Hlavní navigace

Martin Pecka, Karel Zimmermann (ČVUT): V soutěži DARPA jsme uspěli, protože jsme nebyli líní trénovat

12. 9. 2019
Doba čtení: 18 minut

Sdílet

Tým z ČVUT uspěl v USA v soutěži autonomních robotů pořádané agenturou DARPA. Zde jsou jejich zkušenosti a technologie.

Tým vědců a výzkumníků z ČVUT pojmenovaný CTU-CRAS nedávno vyhrál v Pittsburghu soutěž pořádanou agenturou DARPA, která spadá pod americké ministerstvo obrany. Konkrétně uspěl v sekci družstev, které nesponzoruje DARPA, a celkově se umístil třetí. Autonomní roboti z Prahy plnili záchranářskou misi v uhelném dole a v budoucnu se zúčastní dalších třech kol.

Martin Pecka a Karel Zimmermann, kteří jsou součástí CRAS, v rozhovoru pro Lupu popisují, jak taková soutěž vypadá, jaké technologie jejich roboti využívají či jaké jsou překážky rozvoje autonomní robotiky.

Čím přesně se na ČVUT zabýváte?

Karel Zimmermann (KZ): Jsme tým z katedry kybernetiky a dali jsme se dohromady s lidmi z katedry počítačů. Jsme tedy takový „nadkatederní“ tým, který se jmenuje Center for Robotics and Autonomous Systems, tedy CRAS. Pro účely soutěže pořádané DARPA jsme se pojmenovali CTU-CRAS. Vyvíjíme heterogenní tým robotů, který by se něčeho takového mohl účastnit.

Hlavní zdroj našeho financování je z výzkumu, což znamená psaní různých článků. Soutěž s roboty je tak trochu stranou a v podstatě tyto aktivity certifikují, že algoritmy, které vymýšlíme a používáme, je možné opravdu reálně nasadit. Částečně jsme také placení za výuku a z malé části děláme různé mimoškolní aktivity. Máme i různé komerční spolupráce s firmami. Na katedře máme například Toyota Research Lab a dále spolupracujeme s firmami Valeo či Volkswagen.

Martin Pecka (MP): K soutěži DARPA nás přivedla předchozí zkušenost, kdy jsme dělali na evropském projektu TRADR. Tam probíhala spolupráce univerzit a výzkumných center. Projekt se zabýval záchranářskou robotikou a hlavní myšlenkou bylo, že už jsme schopní vyrobit roboty, kteří se zvládnou sami pohybovat a trochu vnímat okolí. No a nyní by bylo dobré se podívat na to, jak by takový tým robotů uměl spolupracovat s lidmi. A to z důvodu, aby se vytvořil efektivní záchranářský tým například v případě zemětřesení. Cílem také bylo, aby se z robotů stali plnohodnotní členové týmu.

Kam se autonomní robotika obecně jako oblast už dostala?

KZ: Nejblíže k naší oblasti asi mají autonomní auta. To je speciální případ autonomní robotiky, který je v některých ohledech jednodušší než to, co děláme my. Auta mají k dispozici existující mapy, GPS signál, dopravní značky pro orientaci, značení na silnicích a tak dále. Dalo by se říci, že auta dnes mohou fungovat plně autonomně, až na výjimky.

Soutěž DARPA byla výrazně složitější. Roboti byli v podzemí, kde nefunguje lokalizace typu GPS, a stroje se tak musí lokalizovat samy. To je těžké i pro člověka – kdyby vás někdo s batohem poslal do jeskyně a chtěl po vás přesné souřadnice, nezvládnete to. Další věcí jsou extrémní podmínky ve viditelnosti, kdy se například kouří umělým kouřem, rozsvěcují a zhasínají světla, je tam řada lesklých povrchů jako rozlitá voda, která dává nepříjemné odlesky do kamery. V tomto smyslu byla soutěž extrémní.

Jaký byl obecný princip toho, co mají roboti v soutěžní jeskyni dělat?

MP: Jedna z věcí, o které organizátorům pravděpodobně jde, je to, abychom zvládli vyřešit komunikaci mezi více roboty. Už jen rozlehlostí scénáře, který může mít až kilometry a na který máme hodinu, je jasně dané, že misi musí plnit více robotů. V podzemí se špatně šíří signály, pokud tedy nejde o přímou viditelnost, kdy se udělá vlnovod. Ale jakmile jsou roboti někde za rohem, stává se komunikace velmi obtížnou.

