Palkintotapahtuma: Aallon avoimen tieteen palkinto 2023
Tule juhlistamaan Aallon ensimmäisen avoimen tieteen palkinnon 2023 voittajia!
Robotic Manipulation of Deformable Objects -projektin tutkimuksen keskiössä on robottijärjestelmien kyky käsitellä muotoaan muuttavia esineitä kuten vaatteita, pesusieniä ja ruokaa. Teknisten vaikutusten lisäksi työllä on potentiaalia parantaa ihmisten hyvinvointia erityisesti terveydenhuollossa, jossa roboteilla voisi olla keskeinen rooli avustavissa tehtävissä vanhusten pukeutumisesta kylpemiseen ja ruokkimiseen.
Professori ja laitoksen varajohtaja Ville Kyrki sähkötekniikan ja automaation laitokselta, postdoc-tutkija Tran Nguyen Le sekä Tampereen yliopiston apulaisprofessori ja Aalto-yliopiston vieraileva tutkija Gökhan Alcan kertoivat tutkimuksestaan ja kuvasivat, kuinka avoin tiede on osa heidän päivittäisiä tutkimuskäytäntöjään.
Robotiikan tutkimus on tärkeää, koska robotiikassa rakennetaan jonkintasoiseen itsenäiseen ja älykkääseen toimintaan kykeneviä koneita, joita voi hyödyntää monenlaisten ongelmien ratkaisuun. Ryhmän tutkimusaiheisiin kuuluvat muun muassa robotin tarttuminen ja esineiden käsitteleminen, robottien oppiminen ja säätö sekä turvallisuus.
Yksi jatkuva haaste robotiikassa on robottien hyödyntäminen arkipäivän tilanteissa. Olemme vielä melko kaukana siitä, että robotit pystyisivät tekemään tehtäviä itsenäisesti. Robotteja käytetään tällä hetkellä tyypillisesti rajoitetuissa ympäristöissä, joissa olosuhteet eivät muutu, toisin kuin arkiympäristössä. Robotti on voitu jo pitkään ohjelmoida tyhjentämään astianpesukone tietyssä keittiössä, mutta se, että robotti pystyisi samaan missä tahansa keittiössä, on vielä tulevaisuutta.
Robottikäsiä on testattu todellisilla ihmisillä laboratorioympäristössä, mutta koska terveydenhuoltoala on tarkasti säännelty ala, ollaan vielä kaukana teknologian olemassaolosta puhumattakaan siitä, että olisi olemassa tuotteita, joita voisi myydä ja käyttää.
Ryhmä on jakanut tutkimustuotoksiaan aktiivisesti tiedeyhteisössä. Ryhmä on kuratoinut avoimia datasettejä ja julkaissut laitteistosuunnitelmia varmistaakseen, että muut tutkijat voivat hyödyntää ryhmän tuotoksia helposti omissa projekteissaan. Lisäksi ryhmä on jakanut tieteellisiä tuotoksiaan avoimina artikkeleina ja avoimen lähdekoodin ohjelmistoina. Ryhmä on myös uudelleenkäyttänyt julkisesti saatavilla olevaa dataa.
Laitteistosuunnittelussa standardoiduilla esinekokoelmilla kuten esimerkiksi YCB-datasetillä on ratkaiseva merkitys. Jos jokaisessa laboratoriossa käytettäisiin samanlaisia esineitä kuten mukeja, tuloksia olisi helpompi vertailla. Silloin lähtökohdaksi voitaisiin ottaa paras ratkaisu ja rakentaa uusia ratkaisuja iteratiivisesti aiempien tulosten tai suunnitelmien varaan. Datasettien saatavuus riippuu tutkimusongelmasta. Esimerkiksi jäykkiin esineisiin tarttumiseen liittyviä hyvälaatuisia tietoaineistoja on saatavilla hyvin ja yhteisö on suuri. Pienemmillä aloilla, joiden sovelluspotentiaali on toistaiseksi pienempi, laadukkaiden datasettien löytäminen on vaikeampaa. Esimerkiksi muotoaan muuttaviin esineisiin liittyviä datasettejä ei ole olemassa.
