Törmäämme robotteihin enenevässä määrin eri paikoissa niin kotona kuin töissä. Ovatko robotit ystäviä vai uhkia? Miten varmistamme niiden turvallisen toiminnan osana arkeamme? Tietotekniikan professori kertoo luennollaan mitä robotiikka on, ja miten teknologian ja tekoälyn kehitys on tuonut robotiikan osaksi arkeamme.
Professoriluento tekstiversiona
Robotti. Tuo sana tuo meille herkästi mieleen jo vuosikymmeniä sitten tieteiselokuvissa ja -sarjoissa esiintyneet robotit, kuten 1970-luvun lopussa Star Warsissa esitellyt R2-D2:n, tuon kolmipyöräisen ja sinivalkoisen roskakoria erehdyttävästi muistuttavan robotin ja C-3PO:n, tuon metallipukuun sonnustautuneen ihmismäisen robotin.
Nämä ja lukuisat muut tieteiselokuvien ja -sarjojen robotit ovat olleet pilkahduksia tulevaisuuteen, luoneet kuvan siitä mitä robotit voisivat olla huomenna – tai lähitulevaisuudessa. Emme vielä kuitenkaan ole saavuttaneet lähes viisikymmentä vuotta sitten esitellyn taisteluparin tasoa, vaikka teknologia ja erityisesti tekoäly ovat kehittyneet huimasti viimeisen kymmenen vuoden, puhumattakaan viimeisen viiden vuoden aikana.
Teknologian ja tekoälyn kehitys on mahdollistanut robotiikan käyttämisen yhä useammilla sovellusalueilla tuotannossa, logistiikassa ja myös palvelualalla. On robottibussia, apteekkirobottia, siivousrobottia ja kirjastorobottia. Vaikka nämä robotit eivät aivan R2-D2:n tasoisia olekaan, niitä käytetään enenevässä määrin yhä vaativimmissa tehtävissä ympärillämme, osana meidän arkeamme.
Mutta mitä robotti-sana tarkoittaa? Robotti-sana tulee tšekin sanasta robota, joka tarkoittaa raatamista tai ’pakkotyötä’. Eikö kuvaakin hyvin tehtäviä, joissa olemme tottuneet robotteja käytettävän? Robotti-sanaa käytettiin kuitenkin ensimmäisen kerran jo hyvissä ajoin ennen nykymuotoisia robotteja eli yli sata vuotta sitten, 1920 ilmestyneessä Karel Čapekin näytelmässä ”R.U.R.”, joka englanniksi on Rossum’s Universal Robots. Näytelmän suosion myötä robotti-sana levisi nopeasti kielenkäyttöön.
Erään sanankirjan mukaan robotti on laite, joka suorittaa monimutkaisen sarjan tehtäviä itsenäisesti. Yksinkertaisuudessaan se on vain tekninen ja mekaaninen laite, joka suorittaa sille annettua – tai oikeammin sanottuna ohjelmoitua – tehtävää. Täytyy ensin olla ihmisiltä opittuja päätöksiä, joita käytetään sitten robottien ohjelmointiin. Robotteja ei siis vielä voi kutsua kovinkaan älykkäiksi tai autonomisiksi niin, että ne itse ohjelmoisivat itseään. Älykkäillä ja autonomisilla roboteilla tarkoitetaankin enemmän robotteja, jotka pystyvät liikkumaan erilaisissa ympäristöissä itsenäisesti ja tekemään ennalta ohjelmoituja päätöksiä ilman operaattorin eli ihmisen apua. Kehitys on kuitenkin nopeata, ja tulevaisuudessa voimmekin odottaa roboteilta enemmän.
Mutta olemmeko turvassa älykkäiden robottien käytön arkipäiväistyessä? Miten takaamme niiden turvallisen käytön erilaisissa ympäristöissä ja tehtävissä?