Komunikace je tedy důležitá věc. Pak už je jedno, jaké roboty do podzemí pošleme. Prakticky všechny týmy zvolily způsob, že tam poslaly heterogenní tým složený z více druhů robotů, kdy je každý dobrý na něco. My jsme v našem týmu měli dva pásové roboty, kteří zvládají překonávat náročnější terén, i když v Pittsburghu v podstatě žádný takový nebyl. Dále jsme měli kolového robota, který je zase rychlejší a nezvládne tolik překážek. Testovali jsme také dron, který měl v tomto scénáři podobný výkon jako pásoví roboti, kdy třeba viděl podobný počet hledaných předmětů. Organizátoři soutěže slibují, že se časem ve scénáři objeví vertikální šachta. Hledaný objekt by tak byl třeba v deseti metrech výšky a tam už by byl dron nutnost. Podobná sestava strojů by ideálně měla vyřešit všechny překážky, které během plnění mise mohou nastat.

Náš systém v tuto chvíli pro navigaci používá vlastní mapu, kterou si roboti staví většinou z laserových měřáků. Ty jim dávají ponětí o tom, jak prostředí vypadá ve třech rozměrech, což je pravda u větších robotů, kteří unesou těžší senzory. V případě dronů se to děje jen ve dvou rozměrech a měření jim dává informace o vzdálenosti od překážek. Když se měření inteligentně skládá za sebe, vznikne z toho mapa. Na tu se pak pustí další algoritmy, které odhadují průjezdnost různých částí mapy. Na takto zpracované mapě už se dá i plánovat.

Na robotech máme i kamery, které slouží převážně pro detekce hledaných objektů. Do příště budeme chtít zapojit i stereokameru do stavby mapy. V chodbě, která byla zalitá vodou, laserový měřák neviděl vůbec nic. Na mapě byla pod robotem díra, což kompletně vypnulo veškeré autonomní funkce robota, protože si myslel, že je nad dírou a neměl, co by dělal.

Do budoucna tedy bude vhodné spojovat měření z více druhů senzorů. Přemýšlíme i tím směrem, že když už někde rozpoznáme louži, není rozumné do ní hned jezdit bez toho, aniž bychom věděli, jak je hluboká. Vymýšlíme nový senzor, který by nám pomohl změřit hloubku vody.

Vyhodnocování a výpočty probíhají přímo na robotech, nebo si pomáhají i cloudovými operacemi?

MP: Cloudové technologie nepoužíváme. Zatím vše, co potřebujeme spočítat, zvládneme na našich strojích. Zároveň hluboko v dolech reálně není žádné připojení. Dokud máme od základnové stanice, která je před vjezdem do tunelu, přímou viditelnost na roboty, jsme schopní přenášet řádově megabity za sekundu. Dokud drží Wi-Fi, tak samozřejmě i více.

Megabity za sekundu stačí na přenesení hodně komprimovaného videostreamu zpomaleného třeba na šest snímků za sekundu. A také to stačí na hodně zdecimovanou trojrozměrnou mapu. Toto může vidět operátor, pokud má přímou viditelnost robotů. Na obrazovce se mu objevuje mapa tak, jak si ji roboti staví. Je to ovšem horší rozlišení a není na něm moc vidět, a to kvůli nízkému rozlišení a také faktu, že jsou v tunelu tři hýbající se roboti a operátor je na to sám.

Takže velká část zpracování dat musí probíhat přímo na robotech. Detektor hledaných objektů běží přímo na nich – „dívá“ se do kamer a snaží se detekovat jeden z pěti definovaných objektů (hasicí přístroj, vrtačka, figurína, batoh, mobil). Některé věci se dají detekovat i jinak než vizuálně. Mobil má zapnuté Wi-Fi AP a Bluetooth a hraje z něj hudba a video.

Detektor samozřejmě nefunguje stoprocentně dobře a má občas falešné detekce. Robot je v pohybu a má snímky z kamer rozmazané, takže se mu červená lékárnička může jevit jako batoh. Proto děláme i clusterování, což znamená, že se každá detekce operátorovi přepošle až ve chvíli, kdy robot danou věc viděl ze třech různých úhlů. Pak se operátorovi pošle pozice, jaký typ artefaktu byl nalezen, a jeho fotka. Operátor je pak poslední článek, který detekci prohlédne a může i opravit pozici.