Viimeisen kymmenen vuoden aikana robotiikan tutkijat ovat alkaneet omaksua laajemmin avoimen tieteen käytäntöjä. On alettu nähdä tutkimuksen avaamisen hyötyjä: mitä enemmän tutkimusta avaa, sitä vaikuttavampaa se on.
Avaamisen mahdollisuuksissa on kuitenkin jonkin verran vaihtelua rahoittajan mukaan. Suomen Akatemian hankkeissa kaiken voi periaatteessa avata, kun taas yritysyhteistyönä tehdyssä tilaustutkimuksessa yritykset haluavat rajoittaa avoimuutta kilpailuedun turvaamiseksi.
Julkaisujen lisäksi myös lähdekoodin, algoritmien ja vaikkapa luentojen avaaminen Youtube-videoina on ratkaisu, jossa kaikki voittavat. Koska tieto on avoimesti saatavilla, ei tarvitse käyttää niin paljon aikaa alan kehityksen nykytilanteen omaksumiseen. Toisaalta tutkimuksen avaaminen ei ole ilmaista, koska materiaalin kuratoiminen vaatii ylimääräistä vaivannäköä. Datan avaamisessa on myös tärkeää arvostaa laatua määrän sijaan. Hyvin kuratoitu laadukas data houkuttelee yhteistyökumppaneita ja hyödyttää koko yhteisöä.
Robotiikalla ei ole omaa alakohtaista datapankkia. Tutkimusdataa julkaistaan tyypillisesti artikkelien yhteydessä, mikä on haaste datan pysyvyydelle. Lähdekoodia jaetaan puolestaan erityisesti GitHubissa.
Yksi esteistä on standardoitujen laitteiden puute. Jokaisella laboratoriolla on oma robottinsa, joten tuloksia on vaikea vertailla. Tämä muodostaa suuren haasteen tutkimuksen toistettavuudelle. Laitteistosuunnitelmien jakaminen voi auttaa tämän ongelman ratkaisemisessa.
Haasteena on myös tutkimuksen avaamiseen tarvittava aika ja vaiva. On yllättävää, kuinka paljon aikaa hyvälaatuisen koodin julkaiseminen voi viedä.
Avoimen tieteen yhtenä suorana mahdollistajana ovat Aalto-yliopiston open access -sopimukset. Myös preprint-palvelut kuten arXiv ovat tärkeä mahdollistaja. Ne mahdollistavat nopean ja suoran julkaisemisen, mikä on tärkeää niillä tekniikan aloilla, jotka kehittyvät niin nopeasti, että jos julkaisemista joutuu odottamaan vuoden ajan, tekniikka on jo saattanut vanhentua. Preprintien haittapuolena on vertaisarvioinnin puute, mikä voi tehdä niistä myös esteen tieteen avoimuudelle.
Robotiikkayhteisö on jo nyt melko avoin. Euroopan sisällä yhteistyö on helpompaa, mutta Euroopan ulkopuolella tehtävään yhteistyöhön tarvittaisiin lisää tutkimuksen avaamiseen liittyvää rahoitusta.
Avoimuus tulisi ottaa huomioon muiden tekijöiden ohella tutkijan arvioinnissa, mutta myös avatun tuotoksen laatua olisi hyvä tarkastella.
Avoimen tieteen palkinnon kaltaiset aloitteet ovat tärkeitä, jotta tutkijat saadaan tietoisiksi toistensa työstä. Esitetyt esimerkit saattavat kannustaa muita omaksumaan avoimen tieteen käytäntöjä kuten julkaisemaan koodia, vaikka se vaatiikin työtä. Perussääntö voisi kuulua seuraavasti: jos käytät siihen aikaa, jaa se.
Kulttuuri alkaa usein ohjaajasta. Jos ohjaaja kannustaa yhteistyöhön ja avoimuuteen, on todennäköistä, että ryhmän jäsenet omaksuvat samankaltaiset käytännöt.
Henkilödata ei ole robotiikan tutkimuksessa suuri ongelma. Tietyissä tutkimusasetelmissa roboteissa voi olla antureita kuten kameroita, ja ne voivat tallentaa videokuvaa, jossa saattaa vahingossa esiintyä joku henkilö. Tällaisissa tapauksissa käytetään kuvankäsittelytyökaluja kasvojen sumentamiseen. Käyttäjätutkimuksissa, joissa ihmiset ja robotit tekevät asioita yhdessä, henkilötietoja saatetaan kerätä, mutta niitä ei julkaista.