Olemme varmaan kaikki kiinnittäneet huomiota Turunkin kaduilla vastaan tuleviin sympaattisiin 6-pyöräisiin ruoankuljetusrobotteihin, joilla voi tilata elintarvikkeita kotiin korkeintaan kolmen kilometrin etäisyydellä palvelua tarjoavasta kaupasta. Monikaan ei varmasti ole kokenut oloaan turvattomaksi näiden lähistöllä. Moni on jäänyt seuraamaan niiden toimintaa ja antanut niille tietä. Moni on kokenut tarvetta auttaa niitä erilaisissa tilanteissa ja tehtävissä kuten napin painalluksessa vihreän jalankulkuvalon saamiseksi. Autamme niitä asioissa, joita teemme itse sen kummemmin miettimättä, ja joita meille on opetettu lapsesta saakka.
Yhtä lailla näille roboteille on täytynyt opettaa paljon asioita ennen kuin ne on voitu turvallisesti päästää meidän keskuuteemme kulkemaan kaduilla. Ne on opetettu väistelemään meitä, odottamaan meitä ja ylittämään teitä. Ei sillä, että kaikille meistä olisi oppi mennyt perille. Sama koskee myös näitä robotteja. Niitä täytyy edelleen kehittää kerätyn datan ja kokemusten perusteella, jotta ne osaisivat paremmin toimia erilaisissa tilanteissa ja ympäristöissä eri vuoden- ja vuorokaudenaikoina. Voimme siis puhua robottien elinikäisestä oppimisesta.
Entä monen teistä kotoa löytyvä robotti-imuri? Ollessaan yksin huoneessaan sen on pystyttävä ilman meidän apuamme liikkumaan turvallisesti sille määritellyllä alueella. Sen on pystyttävä väistelemään meidän sille jättämiä erilaisia esteitä. Tätä tehtävää varten sen on havainnoitava ympäristöään kuten kuljetusrobotinkin. Näiden molempien on myös kyettävät tekemään päätöksiä ja suunnitelmia muuttuva ympäristö huomioiden. Niiden on myös kyettävä toteuttamaan suunnitelmansa.
Ympäristön havainnointi, seuraavien toimenpiteiden suunnittelu ja suunnitelman toteuttaminen ovatkin kaikkien robottien perustehtäviä.
Näiden perustehtävien suorittamiseen roboteissa on erilaisia laskentayksiköitä ja antureita. Antureista tutuimmasta päästä meille kaikille on tavalliset kamerat. Vaikka erinomaisia ovatkin, ne antavat meille vain kaksiulotteisen kuvan tilasta. Tämä ei riitä vaan tarvitsemme tarkkaa kolmiulotteista kuvaa. Tähän tarkoitukseen voimme käyttää syvyyskameroita ja valotutkia. Ne molemmat lähettävät valonsäteitä havaitakseen ympärillä olevien kohteiden sijainnin ja nopeuden. Näiden antureiden avulla saadaan kerättyä tietoa esimerkiksi ruoankuljetusrobotin ympärillä liikkuvista jalankulkijoista, polkupyöristä ja ajoneuvoista. Yhdistämällä tietoa useasta anturista saamme vielä tarkemman kuvan alueesta, jota yksittäisellä anturilla emme pystyisi luomaan.
Koska tilanteet muuttuvat nopeasti, robottien onkin jatkuvasti kerättävä dataa pysyäkseen kartalla sijainnistaan ja ympäristöstään. Siksi ympäristön ja ympärillä tapahtuvan toiminnan havaitseminen ja ymmärtäminen ovat erittäin tärkeitä tehtäviä. Nämä muodostavat osan robottien tilannetietoisuutta.
Hyvän tilannetietoisuuden voikin sanoa olevan autonomisten liikkuvien robottien laajan käytön edellytys. Ilman tarkkaa tilannekuvaa robotit eivät voi toimia turvallisesti keskuudessamme. Sama koskee meitä ihmisiä. Keräämme jatkuvasti aisteillamme tietoa, käsittelemme tuota tietoa ja teemme sen perusteella päätöksiä tai reagoimme nopeasti tapahtuviin tilanteisiin. Tilannetietoisuus mahdollistaa sopeutumisen muuttuviin olosuhteisiin ja tehtävien suorittamiseen turvallisesti ja tehokkaasti.