V tunelu se stává, že mapy, které si roboti staví, se postupem času ohýbají. Teď jsme měli problém se svislou souřadnicí Z, kdy robot jel po víceméně rovné chodbě, ale z prozatím neznámých důvodů mu souřadnice narostla až do dvaceti metrů. Tohle operátor vidí a zároveň si udělá předpoklad, že robot asi nevyjel dvacet metrů do výšky. Může tedy vzít souřadnici detekce a ještě ji v mapě přemístit. To se pak pošle do rozhraní organizátorů a ti nám řeknou, jestli jsme se trefili dobře.

Jaká je tedy přesná role operátora v této soutěži? Pomocná učící ruka, případně jen dohled?

KZ: Je „rozhraním“ mezi roboty a lidmi z DARPA. Operátor by tam v principu vůbec nemusel být, kdybychom věřili, že roboti fungují dobře. Realita ovšem taková není a operátor tedy působí pro filtrování špatné detekce a případně řešení problémů typu, že se robot zastavil kvůli špatné analýze povrchu (popisovaná voda) a tak dále. Operátor zároveň může být pouze jeden a zbytek týmu ani nesměl sahat na klávesnice.

Jakou máte na robotech instalovanou výpočetní jednotku?

MP: Pozemní roboty máme relativně velké, takže na nich máme poměrně tradiční, i když průmyslově orientované základní desky. Je na nich čtvrtá generace Intel Core i7, SSD disk, 16 GB RAM. Baterie má kapacitu půl kWh, takže jsme schopní uživit takovýto počítač včetně motorů – konkrétně asi hodinu a půl. Dále tam máme několik druhů rádiových technologií. Přímo na desce nemáme grafickou kartu, ale povedlo se nám přidat modul Nvidia Jetson, což je něco jako Raspberry Pi s výpočetními jádry CUDA. Stačí to na náš vizuální detektor, který CUDA a neuronové sítě využívá.

Jaké jsou během provozu robota datové toky? A s jakými bezdrátovými technologiemi pracujete?

MP: Trojrozměrná data, která lezou z laseru, dělají řádově 10 až 20 Mb/s. Kamery v nekomprimovaném RAW formátu dělají 200 až 300 Mb/s. Pak tam jsou další diagnostická data, stav motorů, výsledky algoritmů. Klasický záznam dlouhý jeden a půl hodiny, který se ukládá na robota, má přibližně 40 GB.

Jakmile robot zajede za roh a nemá přímou viditelnost, máme bezdrátovou technologii na frekvenci 868 MHz, která sama umí dělat mesh. Nevýhodou jsou malé datové toky, pracuje se zde s bajty. Každý robot přes tyto moduly neustále posílá svoji polohu. To je informace, která většinou doputuje i k operátorovi. Ten může vidět, jestli se robot hýbe. Do budoucna budeme chtít, aby operátor mohl skrze toto rozhraní posílat i příkazy, třeba „vrať se“.

Pak používáme Mobilicom, což je izraelská polovojenská bezdrátová technologie. Funguje na 2,4 GHz, ale není to Wi-Fi. Jde o relativně velké moduly, které zvládají mesh technologii, ovšem staticky definovanou a je třeba dopředu říci, kolik jednotek bude, přes kolik hopů lze posílat data a tak dále. Pak už to funguje bez námahy a roboti jsou schopní si přeposílat data. Díky tomu si mohou sdílet větší objemy informací, jako jsou mapy či pozice detekovaných věcí. Mohou si také nasdílet plány, kam pojedou, aby se nestalo, že dva roboti vyrazí na jedno místo.

KZ: Sdílejí si vzájemnou pozici primárně kvůli tomu, aby se nepřejeli. Typicky si dron někam sedne, protože mu dojde baterie, a pásový robot ho přejede jako překážku. Tomu se snažíme předejít.

MP: Pak používáme standardní Wi-Fi na 5 GHz, která je určená především pro nastavování robotů. Asi by se s tím dalo pohrát více v tom smyslu, že by se na roboty dalo více Wi-Fi karet a vzájemné propojení by tak mohlo jít i pomocí Wi-Fi. Ale Mobilicom je pro nás snazší na použití, i když tam je datový tok v celé síti 6 Mb/s, což je relativně málo.

ČVUT na soutěži DARPA:

Jak vypadá softwarová vrstva nad tím?

