Roboty do kompletacji z robotami do kompletacji oparte na sztucznej inteligencji są teraz gotowe do pracy

Współzałożyciele Covariant pracują nad swoim ramieniem robota. Elena Żukowa

Latem 2018 r. mały startup zajmujący się robotyką z Berkeley otrzymał wyzwanie. Knapp, główny dostawca technologii logistyki magazynowej, poszukiwał nowego ramienia robota opartego na sztucznej inteligencji, które mogłoby pobierać jak najwięcej rodzajów przedmiotów. Tak więc co tydzień, przez osiem tygodni, wysyłał startupowi listę coraz trudniejszych przedmiotów — nieprzezroczystych pudełek, przezroczystych pudełek, opakowań po pigułkach, skarpet — które zawierały całą gamę produktów od jego klientów. Zespół startowy kupował produkty lokalnie, a następnie, w ciągu tygodnia, odsyłał nagranie wideo przedstawiające ramię robota przenoszące przedmioty z jednego szarego pojemnika do drugiego.

Pod koniec wyzwania kierownictwo firmy Knapp było załamane. W ciągu sześciu lub siedmiu lat rzucali wyzwanie wielu startupom i tym razem oczekiwali takiego samego wyniku. Zamiast tego w każdym filmie ramię robota startupu przenosiło każdy element z idealną dokładnością i szybkością gotową do produkcji.

Za każdym razem spodziewaliśmy się, że upadną z kolejnym produktem, ponieważ stawało się to coraz trudniejsze – mówi Peter Puchwein, wiceprezes ds. innowacji w firmie Knapp z siedzibą w Austrii. Ale chodziło o to, że im się udało i wszystko naprawdę działało. Nigdy wcześniej nie widzieliśmy takiej jakości sztucznej inteligencji.

Ramię robota KNAPP z obsługą Covariant w środowisku żywego magazynu w Berlinie, Niemcy. Jannis Keil

Covariant wyszedł z trybu ukrycia i dziś zapowiada współpracę z Knappem. Jego algorytmy zostały już wdrożone w robotach Knapp w dwóch magazynach klientów Knapp. Jeden, obsługiwany przez niemieckiego dostawcę energii elektrycznej Obeta, został: w pełni w produkcji od września. Współzałożyciele twierdzą, że Covariant jest również bliski zawarcia kolejnej umowy z gigantem robotyki przemysłowej.

Wiadomości oznaczają zmianę stanu robotyki opartej na sztucznej inteligencji. Takie systemy były kiedyś ograniczone do bardzo ograniczonych środowisk akademickich. Ale teraz Covariant twierdzi, że jego system może uogólniać złożoność rzeczywistego świata i jest gotowy do szturmu podbijania pięter magazynowych.

W magazynach istnieją dwie kategorie zadań: rzeczy, które wymagają nóg, jak przenoszenie pudeł z przodu na tył przestrzeni, oraz rzeczy, które wymagają rąk, jak podnoszenie przedmiotów i umieszczanie ich we właściwym miejscu. Roboty są w magazynach od dawna, ale ich sukces ograniczył się przede wszystkim do automatyzacji dotychczasowego rodzaju pracy. Jeśli spojrzysz na nowoczesny magazyn, ludzie tak naprawdę rzadko się przemieszczają, mówi Peter Chen, współzałożyciel i dyrektor generalny Covariant. Przenoszenie rzeczy między stałymi punktami — to problem, w którym mechatronika jest naprawdę świetna.

Ramię robota w biurze Covarianta Elena Zhukova

Jednak automatyzacja ruchów rąk wymaga czegoś więcej niż tylko odpowiedniego sprzętu. Technologia musi zwinnie dostosowywać się do szerokiej gamy kształtów i rozmiarów produktów w ciągle zmieniającej się orientacji. Tradycyjne ramię robota można zaprogramować do wykonywania tych samych precyzyjnych ruchów raz za razem, ale zawiedzie w momencie napotkania jakiegokolwiek odchylenia. Potrzebuje sztucznej inteligencji, aby widzieć i dostosowywać się, w przeciwnym razie nie będzie miał nadziei na nadążanie za ewoluującym otoczeniem. To naprawdę część zręcznościowa, która wymaga inteligencji, mówi Chen.

W ciągu ostatnich kilku lat laboratoria badawcze poczyniły niesamowite postępy w łączeniu sztucznej inteligencji i robotyki, aby osiągnąć taką zręczność, ale przeniesienie ich do prawdziwego świata to zupełnie inna historia. Laboratorium może uciec z dokładnością 60% lub 70%; roboty w produkcji nie mogą. Nawet przy 90% niezawodności ramię robota byłoby propozycją tracącą wartość, mówi Pieter Abbeel, współzałożyciel i główny naukowiec Covariant.

Aby naprawdę spłacić inwestycję, szacują Abbeel i Chen, robot musi być dokładny w co najmniej 99%, a może nawet w 99,5%. Tylko wtedy może działać bez dużej ingerencji człowieka lub ryzyka spowolnienia linii produkcyjnej. Ale dopiero niedawny postęp w uczeniu głębokim, a w szczególności uczeniu ze wzmocnieniem, umożliwił osiągnięcie tego poziomu dokładności.

