Autor: Filip Grządkowski, wiceprezes ds. inżynierii
W programie mającym na celu automatyzację świata nie wszystkie inteligencje są sobie równe.
Od lat motorem działania robotyki są przełomy w laboratoriach sztucznej inteligencji: modele trenowane na sportowych, danych syntetycznych i kontrolowanych środowiskach. Te działania są imponujące, ale łączą się z jednym istotnym czynnikiem ograniczającym: są jednym z najważniejszych elementów miejsca, w którym występuje.
Magazyny nie są systemami kontrolowanymi. Są nieprzewidywalne i pełne skrajnych zjawisk – towary się przesuwają, opakowania się deformują, są przyklejone, a kody kreskowe znikają.
Ta luka między inteligencją laboratoryjną a wydajnością w normalnych warunkach hamowała automatyzację na częstotliwości. Chodzi o lukę w sztucznej inteligencji, a jej uzupełnienie wymaga doświadczenia produkcyjnego.
Dane ze świata rzeczywistego są zaletą
wykonywana przez robota w żywym magazynie, wielowymiarowe dane. Interakcje robota Nomagic rejestrują ponad dziesięć takich wymiarów – od geometrii obiektu i ruchu, po wynikach wykonania i trybie wykrywania.
Z czasem tworzywo sztuczne to coś o wiele cenniejszego niż syntetyczne zbiory danych: stale ewoluujący zapis rzeczywistości. Do fundacji “Biblioteki Chaosu” Nomagic – różne przypadki skrajnych zebranych ze środowisk produkcyjnych. Ukryte kody kreskowe, przesuwające się przedmioty i uszkodzone opakowania.
To właśnie w takich momentach automatyzacja zwykle zawodzi. Ale to jest aktualnie dostępne w procesie informacyjnym. Coraz częściej to właśnie one definiują sztuczną generację sztucznej inteligencji.
Fundamentalna szansa
Nomagic wykorzystuje zbiór dziesięciu danych do budowy modelu RFM (Robotics Foundation Model), nowej klasy sztucznej inteligencji, do generalizacji zadań fizycznych. W oparciu o systemy robotyczne, zbudowane z myślą o zastosowaniach, modele RFM są trenowane na dużych, naturalnych danych interakcyjnych. Celem jest nie tylko wydajność, ale także adaptacyjność – systemy, które potrafią działać ze zdolnością, odzyskiwać sprawność po rozwiązaniu i doskonalić się z istniejącym.
W automatyzacji magazynuów sukces nie jest zdefiniowany przez wydajność. Jest zdefiniowany przez to, jak systemy radzące sobie z nieoczekiwanymi zdarzeniami. To właśnie w tym miejscu są prawdziwe dane, które są stosowane w przewadze konkurencyjnej.
Specjalistyczna autonomia kontra roboty ogólnego przeznaczenia
Branża realizacji coraz bardziej skomplikowana jest na robotach ogólnego przeznaczenia – dostępna do realizacji wielu zadań w różnych środowiskach. Aby zainteresować wizją. Jednak w przypadku operacji magazynowych jest ona podstawowa, ograniczająca: zastosowanie wymaga specjalizacji.
Podejście Nomagic obejmuje specjalistyczne narzędzia autonomiczne – sztuczne zastosowania, które umożliwiają wykonywanie zadań wartościowych i określonych pod kątem szybkości, precyzji i umiejętności.
Wykonanie w magazynie wymaga ekstremalnej wydajności: zastosowaniej pracy, natychmiastowo, natychmiastowo i setek kompletacji na godzinę. Taki poziom wydajności wymaga czegoś, co można uzyskać poprzez “wcielenie nadludzkim” lub systemy sztucznej inteligencji (SI) stworzone specjalnie do tego celu.
Humanoidalne ujawnienie może być dobrze ujawnione w wyniku działania typu brownfield. Oprócz tej mającej wysokość: niższą przepustowość, wyższą złożoność i zmniejszoną wydajność w skali. W środowisku typu greenfield wygrywają specjalne systemy uwalniające. Są bardziej szczegółowe i skalowalne.
Ogólne przeznaczenie może być dostępne. Autonomia specjalistyczna przynosi rezultaty.
Wizja, nauka, działanie – i adaptacja
Podstawa główna Nomagic jest zunifikowana platforma Fizyczna sztuczna inteligencja oparta na koncepcji wizji, języka i działania (VLA). Tradycyjne systemy uczenia maszynowego doskonale sobie radzą z obsługą “ścieżki szczęścia” w operacjach magazynowych: identyfikacja produktów, wybierają punkty uchwytu i optymalizują rozmieszczenie z ekstremalną szybkością i wydajnością. Te funkcjonalne modele mają znaczenie kluczowe dla wydajności i wydajności KPI wymagane w środowisku realizacji.
Jednak magazyny nie są definiowane wyłącznie przez przewidywalne scenariusze. Przypadki brzegowe wpływają na siebie: towary niespodziewanie się przesuwają, opakowania się deformują, kody kreskowe znikają, a obiekty są niewidoczne. Właśnie w tym miejscu rzeczywiste dane produkcyjne Nomagic pojawiają się korzyści. Dzięki szkoleniu na milion zebranych z istniejących operacji magazynowych, Nomagic modele VLA zostały uwzględnione w rozpoznaniu anomalii, analizie nieoczekiwanych sytuacji w adaptacji w czasie.
Rezultatem jest hybrydowa architektura, która łączy systemy ML z dodatkowymi zadaniami z adaptacyjną inteligencją VLA do obsługi wyjątków. Zawiera wyłącznie na modelach uogólnionych, Nomagic wykorzystuje autonomiczną energię w zdecydowanej częstotliwości, a wnioskowanie pochodzi z VLA, które jest dostępne tylko do alternatywnych sytuacji.
To jest możliwe, co w historii było trudne do wykonania w zabezpieczeniach: tylko bardzo wysokie możliwości, jak i bardzo wysoka wydajność na żywo.
Wszystko, co dzieje się w dniu fundamentalnej zmiany, jaka czeka na branżę logistyczną. E-commerce nadal się rozwija, a magazyny zmagają się ze strukturalnym niedoborem siły roboczej. Po prostu brakuje pracowników, aby dostępny model był dostępny. To nie jest problem tymczasowy, ale systemowy. Dla wielu operacji stanowi potencjalny punkt zwrotny.
Ludzie nigdy nie stworzeni do pracy w magazynie. Zadania związane z przenoszeniem ciężarówek i bezpośrednią prędkością graniczną. Roboty są specjalnie zbudowane do tego środowiska. A uruchamiane inteligencja świata rzeczywistego, nie tylko dorównują naukom możliwości, ale je przewyższają.