MP: Základem na všech počítačích je Linux, a to Ubuntu. Když je někde Raspberry Pi, máme tam i Raspbian. Nad tím je nainstalovaný Robot Operating System (ROS), což je middleware zajišťující snadnou komunikaci a posílání zpráv mezi procesy. K tomu je nabalená i řada užitečných knihoven, třeba na stavění stromu transformací. Když připojíte na robota kameru a víte, že má offset vůči středu robota 1, 2, 3, a pak chcete zjistit souřadnice bodu, který kamera vidí, v nějakém jiném souřadném systému. Takové věci se dají přes knihovny řešit.

Základem je ovšem ona inter-process komunikace, což nám pak umožňuje mít některé věci napsané v C++ a některé v Pythonu. Vytvoří se zpráva, třeba obrázek, ta se zabalí, pošle a je jedno, kdo si ji zpracovává. Jde o takový publisher-subscriber systém. Publikující vytváří obrázky, případně sleduje, jestli ho někdo poslouchá, a teprve poté kvůli výpočetní náročnosti začne výpočty dělat a následně je posílá odběratelům.

Nad tímto stavíme náš systém. Programujeme detektory, mapovací a lokalizační algoritmy či plánovač. Díky společnému middlewaru je jeden plánovač, který je až na konfiguraci stejný jak pro pásové, tak pro kolového robota. Dron zatím používá jiný styl navigace, protože má pouze dvourozměrný laser.

KZ: Umožňuje to také vizualizovat, který proces si od kterého bere jaké zprávy. A také data z robotů, tedy point clouds, obrázky z kamer a podobně.

Python používáte kvůli tomu, že se hodí na strojové učení a spol.?

MP: Jednak a také kvůli tomu, že je jednoduchý na použití. Kód základního výpočetního nodu je desetkrát kratší než v C++ a nemusíte kompilovat. Věci, které vyžadují přístup do sdílené paměti a jsou hodně low-level, si píšeme v C++. Ale třeba kolega, který nemá rád Python, tak si i plánovač píše v C++.

Kde v tomto balíku končí to, že je něco komodita, a začínají se jednotlivé robotické projekty a týmy odlišovat a jsou o něco lepší?

KZ: Hlavní rozdíl v soutěži DARPA byl to, že my jsme nebyli líní trénovat. Možná desetkrát jsme jeli do štoly hodinu cesty směrem na Slapy a roboty zkoušeli. Trénovali jsme řadu scénářů – jak to dopadne v mokrém dole, suchém dole, se zapnutými světly, přechod z teplého do studeného prostředí.

Tento princip byl vidět i v samotné soutěži. Úplným vítězem byl místní tým, který dobře znal doly, ve kterých klání probíhalo. Poslední měsíc před soutěží si také pronajali důl, který je hned vedle a zároveň je dost podobný.

Takže to byla taková neférová výhoda?

MP: Asi ne. My jsme už tři měsíce dopředu věděli, kde se soutěž bude konat. Nesměli jsme používat mapy dolu, ale věděli jsme, že to bude černouhelný důl. Nikoho nás nenapadlo ptát se lidí, kteří se v tom vyznají, zda jsou nějaké obecné vlastnosti černouhelných dolů, které jsou pro všechny společné. Což se pak ukázalo, že takové vlastnosti jsou. Třeba že v nich nejsou patra, schody a jsou spíše vlhčí.

KZ: Je to tak trochu na hraně. Bylo dáno, že jakákoliv apriorní znalost by se neměla používat. Nikdo například nesměl kontaktovat nikoho z dolů. To konkurence splnila, ale okolí znali.

MP: Zároveň má soutěž více kol, takže se uvidí, jak to dopadnou v těch, která budou jinde.

KZ: První tým doopravdy vyhrál o hodně a měl 23 bodů. Myslíme si, že to bylo tím, že trénoval v místním prostředí. Druhý tým byl o bod nad námi – my měli 10, oni 11 bodů.

Někteří autonomní roboti z ČVUT:

Důležitost tréninku je daná tím, že můžete natrénovat neuronové sítě?

KZ: Určitě. Data se správným osvětlením, ze správného prostředí, podobnou viditelností a podobně jsou důležitá. My jsme si připravili trénovací data ze štoly Josef, což nám určitě hodně pomohlo. Pak se při tréninku odhalí řada dalších věcí – třeba to, že někdo při výjezdu zapomene síťový kabel. Když se vám to stane v soutěži, přijdete o daný pokus.

MP: Specifikum našeho týmu je také to, že náš hardware už je relativně starý. Pásoví roboti už mají asi devět let a na jejich motorech a kontrolérech už je to docela znát. A začalo to být znát i na dalších součástech. Díky tréninku tak přijdeme na různé neduhy. Když například robot jede do kopečka, může se mu najednou přetížit motor, který je třeba restartovat tím, že se mu odpojí napájení. To nás do robota donutilo vložit relé ovládané přes GPIO, které vypne a zapne motory.