Tilannetietoisuuden parantaminen eli robotin kyky ymmärtää ympärillä tapahtuvia asioita on yksi tutkimuksemme keskeisistä tavoitteista. Pyrimme parantamaan robottien kykyä reagoida odottamattomiin tapahtumiin, joita fyysinen maailmamme on täynnä. Tavoitteena on luoda meille ja roboteille turvallisempi ympäristö. Tulevaisuudessa robottien parantunut tilannetietoisuus mahdollistaa entistä monimutkaisempien tehtävien suorittamisen ja parantaa niiden vuorovaikutusta ihmisten kanssa.
Tärkeänä osana tilannetietoisuuden parantamista on pyrkiä suorittamaan kaikki laskenta itse robotissa. Tällöin dataa ei tarvitse enää lähettää keskuskoneelle tai pilvipalveluun, vaan laskenta suoritetaan lähellä datan alkulähdettä eli laitteessa, joka kerää dataa. Meidän tapauksessamme itse roboteissa. Tällöin puhumme reunalaskennasta tai reunaälykkyydestä. Reunaälykkyydellä viitataan erityisesti koneoppimismallien suorittamiseen lähellä datan alkulähdettä. Sen avulla robotit pystyvät tekemään paikallisesti omia päätöksiä ilman ihmisen ohjausta.
Reunaälyn etuja ovat myös parantunut reagointiaika ja tietoturva, sillä dataa ei tarvitse siirtää pitkiä matkoja. Tämä on erityisen tärkeää kriittisissä sovelluksissa, joissa nopea ja luotettava päätöksenteko on välttämätöntä. Lisäksi reunaäly mahdollistaa robottien toiminnan myös ympäristöissä, joissa verkkoyhteydet ovat heikot tai olemattomat.
Tulevaisuudessa reunaälyn kehitys johtaa entistä älykkäämpiin ja itsenäisempiin robotteihin, jotka pystyvät oppimaan ja mukautumaan ympäristöönsä reaaliajassa.
Olemme tähän asti pysyneet tiukasti maan pinnalla. Samoja antureita, laskenta-alustoja ja koneoppimismalleja voimme hyödyntää myös ilmassa liikkuvissa roboteissa eli drooneissa. Droonit lienevätkin seuraava merkittävä askel liikuttaessa kohti laajempaa robottien hyödyntämistä arjessamme, esimerkiksi jo tutuksi tulleessa tavaroiden kuljettamisessa.
Tavaroiden kuljettaminen ilmojen halki viimeisen kilometrin osalta onkin yksi tärkeistä sovellusalueista. Tavaran kuljetuksen ohella droonit ovat myös erittäin hyödyllisiä ja tehokkaita datan keräämisessä ja vaikuttamisessa erilaissa kohteissa ja ympäristöissä. Näistähän olemme saaneet lukea paljon viime aikoina.
Yksittäisten robottien, liikkuivat ne sitten maassa tai ilmassa, kyky toimia tehtävissä on rajallinen. Erityisesti droonien osalta toiminta-aika ja hyötykuorma, oli se sitten tavaroita tai erilaisia antureita, on myös hyvin paljon rajoitetumpi kuin maassa liikkuvilla roboteilla. Tätä rajoitetta pyrimme tutkimuksessa poistamaan hyödyntämällä useita drooneja tehtävän suorittamisessa. Yhteistyössä toimivat droonit voivat jakaa tehtävät keskenään, jolloin jokainen niistä suorittaa oman osuutensa tehokkaasti. Tällä pyrimme tehokkaammin hyödyntämään kunkin droonin erityisosaamista. Erityisosaamisella tarkoitetaan droonin kykyä kerätä tietynlaista dataa tai vaikuttaa ympäristöön halutulla tavalla.
Parvessa toimivat droonit mahdollistavat laajempien ja monimutkaisempien tehtävien suorittamisen, joita yksittäinen drooni ei pystyisi hoitamaan. Tutkimuksen osalta useamman droonin muodostaman parven yhteistoiminta edellyttää muun muassa reunaälyn laajentamista parviälyksi. Parviälyssä yksittäiset droonit eivät ainoastaan suorita omia tehtäviään, vaan myös huolehtivat parven yhteisestä toiminnasta kuten siitä, miten ne liikkuvat määritetyllä alueella. Tällainen autonominen ja yhteistyöhön perustuva järjestelmä mahdollistaa droonien tehokkaamman käytön erilaisissa tehtävissä, kuten ympäristön monitoroinnissa, logistiikassa ja pelastustehtävissä.
