A Microsoft 2010-ben debütált, az Xbox 360-hoz és 2012. február óta Windows PC-khez is használt mozgásérzékelő Kinectje lehetővé teszi, hogy fejlett gesztus-, arc- és hangfelismerő technológiája jóvoltából mozdulatokkal és beszéddel irányítsuk a játékkonzolt, folytassunk interakciót vele. Az eszközben rejlő potenciál azonban másra, többre is alkalmas: egy, a „Csináld magad!” és az iskolai robotikai képzés vonulatába sorolható közösségi kezdeményezés Kinect kamerákkal felvett 3D-s anyagaival a számítógépes látás és a robotika jövőjét hivatott egyengetni. 

A böngésző-alapú, nyílt forráskódú Kinect@Home egyelőre gyerekcipőben jár, de „őséhez”, a földönkívüli élet kutatásával foglalkozó Seti@Home-hoz és a „tömegek bölcsességét” hasznosító crowdsourcing és peer-to-peer (p2p) projektekhez hasonlóan izgalmas, a jövőbeli fejlesztések egyik lehetséges útját, szaktudás és felhasználói élmény szimbiózisát felvillantó kezdeményezés.

 Nyílt innováció

A főként a Wikipédiával és a Linuxszal szemléltethető nyílt innováció napjaink legnépszerűbb üzleti koncepcióinak egyike. Demokratikusabb az ötletgyártás, egyén és közösség nagyobb szerephez jutnak az alkotótevékenységben, mint korábban. A fejlesztések – esetenként már félkész termék állapotban – a vállalatok határain túlra terjednek ki, a folyamatokban a felhasználók is részt vesznek. A web 2.0-val divatossá lett téma (crowdsourcing) köré szervezetek, mozgalmak alakulnak. A modell részben és optimális esetben a vállalati hierarchiákat is ellensúlyozza. A legsikeresebb projektek egyelőre hibridek: a résztvevők „sokasága” decentralizált, a válogatás és döntéshozás viszont általában hierarchikus gyakorlat szerint történik. Még a Wikipédia és a Linux esetében is, utóbbinál például Linus Torvalds és néhány fontos beosztásban lévő társa választja ki az operációs rendszerbe kerülő kódot.

Az MIT Kollektív Intelligencia Központjának kutatása szerint a nyílt innovációs modell csak akkor sikeres, ha pontosan meghatározott egyedi célra tervezik, és ha az ösztönzésekkel a potenciálisan leghatékonyabb személyeket vonják be az együttműködésbe. Naiv félreértés, hogy elég egy kósza ötlet akármiről, és a kollektív bölcsesség máris a legjobbat hozza ki belőle.

 A Kinect és a gépi látás

Úgy tűnik, a Kinect@Home megfelel ezeknek az elvárásoknak, bár a weblapra még csak néhány tucat, a felhasználók nappaliját, konyháját, saját magát stb. ábrázoló modellt töltöttek fel, de ha a kezdeményezés nagyobb nyilvánosságot kap, hatalmas mennyiségű 3D-s adat gyűlhet össze, amely komoly segítséget nyújthat navigációs és tárgyfelismerő algoritmusok tökéletesítéséhez, újak kidolgozásához. Ezek az algoritmusok biztosítják, hogy a robotok (főként beltérben) pontosan mozogjanak, helyváltoztatás közben ne menjenek neki mindennek, megismerjék a környezetet, alkalmasint pedig – tárgyak elmozdításával – módosítsanak rajta.

A 3D-s adatok egyrészt kapcsolódnak a Big Data kezelésére, strukturálatlan gigantikus adatsorokból hasznos információ kinyerésére irányuló, többek között a Google nevével fémjelzett törekvésekhez, másrészt hatalmas mennyiségű háromdimenziós adatot eddig még senki nem tudott valóban hatékonyan kezelni. Itt jön képbe a viszonylag olcsó Kinect: jól működő és engedélyezetten átalakítható („magyarán” meghackelhető) 3D-s kamerarendszere forradalmasíthatja a gépilátás-kutatásokat, és rajtuk keresztül a robotikát is. A felhasználók bárhol feltölthetnek 3D-s modelleket az internetre, bárhonnan hozzájuk férhetnek, míg a Kinect@Home szakemberei az adatok alapján algoritmusokat fejleszthetnek. Az online kezdeményezés vezetője, Alper Aydemir, a Svéd Királyi Technológiai Intézet robotikusa például tárgyak 3D-s kontextusával (adott objektum mindennapos környezetben való helyzetével) és azok gépi feldolgozásával (is) foglalkozik. Úgy véli, a projekt eleve győzelemre ítéltetett.

 Miért a robotok?

A robotika több okból kitüntetett kutatási terület. Az ipari, katonai, mentési és egyéb alkalmazások mellett immáron a hétköznapokban is megjelennek robotok. Egyrészt a prognózisok szerint a 2020-as években ugyanolyan fontossá válnak, mint ma a számítógépek, másrészt viszont a közelebbi jövőben hiánypótló szerepet tölthetnek be.

A fejlett világ demográfiai trendjeinek egyike, a lakosság „elöregedése” – az egészségbiztosítási költségek és az egészségügyi szolgáltatások iránti igény növekedésével – az autonóm mobil robotok egyfajta „álomforgatókönyvet”, de legalábbis a problémakör egy részének megoldását jelenthetik. Viszont csak akkor, ha nem botlanak el az útjukba kerülő legkisebb akadályban is, ha viszonylag zsúfolt környezetben is jól tájékozódnak, ha navigációs algoritmusaikkal képesek kezelni a változásokat (növények, tárgyak elhelyezése, személyek mozgása, állatok felbukkanása és eltűnése stb.), ha objektumok sokaságát ismerik fel, kommunikálnak és interakcióba lépnek velük. Például meg kell tudniuk különböztetni a jégszekrényt a mikrohullámú sütőtől, a babkonzervet a sörtől, és így tovább. Ha rendelkezésünkre áll 10 ezer mikrohullámú sütő 3D-s képe, könnyen fejleszthető a mikrohullámú sütőket általánosító algoritmus, ami aztán robotokkal tesztelhető.

Egyes crowdsourcing kezdeményezések (például az Amazon Mechanikus Törökje) ugyan sokat segít 2D-s tárgyak gépi csoportosításában, de képeik nem tartalmaznak azok 3D-s formájára és viselkedésére vonatkozó információt. Aydemir pont ezért indította el a Kincet@Home-ot. Egyszerű kezelni: a felhasználó egy plugint telepít a gépére, hozzákapcsolja a Kinectet, és azt vesz fel vele, amit akar. 3D-s modelleket pedig így nem nehezebb elkészíteni, mint egy YouTube-videót. Az eddigi modellek persze még messze nem tökéletesek, viszont a szükséges technológiák fejlődésével komoly minőségjavulás várható.