V Pittsburghu jsme rovněž třeba zjistili, že z laseru čas od času přestanou úplně chodit data. Sice stále nevíme proč, ale alespoň na to můžeme reagovat. Když se nám to stalo poprvé, robot prostě jel dál, protože neměl žádné měření o tom, že jsou kolem něj překážky. Napsali jsme tedy kus kódu, že když mu nechodí data z laseru, měl by zastavit.

KZ: Tím vším je ta soutěž cenná. Spousta lidí dělá robotiku v laboratoři. Pouští robota po chodbách a říká, že prohledává neznámý prostor, přitom je to hrozně daleko od toho, co se děje v realitě. DARPA nastavila pravidla tak, aby to skutečnou misi co nejvíce připomínalo. Když pak nemáte věci odladěné, nemáte šanci skórovat.

Jaké algoritmy používáte?

KZ: Jde o detekci objektů, která se primárně děje v kamerových obrázcích. Tam používáme vlastní architekturu hluboké konvoluční sítě, která je hodně podobná architektuře dnes známé jako YOLO. Dokáže to v reálném čase brát velké obrázky z panoramatických kamer a do Nvidia Jetsonu dávat detekce různých objektů. Systém máme natrénovaný na požadované objekty.

Pak používáme takzvaný SLAM (Simultaneous Localization and Mapping), což je technologie, která vytváří mapu z hloubkových LIDAR měření a zároveň lokalizuje robota. To se pak dává dohromady s detekcemi.

Dále pracujeme s autonomií robotů. Plně autonomní robot si neustále staví mapu a zároveň ví, kde se v ní nachází, vybírá si místa, která jsou neprozkoumaná, a zároveň ví, že nejsou zablokovaná překážkou. Když se mu mapa aktualizuje, celé to pak přepočítá.

MP: Zároveň plánovač v holém základu je jeden z těch úplně běžných A* algoritmů, které se vyučují ve druháku nebo třeťáku na Matfyzu. Kód je ale samozřejmě obrovsky nabobtnalý, protože to není pouze o naplánovaní cesty, ale o zjištění průjezdnosti, integraci s dalšími částmi a tak dále.

KZ: U většiny věcí se ukazuje, že je lepší používat základní algoritmy, které se pak postupně „vytuní“ na speciální případy, než se snažit vymyslet něco zcela nového, u čehož nevíme, kdy a jak selže.

MP: Jednou z vlastností ROS middlewaru je to, že když některé z těchto věcí nechcete řešit, dá se stáhnout už hotový balíček, nastavit konfiguraci a začít ho používat.

KZ: Když dnes někdo něco vyvíjí a zkoumá a napíše k tomu článek, v ideálním případě pak danou věc dá ke stažení jako open source ve formě balíčku do ROS. Ale zase je problém to, že když si stáhnete cizí kódy, tak nad tím nemáte plnou kontrolu. Když kontrolu chcete, je lepší si danou věc napsat sám.

Pracujete s efektem černé skříňky, kdy neuronová síť nějak rozhodne a vy nevíte proč?

KZ: Proč se neuronová síť rozhodla, že něco vypadá jako hasicí přístroj, v ní není. Ale nám to nevadí.

MP: Ostatní algoritmy, jako jsou plánovač nebo stavění mapy jsou někdy sice randomizované, ale relativně jasně dané algoritmy, kde se dá přijít na to, proč se stalo dané rozhodnutí. Třeba proč je mapa křivě – protože vyšla minimalizace nějaké funkce a tohle bylo lokální optimum, tak to tam spadlo a mapa je křivá.

Jaké je třeba pro podobnou soutěž potřeba složení profesí v týmu?

KZ: My jsme z velké části katedra, která se zabývá vývojem softwaru běžícího na robotech. Nemáme specializované lidi přes hardware, kteří by například dělali Ph.D. ve vývoji speciálního motoru pro roboty. Ale v týmu jsou kluci, kteří jsou šikovní a obětaví a jsou schopní na robotech pracovat ve volném čase a přes noc je opravovat. Já to nedělám, já ani neumím zapojit zásuvku. Zde jde kredit za doktorandy (smích).

