robusztus és „intelligens” robotot eleve azért fejlesztenek, hogy számunkra túl veszélyes környezetekben dolgozzanak. Európa több évtizedes radioaktív hulladékának eltakarítása vagy nukleáris szerencsétlenség utáni segítségnyújtás pont ilyen feladat.

A 2011-es fukushimai katasztrófa mentési munkálataiban résztvevő robotok sajnos csak a legalapvetőbb adottságokkal rendelkeztek, munkájukat senki sem tartotta hatékonynak.

Brit kutatók a célra ideálisnak tűnő kentaurféle robotot fejlesztenek. A bő másfél méter magas és 90 kiló tömegű Centauro alumíniumból és más fémekből, „bőre” pedig nyomtatott műanyagból készült. A mitológiai lényre emlékeztető szerkezet felső része olyan, mint az emberé, alsóteste pedig a lóra emlékeztet.

A négylábú megoldással a gép sokkal stabilabban áll a talajon, mintha csak két lába lenne.

Mindegyik lába kerékben végződik. A teszteken valódi élethelyzeteket utánoztak, és a gép sikeresen vette a lépcsőket, átlépte a lyukakat, pontosan navigált törmelékek között. A karjain lévő ujjak elég ügyesek ajtók nyitásához, elektromos eszközök működtetéséhez.

A robot csak részben autonóm. Ha arra utasítják, hogy menjen egy meghatározott helyre, képes kitalálni, hogyan tegye. Cselekedeteinek zömét azonban ember irányítja, fejre szerelt kijelzőn, sisakon és karra erősített szerkezeteken keresztül. A sisak jóvoltából az operátor mindent lát, amit a robot.

A kijelző és a karon lévő eszközök együtt teremtik meg a telejelenlétet, az ember és a gép közötti közvetlen érintkezést. A rendszer méri az operátor kar-, csukló- és ujjmozgását, az adatokat pedig továbbítja a robotnak. Az ezekben a szituációkban autonóm helyett távirányított módban működő gép így képes végrehajtani az utasításokat.

Centauro egyelőre nem alkalmas radioaktív hulladékok között keresgélni, sokat kell még finomítani rajta, hogy képes legyen rá.

A jövőben viszont rendkívül fontos szolgálatokat tehet az emberiségnek.

Szükség is lesz rá, mert az Európai Unióban több mint 90 atomerőművet zártak be, és a bezárások folytatódnak. Az Európai Bizottság 2021-2027-es költségvetésében 1,2 milliárd eurót szán nukleáris biztonságra.

„Az Egyesült Királyságban kb. 5 millió tonna nukleáris hulladék található. Eltakarításuk az egyik legnagyobb környezetvédelmi kihívás” – nyilatkozta a robotkentaurt is jegyző európai uniós RoMaNs (Robotic Manipulation for Nuclear Sort and Segregation) projekt koordinátora.

Már nem meglepő, hogy a videojátékok és a szimulációk egyre élethűbbek. Az viszont még meglepetésnek számít, hogy múlt hétvégén egy valódi autóversenyzői gyakorlattal nem rendelkező profi videojátékos, a 23 éves Enzo Bonito igazi autóversenyen verte meg az ex-Forma-1-es Lucas di Grassit.

Bonito eddig kizárólag (a Dél-Koreában lassan össznemzeti hobbinak számító) e-sportokban, címekért és komoly összegekért folytatott videojáték-versenyeken jeleskedett. A versenyek népszerűségét jelzi, hogy egy tavalyi megmérettetésen a nyeremények összege meghaladta a 100 millió dollárt.

Az idén Mexikóban megrendezett Bajnokok versenyére mindenféle autó- és motorsport legjobbjai gyűltek össze. Az elsőt 1988-ban tartották, 2018 óta változtak a szabályok – a szervezők hallgattak az idő szavára, és immáron virtuális versenyzők is indulhatnak.

Az elsőszemélyes lövöldözős vagy a valósidejű stratégiai játékokkal ellentétben, a „szim versenyek” vagy „virtuális motorsportok” a gumiabroncsok kopásától kezdve a fékrendszerekig, a legaprólékosabban szimulálják az igaziakat. A gamereknek valódi versenyautókat kell vezetniük. Egér és billentyűzet helyett ugyanúgy fizikai kormányt és gázpedált használnak, mint a fizikai versenyek résztvevői.

Utóbbiak általában több évtizedes gyakorlás, különféle bajnokságok „szamárlétrája” után érnek fel a csúcsra. A mai szimulátorok viszont annyira tökéletesek, hogy e-sport-versenyzők, mint például Bonito valódi futamok győzteseivé válhatnak.

