Představte si robota, který vám podává nářadí na výrobní lince. Funguje dobře, dokud člověk jedná podle očekávání. Co se ale stane, když náhle změní strategii nebo využije jemný pohyb, který stroj nezná? Právě téma schopnosti adaptovat přibližuje Radoslav Škoviera, výzkumníka v týmu Robotického vnímání (ROP) na CIIRC ČVUT, který se spolu se svými kolegy této problematice věnuje. Moderní kolaborativní robotika se již totiž nevěnuje pouze opakování pohybů, ale hledá způsoby, jak stroje učit chápat strukturu a kontext lidského jednání. Radoslav se přitom zaměřuje nejen na strojové vnímání a učení, ale také na praktické scénáře spolupráce člověk–stroj, kde je klíčové, aby roboti dokázali reagovat na neočekávané změny v chování člověka a přizpůsobit se dynamickému prostředí.
Debata o autonomních systémech se v posledních letech výrazně proměňuje. Zatímco dříve převládaly otázky technických možností, dnes se stále častěji řeší otázka porozumění, tedy schopnost stroje vnímat situaci, interpretovat lidské chování a reagovat na kontext, který není pevně daný. „V laboratoři je všechno předvídatelné. Ve skutečném světě lidé mění strategii každou vteřinu, často zcela intuitivně,“ vysvětluje Radoslav Škoviera. „Roboti musí být připraveni tyto změny zachytit a přizpůsobit se, aniž by selhali.“
Jedním z hlavních principů, kterým se v týmu zabývají, je multimodalita. To znamená, že systémy nespoléhají pouze na vizuální informace, ale kombinují je s hmatovým vnímáním, prostorovými daty či kontextem úkolu. Praktickým příkladem může být robot, který se učí podávat nářadí. “Nejde tedy jen o to, aby poznal tvar a velikost předmětu, ale aby pochopil, jak jej člověk drží, jak se pohybuje a jak reaguje na neočekávané překážky. Tato schopnost učit se z demonstrace a přenášet dovednosti do reálného prostředí umožňuje strojům být flexibilní a spolehlivé i mimo laboratoř,” dodává Škoviera.
Jak si roboti vedou dnes a co je ještě čeká
Výzkum spolupráce člověka a robota v posledních letech výrazně pokročil. Řada dílčích řešení dnes funguje velmi dobře, například rozpoznávání přirozeného jazyka, detekce známých objektů nebo flexibilní učení jednotlivých podúloh bez nutnosti klasického programování. „Tyto přístupy jsou dnes funkční a nasaditelné, ale hlavní výzvou zůstává spolehlivost v proměnlivém prostředí a přenos naučených dovedností na nové, ale podobné objekty či situace,“ doplňuje Škoviera.
S tím souhlasí i Karla Štěpánová, která výzkumnou skupinu ROP vede, a doplňuje: „Klíčovým problémem je dosažení kvality odpovídající průmyslovým standardům, zejména co se týče přesnosti, opakovatelnosti a robustnosti.“ Podle ní je to spíše otázka času. Cílem je vývoj přístupných a snadno přeučitelných modelů, propojených s expertními znalostmi a bezpečnostní verifikační vrstvou, které budou robustně adaptabilní pro malosériovou výrobu a snadno naučitelné pro nové úlohy. „Jako pozitivní vnímám, že podobné technologie už dnes fungují i v praxi. Například některé startupy, jako Robotwin, nasazují systémy schopné flexibilního učení úkolů bez nutnosti programování. Očekávám proto, že většinu současných výzev, zejména co se týče spolehlivosti a adaptivity, překonáme postupně v příštích letech,“ shrnuje Štěpánová, která mimojiné v evropském projektu ELLIOT vyvíjejí spolu s kolegy otevřené multimodální modely schopné spolehlivě fungovat v reálném světě. Modely kombinují obraz, video, audio, text, 3D a senzory a jejich cílem je, aby systémy byly adaptabilní, prediktivní a schopné spolupracovat s lidmi bez neustálého dohledu.
