Ρομπότ που θα μαθαίνουν να κάνουν μια περίπλοκη εργασία (π.χ. να συναρμολογούν εξαρτήματα) απλώς «παρατηρώντας» έναν άνθρωπο να την εκτελεί, αλλά και υπολογιστές που θα μπορούν να καταλάβουν τη νοηματική γλώσσα, για να «μεταφράζουν» κάθε χειρονομία στη λέξη που της αντιστοιχεί. Αυτές είναι λίγες μόνο από τις εφαρμογές για τις οποίες θέτει τις βάσεις η έρευνα Ελλήνων επιστημόνων από το Ινστιτούτο Πληροφορικής (Ι.Π.) του Ιδρύματος Τεχνολογίας και Ερευνας (ΙΤΕ) στην Κρήτη. Κι αυτό γιατί οι ερευνητές έχουν αναπτύξει λογισμικό υπολογιστικής όρασης που επιτρέπει σε υπολογιστές και ρομπότ να «βλέπουν» μέσω κάμερας τη θέση και την κίνηση των χεριών του ανθρώπου που βρίσκεται μπροστά τους.
Εκείνο όμως που κάνει το λογισμικό του ΙΤΕ να ξεχωρίζει σε παγκόσμιο επίπεδο, ανάμεσα σε αρκετές ερευνητικές δουλειές από όλο τον κόσμο με το ίδιο αντικείμενο, είναι ότι καταγράφει την κίνηση των χεριών με μεγάλη ακρίβεια και σε πραγματικό χρόνο. «Επιπλέον, η καταγραφή γίνεται με εξαιρετική λεπτομέρεια, αφού χάρις στους αλγορίθμους μας, παρακολουθείται ανά πάσα στιγμή η θέση και ο προσανατολισμός τόσο της παλάμης όσο και όλων των οστών από τα οποία αποτελούνται τα δάχτυλα», λέει στην «Κ» ο επικεφαλής της ομάδας, Αντώνης Αργυρός, αναπληρωτής καθηγητής στο Τμήμα Επιστήμης Υπολογιστών του Πανεπιστημίου Κρήτης και συνεργαζόμενο μέλος ΔΕΠ του ΙΠ-ΙΤΕ.
Είναι χαρακτηριστικό ότι τον περασμένο Νοέμβριο το λογισμικό κατέλαβε την πρώτη θέση στον διεθνή διαγωνισμό «Gesture Recognition Challenge» στην Ιαπωνία. Η ομάδα βραβεύτηκε για την εργασία της με τίτλο «Giving a hand to Kinect», καθώς οι αλγόριθμοι επεξεργάζονται οπτικά δεδομένα από μία κάμερα Kinect, το περιφερειακό που έχει αναπτύξει η ισραηλινή εταιρεία Primesense για τη βιντεοκονσόλα Xbox της Microsoft. «Το Kinect παρέχει χρήσιμες πληροφορίες για την απόσταση των αντικειμένων, ωστόσο, έχουμε ήδη κάνει σημαντικά βήματα προκειμένου οι μέθοδοί μας να λειτουργούν και με συμβατικές κάμερες», συμπληρώνει ο κ. Αργυρός.
Τι θα σήμαινε όμως να «αντιλαμβάνονται» οι υπολογιστές την κίνηση των χεριών ενός ανθρώπου; Κατ’ αρχάς ότι θα αποκτήσουν νέες δυνατότητες, όπως για παράδειγμα να καταλαβαίνουν τη νοηματική γλώσσα. Επίσης, θα μπορεί κανείς να χειρισθεί το PC του μέσω νευμάτων. «Μέσω των χειρονομιών θα γίνει πιο εύκολη και φυσική η αλληλεπίδραση ενός χρήστη με τον υπολογιστή του, αφού δεν θα απαιτείται κάποια προηγούμενη εκπαίδευση ή γνώσεις», προσθέτει ο ερευνητής.
Στα πλάνα των Ελλήνων επιστημόνων είναι να περιορίσουν τις τεχνικές προδιαγραφές που χρειάζεται το λογισμικό για να «τρέξει», ώστε να μπορεί να ενσωματωθεί σε κάθε είδους ηλεκτρονικό γκάτζετ. Κάτι τέτοιο θα μπορούσε να οδηγήσει στην κατάργηση κάθε είδους τηλεχειριστηρίου. Για παράδειγμα, ένα νεύμα θα αρκούσε για να αλλάξει κανείς κανάλι στην τηλεόραση. «Μία δεύτερη κατηγορία εφαρμογών έχει να κάνει με τον αυτοματοποιημένο προγραμματισμό ρομποτικών συστημάτων», επισημαίνει ο αναπληρωτής καθηγητής. Σήμερα, ο προγραμματισμός αυτός είναι μία χρονοβόρος διαδικασία, που μπορεί να γίνει μόνο από εξειδικευμένο προσωπικό. Αν όμως τα ρομπότ του μέλλοντος «βλέπουν», τότε θα είναι δυνατόν κανείς να τους «δείξει» πώς πραγματοποιείται μια εργασία, ώστε αυτά να μπορούν να την επαναλαμβάνουν.