A szimuláció közben elsajátított ismeretek, pallérozott képességek igazi autóversenyeken is működnek, azaz a két terület között sokkal nagyobb az átjárás, mint gondoltuk volna.

Bonito győzelme egyrészt sokkolta a közvéleményt, másrészt hosszú ideje a „levegőben lógott”, az e-sportokat jól ismerők számára nem okozott különösebb meglepetést. A virtuális autóversenyzés ugyanis hatalmas fejlődésen ment keresztül.

Az első profi csapat 2016-ban indult, a különböző ligák ma már óriási hálózatot alkotnak. A jelenség a másik irányban is működik: valódi versenyek résztvevői indulnak online megmérettetéseken.

Bonito nem állt meg egy szimpla győzelemnél. Másnap, január 20-án az Indy 500 motorsport háromszoros bajnokát, Ryan Hunter-Reay-t verte meg.

Egy teniszjátszma megnyerése jelentős mértékben függ attól, hogy képesek vagyunk-e pontosan előrejelezni, azaz megérezzük-e ellenfelünk következő lépését.

Az ausztrál Queenslandi Műszaki Egyetem (QUT) kutatói játékosok ütésekre vonatkozó döntéseit elemző, lépések valószínűségére következtető mesterséges intelligenciát fejlesztettek. Az új MI sportolók és nézők számára egyaránt megváltoztathatja a teniszt.

A kutatók játékosok agyában döntésekhez vezető mentális folyamatokat kombináltak össze egy ideghálóval. Korábbi tanulmányokból kiderült, hogy teniszezők az agy (tapasztalatokhoz kapcsolódó) epizodikus és (ismeretekhez, fogalmakhoz társítható) szemantikus memóriáját használják az ellenfél következő lépésének megérzésére.

A hosszútávú emlékezet új ismeretek elsajátításáért, azok önmagunkkal és környezetünkkel összefüggésbe hozásáért felelős része az epizodikus memória. A szemantikus emlékezeten belül elkülönítjük egy adott személy múltjára vonatkozó személyes, illetve a világ tényeiben, történéseiben stb. jártasságra utaló általános szemantikát. Ez az emlékezet tudásunk alapja.

Az információkat feltöltötték mesterséges intelligenciájukra, az Emlékezet által kiterjesztett, félig felügyelt generatív ellenséges hálózatra (MSS-GAN).

Az MI-t Rafa Nadal, Roger Federer és Novak Djokovics a 2012-es Ausztrál Openen leadott 8780 ütésének elemzésével gyakoroltatták, tesztelték és hitelesítették. Az összes fontos tényezőt (labda útvonalát, sebességét, játékosok lábmozgása által bezárt szögeket) tartalmazó adatokat speciális labdakövető-rendszer rögzítette.

Az MI az adatok 70 százalékán gyakorolt, 25 százalékán pedig tesztelték. Mindig a soron következő ütést kellett prognosztizálnia: győztes ütés lesz-e, hibázik-e az ellenfél, vagy egyszerűen csak folytatódik a szerva.

Az ütéstípust 82,65 és 89,01 százalék közötti pontossággal jelezte előre, és a helyszín koordinátáival sem tévedett sokat.

A rendszert kisebb adatsorral, egy másik torna másik négy játékosának ütéseivel szintén tesztelték. Teljesítménye nagyjából megegyezett az előzőével, azaz még akkor is hatékony, ha nem áll rendelkezésére sok adat.

A kutatók szerint rendszerük plusz intelligenciaszintet ad a jövő teniszversenyeit felvevő kamerákhoz. Mivel ráéreznek a következő ütésre, a labda útját pontosabban tudják nyomon követni, és így élvezhetőbbé teszik a közvetítést.

Játékosaik felkészítése során edzők szintén használhatják az MI-t. A versenyző jobban megismeri ellenfele agytevékenységét, a másik szerepébe képzelheti magát.

Az érzékek közül talán a szaggal foglalkozunk a legkevesebbet, pedig nagyobb szerepet játszik a valóság észlelésében, mint hinnénk. Az infokommunikációs technológiák sem vizsgálják, szimulációkban is csak ritkán próbálják utánozni az élményt.

Bő három éve jelent meg a brooklyni FeelReal cég szagélményt generáló virtuálisvalóság-maszkjának kezdetleges első változata. A többféle érzékszervi hatást elérő sisak piacra kész legújabb változatát decemberben mutatták be.

A maszk a legtöbb ismert VT headsettel (Oculus Rift, Oculus Go, Samsung Gear VR, HTC Vive, PlayStation VR) kompatibilis, amelyek hátuljára mágneses tartóval kell rögzíteni, és bluetoothon csatlakozik rájuk.