Mezi laboratoří a výrobní halou
Nejen v rámci svého vystoupení na konferenci ROBOTY 2026 měl Radoslav Škoviera možnost diskutovat s firmami o praktických potřebách průmyslu. „Setkáváme se s tím, že řada podniků je vůči flexibilním, ‚chytrým‘ řešením stále skeptická, někdy až vyloženě nedůvěřivá,“ říká. Česká republika patří podle dat Mezinárodní federace robotiky (IFR) mezi země s vysokou robotickou hustotou, ta je však z velké části dána mírou automatizace v automobilovém průmyslu. Může stak docházet k tomu, že malé a střední podniky v oblasti robotizace zaostávají, a na trhu zatím dominují systémy, které často jen robustně integrují osvědčené technologie, jako je detekce markerů, přístupy známé českému výzkumu už desítky let. Tím se prohlubuje mezera mezi moderním výzkumem a reálnou aplikací v praxi.
Na druhou stranu ale Radoslav Škoviera dodává: „Objevují se ale progresivní firmy, které chápou, že automatizace v blízké budoucnosti nebude otázkou volby, ale nutnosti. Tyto firmy si zároveň uvědomují, že standardní automatizační řešení pro velkosériovou výrobu ani současné přístupy ke sdíleným prostorům člověka a robota pro jejich potřeby často nestačí.“
Kde se nápady mění v řešení
Radoslavův výzkum přispívá hned do několika významných projektů, do kterých jsou výzkumníci ROP i další týmy CIIRC ČVUT aktuálně zapojené. ROBOPROX reaguje na potřeby českého průmyslu a nabízí modulární řešení pro pokročilou výrobu, propojuje systémovou teorii, materiálové inženýrství a simulace modulárních struktur. Projekt poskytuje stovkám vědců, doktorandů a postdoktorandů příležitost testovat nové algoritmy přímo v praxi.
Dlouhodobým cílem skupiny, ve které Radoslav působí, na následující roky je pak také projekt GA ČR JUNIOR STAR 2026, získaný Karlou Štěpánovou, zaměřený na personalizované systémy, které se učí od uživatele prostřednictvím interaktivního dialogu a multimodálních vstupů. „Každý uživatel pracuje jinak, má jiné návyky a způsoby, jak komunikovat s technikou,“ vysvětluje Radoslav. „Naším cílem je, aby systémy tyto nuance dokázaly zachytit a přizpůsobit se konkrétním potřebám.“
Kromě praktických aplikací je Radoslavův výzkum také hluboce teoretický. Sleduje principy adaptace, učení a kognitivního zpracování informací, které umožňují strojům chápat nejistotu, predikovat chování lidí a přizpůsobovat se dynamickým situacím. Výsledkem jsou systémy, které nejen splňují technické požadavky, ale jsou i intuitivně čitelné a důvěryhodné pro člověka, což je klíčové pro bezpečnou spolupráci v průmyslu, zdravotnictví i interaktivních technologiích.
Budoucnost inteligentní spolupráce
Další kroky podle Radoslava spočívají v tom, že autonomní systémy budou stále více učit se od lidí, adaptovat se na nové situace a předvídat lidské chování, místo aby spoléhaly jen na předem naprogramované algoritmy. Projekty jako ROBOPROX, ELLIOT a JUNIOR STAR ukazují konkrétní cesty, jak tyto principy aplikovat, a dokazují, že propojení vědy s praktickými potřebami lidí má skutečný dopad. „Naší snahou není jen vyvíjet sofistikované algoritmy,“ shrnuje Škoviera. „Chceme, aby systémy byly srozumitelné, bezpečné a užitečné, aby skutečně spolupracovaly s lidmi a činily jejich práci efektivnější a příjemnější.“
O Radoslavovi
Radoslav Škoviera působí jako výzkumník na Českém institutu informatiky, robotiky a kybernetiky ČVUT v Praze. Je členem Robotics Perception Group (ROP / Robotické vnímání) vedené Karlou Štěpánovou, která spadá pod oddělení Robotics and Machine Perception (RMP). Skupina se zaměřuje na strojové vnímání v širokém smyslu, od počítačového vidění a hmatového vnímání pro manipulaci až po kognitivní přístupy k interakci člověka a systému. Vedle své kmenové skupiny je Radoslav aktivní i v rámci Imitation Learning Centre, mezioborové sítě výzkumníků napříč CIIRC ČVUT, která se zaměřuje na učení z demonstrace, multimodální interakci a přenos lidských dovedností do technických systémů.