MP: Šroubovat pásy a vyčistit je vám šlo dobře (smích). V Pittsburghu se nám asi po druhé jízdě v tunelu stalo, že se pásy robotů v bahně zanesly natolik, že už nebyly schopné se otáčet. Přes noc jsme pásy museli kompletně rozebrat, což dělali páni docenti, aby my jsme měli čas opravovat horší bugy.

KZ: Vyšlo to asi pět, šest hodin na jednoho robota.

V jaké fázi dnes lidstvo s autonomní robotikou pro účely, jako jsou záchranářské práce, je?

KZ: Současnou spolehlivou věcí je teleoperace (ovládání na dálku, nikoliv operování – poznámka redakce), kdy jsou na robotovi kamery, které operátorovi vizualizují to, co robot vidí, a on pak může zneškodňovat třeba bomby.

MP: Možná už se překlápíme do asistované teleoperace.

KZ: Už se to tomu blíží. Náš robot má například opěrné pásy vepředu a vzadu a pracujeme na tom, aby byl schopný s těmito pásy autonomně pracovat při překonávání složitějších překážek. To je relativně blízká budoucnost. Samozřejmě je pak otázkou, zda člověk v případě zneškodňování bomby bude robotovi zcela věřit, nebo to raději udělá sám.

MP: U předchozího projektu TRADR jsme pozorovali záchranáře, kteří roboty teleoperovali, a objevoval se tam efekt počítačové hry. Lidé sedí před monitorem, vidí obrázky z kamer robota, a i když je stroj dvě stě metrů od nich, ztrácí ponětí o tom, že je to pořád reálný kus hardwaru, který se dá relativně snadno zničit. I když jsme hasičům vysvětlovali, že tady mají páčku pro rychlost jízdy, pořád jezdili na plnou rychlost, a to věděli, že jsou tři centimetry od hrany, přes kterou se dá spadnout. A bylo jim to jedno. Je tak dobré přidat část autonomie, aby roboti mohli ochránit sami sebe. Nebo překonali, případně upozornili na překážku, která není vidět.

Co je největší překážkou vzniku plně autonomních robotů?

KZ: Já vlastně nevím, co jsou to plně autonomní roboti. Jednou věcí je oblast prohledat a druhou věcí je v ní něco dělat – třeba zavřít ventil, ošetřit oběť. To se DARPA snaží odpovědět. Soutěže nastavuje tak, aby nikdo nedosáhl na plný počet bodů. Maximální počet v poslední soutěži byl 40. Ti nejlepší měli 23 a normální 10 a 11 bodů.

Jak reálný je tedy scénář, že robot někam zcela sám vjede, najde například zraněného člověka, pozná ho a nahlásí přesnou lokalitu?

KZ: Jednou věcí je, kdy to budeme mít my a kdy to reálně bude nasazené. My to tady u nás dokážeme třeba do deseti let vyladit, ale v praxi se může objevovat řada překážek.

To už do hry zřejmě vstoupí i další obory jako psychologie, etika, filozofie…

KZ: A také právo. Musí se řešit otázky typu, že robot někoho přizabije a kdo je za to zodpovědný. Podobně jako v autonomních autech.

MP: Druhou věcí je rovněž to, že pro autonomní záchranářské roboty existuje malý trh. Drony na tom byly před lety podobně, ale zjistilo se, že s nimi chtějí létat i obyčejní lidé, objevily se miliony zákazníků, což urychlilo vývoj. U našich robotů miliony zákazníků zřejmě nikdy nebudou. Zachránit to tedy mohou věci, jako jsou velké armádní zakázky a podobně.

DARPA spadá pod americké ministerstvo obrany. Jak se stavíte k tomu, že teoreticky může podobné roboty nasazovat v bojových akcích?

BRAND24

MP: Osobně si říkám, že jakmile by k robotovi přimontovali kulomet, dávám od toho ruce pryč. Když děláte záchranářskou robotiku, má to nicméně k armádě tak blízko, že to nejde oddělit. Teď jsem ale zrovna měl myšlenku, že jsme americké armádě „sebrali“ 200 tisíc dolarů, které nebude moci použít na zbrojení (smích). (Jde o peníze z výhry v soutěži – poznámka redakce.)

KZ: My alibisticky říkáme, že od vojenských projektů dáváme ruce pryč. Pokud vím, tak na naší katedře se na těchto věcech nespolupracovalo nikdy. Profilujeme se jako tvůrci záchranářské robotiky. Ale pravdou také je, že to je jednoduše zneužitelné.

Byl pro vás článek přínosný?

Upozorníme vás na články, které by vám neměly uniknout (maximálně 2x týdně).