Erityisesti pelastustehtävissä drooniparvien hyödyt ovat selkeät. Ne voivat etsiä ja paikantaa kadonneita henkilöitä laajoilta alueilta nopeammin kuin yksittäinen drooni tai maasta käsin tapahtuva etsiminen mahdollistaa. Myös logistiikassa drooniparvet voivat tehostaa tavaroiden kuljetusta ja jakelua, erityisesti vaikeapääsyisillä alueilla kuten Turun saaristossa. Tarvitaan kuitenkin vielä paljon tutkimusta ennen kuin näemme drooniparvien lentelevän turvallisesti yllämme.
Otetaan loppuun esimerkki turvallisuudesta, jonka perusajatus soveltuu myös drooneihin.
Olemme kaikki kuulleet lentokapteenin ilmoittavan lähestyttäessä määränpäätä matka-aikaa olevan jäljellä noin 20 minuuttia, sää kohteessa on puolipilvinen ja lämpötila mukavat 24 astetta. Emme kuitenkaan haluaisi kuulla kapteenin jatkavan, että olemme ottaneet tällä lennolla käyttöön uusimmat koneoppimismallit, joiden avulla laskeudumme turvallisesti 92,3 % todennäköisyydellä.
Jo ajatus siitä, että kaupungilla kulkiessamme meidän pitäisi olla varuillamme yllä lentävistä drooneista, jotka toimivat samoilla todennäköisyyksillä kuin esimerkissä, on kaukana niistä ajatuksista, mitä aikaisemmin mainitut sympaattiset kuusipyöräiset ruoankuljetusrobotit meissä herättävät.
On kuitenkin ennustettu, että kymmenen vuoden kuluttua nykyiset tekoälymallit ovat miljoona kertaa tehokkaampia kuin ChatGPT nykyään. Jos tämä ennustettu kehitys toteutuu yleisesti tekoälyn osalta – tai vain vaikka osa siitä – kapteenin ilmoittama todennäköisyys lieneekin jo huomattavasti korkeampi. Ja voinemme myös luottaa drooneihin päästääksemme ne lentämään yllämme.
”Rahalla saa ja hevosella pääsee”, sanotaan, mutta varmasti pääsemme tulevaisuudessa turvallisesti ilmojen halki myös autonomisilla droonitakseilla.
Keskeisimmät tutkimusaiheet ja asiantuntijuusalueet
- autonomiset maassa liikkuvat robotit ja droonit sekä niiden muodostamat monirobottijärjestelmät
- ympäristön havainnointi ja tilannetietoisuus, usean erilaisen sensorin hyödyntäminen liikkuvan, autonomisen robotin tilannekuvan luomisessa
- reunaäly ja laitteistokiihdyttimet robotiikan sovelluksissa
Westerlundin tutkimusalueisiin kuuluvat monirobottijärjestelmät, autonomiset robotit ja droonit sekä reunaälykkyys. Tutkimuksen keskiössä on hyödyntää autonomisia ja heterogeenisiä monirobottijärjestelmiä erilaisissa kaupunki- ja luonnonympäristöissä, parantaa niiden tilannetietoisuutta yhdistämällä erilaisten sensoreiden tuottamaa dataa ja lisätä niiden älykkyyttä reunalaskentaa hyödyntäen. Pohjimmiltaan tavoitteena on ymmärtää paremmin, miten robotit toimivat ja voivat suorittaa erilaisia tehtäviä yhdessä ja erikseen eri aloilla, kuten ympäristön seurannassa, logistiikassa, maataloudessa ja etsintä- ja pelastustehtävissä.
Tutkinnot ja dosentuurit
- sulautetun elektroniikan dosentti, Turun yliopisto 2017
- tekniikan tohtori, Turun yliopisto 2008