Biuro Covarianta znajduje się niedaleko nabrzeża zatoki San Francisco, przy zrujnowanym parkingu między rzędami nieoznakowanych budynków. Wewnątrz kilka robotów przemysłowych i robotów współpracujących, robotów współpracujących zaprojektowanych do bezpiecznego działania wokół ludzi, trenuje dla każdej możliwości produktu.

Członkowie zespołu Covariant regularnie odwiedzają sklepy spożywcze, aby kupić wszelkie drobiazgi, jakie mogą znaleźć. Artykuły obejmują balsamy w butelkach, pakowane ubrania i gumki do ścierania zamknięte w przezroczystych pudełkach. Zespół poszukuje w szczególności rzeczy, które mogą spowodować potknięcie robota: wysoce odblaskowe powierzchnie metalowe, przezroczyste tworzywa sztuczne i łatwo odkształcalne powierzchnie, takie jak tkaniny i worki na wióry, które za każdym razem będą wyglądać inaczej w aparacie.

Nad każdym robotem wisi seria kamer, które działają jak jego oczy. Te dane wizualne, wraz z danymi z czujników z ciała robota, trafiają do algorytmu kontrolującego jego ruchy. Roboty uczą się przede wszystkim poprzez łączenie technik imitacji i wzmacniania. Pierwsza obejmuje osobę ręcznie prowadzącą robota, aby podnosił różne przedmioty. Następnie rejestruje i analizuje sekwencje ruchu, aby zrozumieć, jak uogólnić zachowanie. To ostatnie polega na tym, że robot przeprowadza miliony rund prób i błędów. Za każdym razem, gdy robot sięga po przedmiot, próbuje go w nieco inny sposób. Następnie rejestruje, które próby skutkują szybszymi i bardziej precyzyjnymi wyborami w porównaniu z niepowodzeniem, dzięki czemu może stale poprawiać swoją wydajność.

Ponieważ ostatecznie to algorytm się uczy, platforma oprogramowania Covariant, zwana Covariant Brain, jest agnostyczna względem sprzętu. Rzeczywiście, biuro ma kilkanaście robotów różnych modeli, a jego wdrożenie na żywo z Obeta wykorzystuje sprzęt Knappa.

Reżim treningowy Kowarianta.

W ciągu godziny obserwowałem, jak trzy różne roboty po mistrzowsku podnoszą wszelkiego rodzaju przedmioty kupione w sklepie. W ciągu kilku sekund algorytm analizuje ich pozycje, oblicza kąt natarcia i poprawną sekwencję ruchów oraz wyciąga ramię, aby chwycić się przyssawką. Porusza się pewnie i precyzyjnie, zmieniając prędkość w zależności od delikatności przedmiotu. Na przykład tabletki owinięte folią są poddawane łagodniejszej obróbce, aby uniknąć deformacji opakowania lub zmiażdżenia leku. W jednej ze szczególnie imponujących demonstracji robot odwrócił również przepływ powietrza, aby wydmuchać nieznośną torbę przyciśniętą do ściany pojemnika do środka, aby uzyskać łatwiejszy dostęp.

Puchwein z Knapp mówi, że odkąd firma przyjęła platformę Covariant, jej roboty stały się w stanie wybrać od 10% do 15% do około 95% asortymentu Obeta. Ostatnie 5% to szczególnie delikatne przedmioty, takie jak okulary, które nadal są zarezerwowane do ostrożnego obchodzenia się przez ludzi. To nie problem, dodaje Puchwein. W przyszłości typowa konfiguracja powinna obejmować 10 robotów i jedną ręczną stację kompletacji. To jest dokładnie plan. W ramach współpracy firma Knapp w ciągu najbliższych kilku lat będzie dystrybuować swoje roboty obsługujące Covariant do wszystkich magazynów swoich klientów.

Choć technicznie imponujące, statystyki rodzą również pytania o wpływ takich robotów na automatyzację pracy. Puchwein przyznaje, że przewiduje, że w ciągu najbliższych pięciu lat setki lub tysiące robotów przejmą zadania tradycyjnie wykonywane przez ludzi. Ale, jak twierdzi, ludzie i tak nie chcą już wykonywać tej pracy. Zwłaszcza w Europie firmy często mają trudności ze znalezieniem wystarczającej liczby pracowników do obsadzenia ich magazynów. To dokładnie opinia wszystkich naszych klientów, mówi. Nie znajdują ludzi, więc potrzebują większej automatyzacji.

Do tej pory Covariant zebrał 27 milionów dolarów, a sponsorami byli tacy luminarze sztucznej inteligencji, jak zdobywcy nagrody Turinga Geoffrey Hinton i Yann LeCun. Oprócz kompletacji produktów chce ostatecznie objąć wszystkie aspekty realizacji magazynu, od rozładunku ciężarówek, przez pakowanie pudeł, po sortowanie na półkach. Przewiduje również wyjście poza magazyny na inne obszary i branże.

Ale ostatecznie Abbeel ma jeszcze wyższy cel: długoterminową wizją firmy jest rozwiązanie całej robotyki AI.

ukryć