Η δυνατότητα της πλήρους καταγραφής της κίνησης των ανθρώπινων χεριών αποτελεί επίτευγμα που μπορεί να στηρίξει πολλούς περαιτέρω ερευνητικούς στόχους. Ετσι, πολλοί επιστήμονες από όλο τον κόσμο έχουν «κατεβάσει» το λογισμικό, το οποίο διατίθεται δωρεάν για ερευνητικούς σκοπούς μέσω ιστοσελίδας της ομάδας του ΙΤΕ. «Επίσης, είμαστε ήδη επίσημοι συνεργάτες της Primesense, ενώ ενδιαφέρον για την τεχνολογία μας έχουν δείξει αρκετές ακόμη αμερικανικές, ευρωπαϊκές και ασιατικές εταιρείες», τονίζει ο κ. Αργυρός.
Παρακολουθούν βίντεο μαγειρικής και μαγειρεύουν
Μία κατεύθυνση για την εξέλιξη του λογισμικού αφορά την προσαρμογή του, ώστε να μπορεί να λειτουργήσει με πολύ μικρότερες κάμερες και λιγότερο ισχυρούς επεξεργαστές. «Μέσα στον Μάρτιο ξεκινάει ένα νέο ευρωπαϊκό έργο, το WEARHAP, στους στόχους του οποίου είναι να αναπτυχθεί μία φορητή εκδοχή του απαραίτητου εξοπλισμού, προκειμένου να καταγράφεται συνεχώς η κίνηση των χεριών ενός ανθρώπου», υπογραμμίζει ο κ. Αργυρός.
Παράλληλα, το Ιδρυμα Τεχνολογίας και Ερευνας (ΙΤΕ) παίρνει μέρος στο ευρωπαϊκό πρόγραμμα RoboHow, όπου οι αλγόριθμοί του δοκιμάζονται στα «μάτια» ενός ανθρωποειδούς ρομπότ. Το ρομπότ παρακολουθεί πώς ένας άνθρωπος κινεί τα χέρια του καθώς εκτελεί μια απλή συνταγή μαγειρικής (π.χ., φτιάχνει μία ομελέτα). Ο σκοπός είναι το ρομπότ να μάθει να εκτελεί με επιτυχία την ίδια συνταγή, αξιοποιώντας την παρατήρηση, ενώ για τον ίδιο σκοπό θα «βλέπει» επίσης και βίντεο μαγειρικής από το Διαδίκτυο. «Ο σκοπός είναι να αναπτύξουμε μία γκάμα από λύσεις που θα επιτρέπουν στα ρομπότ να αυτοεκπαιδεύονται σε καθημερινές λειτουργίες (όπως στο μαγείρεμα, στην περίπτωση του RoboHow), αξιοποιώντας πληροφορίες που έχουν δημιουργηθεί από ανθρώπους για ανθρώπους», προσθέτει ο αναπληρωτής καθηγητής. Οι υπόλοιπες ερευνητικές ομάδες που συμμετέχουν στο RoboHow αναπτύσσουν τεχνικές, οι οποίες επιτρέπουν στο ρομπότ να οργανώνει τη γνώση που προκύπτει από την οπτική παρακολούθηση και να την μετασχηματίζει σε «πλάνο δράσης», έτσι ώστε να μπορεί να εκτελέσει μόνο του τη συνταγή. «Βέβαια, ο σκοπός δεν είναι να φτιάξουμε έναν ρομποτικό μάγειρα, ο οποίος θα κυκλοφορήσει στο εμπόριο με το τέλος του προγράμματος. Στόχος είναι να εξελίξουμε τις τεχνολογίες που θα επιτρέπουν στα ανθρωποειδή ρομπότ του μέλλοντας να αποκτούν νέες δεξιότητες με την παρατήρηση».
Οι αλγόριθμοι
Οι αλγόριθμοι για την υπολογιστική όραση αναπτύχθηκαν στο πλαίσιο των διδακτορικών διατριβών του Ιάσονα Οικονομίδη και του Νικόλαου Κυριαζή (υποψήφιοι διδάκτορες Τμήματος Επιστήμης Υπολογιστών του Πανεπιστημίου Κρήτης και μεταπτυχιακοί υπότροφοι ΙΠ-ΙΤΕ). Αλλα μέλη της ερευνητικής ομάδας που συντονίζει ο κ. Αργυρός, όπως οι Πασχάλης Παντελέρης και Michel Damien (μηχανικοί λογισμικού, ΙΠ-ΙΤΕ), έχουν συνεισφέρει σε σημαντικά επιμέρους θέματα.