A FeelReal jelentős mértékben növeli az ezeken a hardvereken futó játékok felhasználói élményét (már amelyik játékkal kompatibilis).  

Sisakos userek látványa eddig is megmosolyogtató volt, az új kiegészítővel pedig úgy néznek ki, mint valamelyik rosszfiú egyenesen a Csillagok háborújából.

A fejlesztőcég szerint a világon ez az első ilyen eszköz, és a virtuális valóság (virtual reality, VR) ugyan csak nagyon lassan válik mainstreammé (ha valaha azzá válik egyáltalán), a maszk azonban a szó szoros értelmében színes-szagos betekintést ad a jövő látvány- és hangélményen túlmutató virtuális világaiba. Ráadásul nemcsak szagokat tapasztalunk meg, hanem arcunkon érezzük az esőt, a hőséget és a szelet is. A szimuláció jól működik, abban viszont tévednek a fejlesztők, hogy a FeelReal az első szagalapú VR-kütyü, mert előttük is sokan próbálkoztak, az eredmények viszont lehangolóak voltak.

A többszenzoros maszk szaggenerátora kilenc cserélhető „patront” tartalmaz, egy-egy patron a katalógusban megtalálható 255 (hozzáférhető) szag valamelyikével megtöltve. A vízpára érzetét ultrahangos ionizáló rendszer teremti meg, míg a hőség, a szél és a vibrálás képzetét mikromelegítők, mikrohűtők és tapintásalapú (haptikus) motorok hozzák létre.

Ha a játékok nem elégítik ki a felhasználó igényeit, elvárásait, a maszk 360 fokos videókhoz, személyre szabott VR-éményhez, vagy éppen aromaterápiára is alkalmas.

A maszkkal kompatibilis játékok száma egyelőre korlátozott, de értelemszerűen gyorsan változhat a helyzet. A cég hamarosan Kickstarter-kampányt indít, a befolyó összeget további fejlesztésekre fordítják.

A beszédes nevű ANYmal (az angol „animal” állatot jelent magyarul) méretre akkora, mint egy termetesebb kutya: 70 centi magas, tömege 50 kiló. A robot 12 mozgó részt tartalmaz. A részeket koordinálni kell a járáshoz, futáshoz, vagy akár ahhoz, hogy felálljon, miután elesett.

A különféle terepeken, váltakozó tempóban haladva potenciálisan felvehető pozíciók és a kapcsolódó pontok modellezése hetekig eltarthat, ha ember végzi.

A robotkutyával az ETH (Svájci Szövetségi Technológiai Intézet) Zürichben végzett kutatásokból azonban kiderült: sokkal előnyösebb, ha ember helyett mesterséges intelligencia kivitelezi a munka nehezét. Az MI úgy modellezte ANYmal mozgását, hogy testsúly-egyensúlyt teremtett a hatékony helyváltoztatáshoz. A „kutya” így kevesebb erőt fejt ki, elkerüli, hogy megcsússzon, stabilan jön-megy.

Alapvető helyváltoztató tevékenységekhez mindezt figyelembe kell venni, miként azt is, hogy egyenes vonalon kell előrehaladni, vagy éppen körkörösen kell futni.

A robotot úgy tesztelték, mintha járni tanuló kisgyerek lenne. Egyszerre csak egy mozgást figyeltek meg, majd megállapították, hogy milyen szinten képes kivitelezni azt, hogyan reagál utasításokra, mennyit tanul meg belőlük.

Miután lerúgták, meglökték vagy egyszerűen csak elesett, felállt. A mozdulatsor sikeres kivitelezéséhez a kutyaszerű robot a felállás minden lehetséges módját kipróbálta.

Egy négylábú robotnak ez az egyik legnehezebb teszt.

„A mozgásfeladathoz mindössze négy óra elég volt egy átlagos asztali számítógépen” – nyilatkozta a kutatást vezető Jemin Hwangbo.

A futáshoz lefuttattak egy szimulációt, és a mesterséges intelligencia, egy idegháló kitalálta, hogy ANYmal hogyan döntse meg saját csúcsteljesítményét, azaz gyorsabb mozogjon az addigi másodpercenként 1,5 méternél.

Az MI azt is kitalálta, hogyan fusson a robot anélkül, hogy elesne. Figyelemre méltó, hogy ezt a cselekvéssort (is) állatokhoz hasonlóan végzi el. Esés utáni feltápászkodás mellett azt is elsajátította, hogy, ha megbotlik, hogyan nyerje vissza az egyensúlyát.

Ezek a tanult adottságok kifejezetten hasznosak lesznek, ha például sziklás terepen kell közlekednie.