Autor: Filip Grządkowski, wiceprezes ds. inżynierii
W wyścigu mającym na celu automatyzację świata fizycznego nie wszystkie inteligencje są sobie równe.
Od lat motorem napędowym robotyki są przełomy w laboratoriach sztucznej inteligencji: modele trenowane na symulacjach, danych syntetycznych i kontrolowanych środowiskach. Te postępy są imponujące, ale łączy je jedno istotne ograniczenie: są one tworzone daleko od miejsca, w którym muszą działać.
Magazyny nie są systemami kontrolowanymi. Są dynamiczne, nieprzewidywalne i pełne skrajnych przypadków – towary się przesuwają, opakowania się deformują, pudełka się przyklejają, a kody kreskowe znikają.
Ta luka między inteligencją laboratoryjną a wydajnością w warunkach rzeczywistych hamowała automatyzację na dużą skalę. Chodzi o lukę w niezawodności fizycznej sztucznej inteligencji, a jej wypełnienie wymaga doświadczenia produkcyjnego.
Dane ze świata rzeczywistego są zaletą
Każda czynność wykonywana przez robota w żywym magazynie generuje bogate, wielowymiarowe dane. Interakcje robota Nomagic rejestrują ponad dziesiątki takich wymiarów – od geometrii obiektu i ścieżek ruchu, po wyniki wykonania i tryby awarii.
Z czasem tworzy to coś o wiele cenniejszego niż syntetyczne zbiory danych: stale ewoluujący zapis rzeczywistości. To fundament “Biblioteki Chaosu” Nomagic – milionów rzeczywistych przypadków skrajnych zebranych ze środowisk produkcyjnych. Ukryte kody kreskowe, przesuwające się przedmioty i uszkodzone opakowania.
To właśnie w takich momentach automatyzacja zazwyczaj zawodzi. Ale to właśnie wtedy następuje proces uczenia się. I coraz częściej to właśnie one definiują kolejną generację sztucznej inteligencji.
Fundamentalna szansa
Nomagic wykorzystuje ten zbiór danych do budowy modelu RFM (Robotics Foundation Model), nowej klasy sztucznej inteligencji zaprojektowanej do generalizacji zadań fizycznych. W przeciwieństwie do tradycyjnych systemów robotycznych, budowanych z myślą o wąskich zastosowaniach, modele RFM są trenowane na dużych, rzeczywistych danych interakcyjnych. Celem jest nie tylko wydajność, ale także adaptacyjność – systemy, które potrafią radzić sobie ze zmiennością, odzyskiwać sprawność po awarii i doskonalić się z czasem.
W automatyzacji magazynów sukces nie jest definiowany przez średnią wydajność. Jest definiowany przez to, jak systemy radzą sobie z nieoczekiwanymi zdarzeniami. To właśnie w tym miejscu rzeczywiste dane stają się prawdziwą przewagą konkurencyjną.
Specjalistyczna autonomia kontra roboty ogólnego przeznaczenia
Branża realizacji zamówień coraz bardziej koncentruje się na robotach ogólnego przeznaczenia – systemach zaprojektowanych do wykonywania wielu zadań w różnych środowiskach. To atrakcyjna wizja. Jednak w przypadku operacji magazynowych napotyka ona na fundamentalne ograniczenie: wydajność wymaga specjalizacji.
Podejście Nomagic opiera się na specjalistycznej autonomii – systemach sztucznej inteligencji zaprojektowanych do wykonywania konkretnych, wartościowych zadań i zoptymalizowanych pod kątem szybkości, precyzji i niezawodności.
Realizacja zamówień w magazynie wymaga ekstremalnej wydajności: ciągłej pracy, niemal idealnej dokładności i setek kompletacji zamówień na godzinę. Taki poziom wydajności wymaga czegoś, co można by nazwać “wcieleniem nadludzkim” lub systemami fizycznej sztucznej inteligencji (SI) stworzonymi specjalnie do tego celu.
Humanoidy oferują elastyczność i mogą być dobrze dostosowane do niektórych projektów typu brownfield. Jednak ta elastyczność ma swoją cenę: niższą przepustowość, wyższą złożoność i zmniejszoną wydajność w skali. W środowiskach typu greenfield wygrywają systemy specjalnie zaprojektowane. Są szybsze, bardziej niezawodne i skalowalne.
Roboty ogólnego przeznaczenia mogą być wszechstronne. Specjalistyczna autonomia przynosi rezultaty.
Wizja, nauka, działanie – i adaptacja
Podstawą podejścia Nomagic jest zunifikowana platforma Physical AI oparta na koncepcji Vision, Language and Action (VLA). Tradycyjne systemy uczenia maszynowego doskonale radzą sobie z obsługą “ścieżki szczęścia” w operacjach magazynowych: identyfikują produkty, wybierają punkty uchwytu i optymalizują rozmieszczenie z ekstremalną szybkością i wydajnością. Te wysoce wyspecjalizowane modele mają kluczowe znaczenie dla osiągnięcia przepustowości i operacyjnych wskaźników KPI wymaganych w nowoczesnych środowiskach realizacji zamówień.
Jednak magazyny nie są definiowane wyłącznie przez przewidywalne scenariusze. Przypadki brzegowe zdarzają się nieustannie: towary niespodziewanie się przesuwają, opakowania się deformują, kody kreskowe znikają, a obiekty stają się częściowo niewidoczne. Właśnie w tym miejscu rzeczywiste dane produkcyjne Nomagic stają się ogromną zaletą. Dzięki szkoleniu na milionach interakcji zebranych z rzeczywistych operacji magazynowych, Nomagic zbudował modele VLA zdolne do rozpoznawania anomalii, analizowania nieoczekiwanych sytuacji i adaptacji w czasie rzeczywistym.
Rezultatem jest hybrydowa architektura, która łączy zoptymalizowane systemy ML zapewniające szybkie wykonywanie zadań z adaptacyjną inteligencją VLA do obsługi wyjątków. Zamiast polegać wyłącznie na modelach uogólnionych, Nomagic wykorzystuje wyspecjalizowaną autonomię w zdecydowanej większości powtarzalnych przepływów pracy, a wnioskowanie oparte na VLA odwołuje się tylko do nietypowych sytuacji.
To podwójne podejście umożliwia coś, co historycznie było trudne do osiągnięcia w robotyce: osiągnięcie zarówno bardzo wysokiej przepustowości, jak i bardzo wysokiej niezawodności na dużą skalę.
Wszystko to dzieje się w obliczu fundamentalnej zmiany, jaka czeka branżę logistyczną. E-commerce nadal dynamicznie się rozwija, a magazyny zmagają się ze strukturalnym niedoborem siły roboczej. Po prostu brakuje pracowników, aby utrzymać obecny model na dużą skalę. To nie jest problem tymczasowy, ale systemowy. Dla wielu operacji stanowi to potencjalny punkt zwrotny.
Ludzie nigdy nie zostali stworzeni do pracy w magazynie. Powtarzalne zadania, podnoszenie ciężarów i stała prędkość przekraczają ludzkie granice. Roboty są budowane specjalnie do tego środowiska. A napędzane inteligencją świata rzeczywistego, nie tylko dorównują ludzkim możliwościom, ale je przewyższają.