Kaksoiskäyttö ja vientivalvonta voivat asettaa avoimuudelle haasteita tulevaisuudessa, koska robotiikka luokitellaan mahdollisesti sensitiiviseksi teknologiaksi. Robotin tarttumiseen liittyvä perustutkimus ei todennäköisesti ole kaikkein sensitiivisin tutkimusalue, mutta on olemassa tutkimusaiheita, jotka voivat olla alttiimpia kaksoiskäytölle. Tilanteen kehittymistä on kuitenkin vaikea ennustaa ja siihen vaikuttaa muun muassa geopolitiikka.
Robotiikkayhteisön näkökulmasta avoimen tieteen tulevaisuus näyttää valoisalta. Yhteisö näkee jo avoimen tieteen hyödyllisyyden. Ohjelmistojen puolella avoin tiede kehittyy nopeammin kuin laitteistoissa, mutta kehitystä tapahtuu sielläkin. Tieteen avoimuuteen kannustava ryhmä tunnetaan paremmin yhteisössä, ja se voi siten myös houkutella uusia kykyjä.
N. Tuomainen, D. Blanco-Mulero, and V. Kyrki. Manipulation of granular materials by learning particle interactions. IEEE Robotics and Automation Letters, vol. 7, no. 2, pp. 5663–5670, 2022. DOI: 10.1109/LRA.2022.3158382.
T. N. Le, J. Lundell, F. J. Abu-Dakka, and V. Kyrki. Deformation-aware data-driven grasp synthesis. IEEE Robotics and Automation Letters, vol. 7, no. 2, pp. 3038–3045, 2022. DOI:10.1109/LRA.2022.3146551.
H. Wang, F. J. Abu-Dakka, T. Nguyen Le, V. Kyrki, and H. Xu. A novel soft robotic hand design with human-inspired soft palm: Achieving a great diversity of grasps. IEEE Robotics Automation Magazine, vol. 28, no. 2, pp. 37–49, 2021. DOI: 10.1109/MRA. 2021.3065870.
D. Blanco-Mulero, Evolving-graph gaussian processes, https://github.com/dblanm/evolvingggp, 2021.
T. Nguyen Le, Deformation-aware data-driven grasp synthesis, https://github.com/trannguyenle95/defggcnn, 2022.
D. Blanco-Mulero, Manipulation of granular materials by learning particle interactions, https://github.com/dblanm/gnn-manip, 2022.
H. Wang, A novel simulation-based quality metric for evaluating grasps on 3d deformable objects, https://irobotics.aalto.fi/a-novel-design-of-soft-robotic-hand-with-a-human-inspired-soft-palm-for-dexterous-grasping/ 2022.
Tämä haastattelu on osa sarjaa, jossa esitellään Aallon avoimen tieteen palkinnon voittaja ja kunniamaininnan saaneita. Toivotamme teidät lämpimästi tervetulleeksi palkintotilaisuuteen, joka järjestetään 7.5.2024.
Tule juhlistamaan Aallon ensimmäisen avoimen tieteen palkinnon 2023 voittajia!
Haastattelimme Aallon ensimmäisen avoimen tieteen palkinnon voittajia AMAD-tiimistä.
Haastattelimme Aallon ensimmäisen avoimen tieteen palkinnon kunniamaininnan saanutta professori Riikka Puurusta.
Avoin tiede on merkittävä tapa edistää tiedettä ja tieteen vaikuttavuutta yhteiskunnassa sekä mahdollistaa uudenlaista yhteistyötä ja innovaatioita.
Tutkimusdatan hyvä hallinta on osa laadukasta tutkimusprosessia ja luo kilpailuetua. Sivu kokoaa Aalto-yliopiston tuen, palvelut ja ohjeet tutkimusdatan hallintaan.
Tarjoamme kaikille avoimia, ilmaisia koulutuksia tutkimusdatan hallinnasta ja avoimesta tieteestä.
Data-agentit ovat tutkijoita, jotka toimivat tutkimusdatan hallinnan asiantuntijoina laitoksillaan ja kouluissaan.