AI-drevne robotlagerplukkere er nu klar til at gå på arbejde

Covariant medstiftere arbejder på deres robotarm. Elena Zhukova

I sommeren 2018 modtog en lille Berkeley-baseret robotstartup en udfordring. Knapp, en stor leverandør af lagerlogistikteknologier, var på jagt efter en ny AI-drevet robotarm, der kunne vælge så mange typer varer som muligt. Så hver uge, i otte uger, ville det sende opstarten en liste over stadigt sværere varer – uigennemsigtige æsker, gennemsigtige æsker, pillepakker, sokker – som dækkede en række produkter fra kunderne. Startup-teamet ville købe genstandene lokalt og derefter inden for en uge sende en video tilbage af deres robotarm, der overfører genstandene fra en grå skraldespand til en anden.

Ved slutningen af ​​udfordringen var cheferne hos Knapp sat i gulvet. De havde udfordret mange startups i løbet af seks eller syv år uden succes og forventede det samme resultat denne gang. I stedet for, i hver video, overførte startup'ens robotarm hvert emne med perfekt nøjagtighed og produktionsklar hastighed.

Hver gang forventede vi, at de ville fejle med det næste produkt, for det blev mere og mere tricky, siger Peter Puchwein, vicepræsident for innovation hos Knapp, som har hovedkontor i Østrig. Men pointen var, at de lykkedes, og alt fungerede virkelig. Vi har aldrig set denne kvalitet af AI før.

KNAPPs Covariant-aktiverede robotarm i et levende lagermiljø i Berlin, Tyskland. Jannis Keil

Covariant er nu kommet ud af stealth mode og annoncerer sit arbejde med Knapp i dag. Dens algoritmer er allerede blevet implementeret på Knapps robotter i to af Knapps kunders varehuse. Den ene, der drives af den tyske el-leverandør Obeta, har været fuldt ud i produktion siden september. Medstifterne siger, at Covariant også er tæt på at indgå en anden aftale med en industrirobotgigant.

Nyhederne betyder en ændring i tilstanden af ​​AI-drevet robotteknologi. Sådanne systemer plejede at være begrænset til stærkt begrænsede akademiske miljøer. Men nu siger Covariant, at dets system kan generalisere til kompleksiteten i den virkelige verden og er klar til at tage lagergulve med storm.

Der er to kategorier af opgaver på varehuse: ting, der kræver ben, som at flytte kasser fra forsiden til bagsiden af ​​rummet, og ting, der kræver hænder, som at samle varer op og placere dem det rigtige sted. Robotter har været på lagre i lang tid, men deres succes har primært været begrænset til at automatisere den tidligere type arbejde. Hvis man ser på et moderne lager, flytter folk faktisk sjældent, siger Peter Chen, medstifter og administrerende direktør i Covariant. At flytte ting mellem de faste punkter - det er et problem, som mekatronik er virkelig fantastisk til.

En robotarm på Covariants kontor Elena Zhukova

Men automatisering af hændernes bevægelser kræver mere end bare den rigtige hardware. Teknologien skal smidigt tilpasse sig en bred vifte af produktformer og størrelser i stadigt skiftende orienteringer. En traditionel robotarm kan programmeres til at udføre de samme præcise bevægelser igen og igen, men den vil svigte i det øjeblik, den støder på en afvigelse. Den har brug for AI for at se og justere, ellers vil den ikke have noget håb om at følge med sine udviklende omgivelser. Det er virkelig behændighedsdelen, der kræver intelligens, siger Chen.

I de sidste par år har forskningslaboratorier gjort utrolige fremskridt med at kombinere kunstig intelligens og robotteknologi for at opnå en sådan behændighed, men at bringe dem ind i den virkelige verden har været en helt anden historie. Labs kan slippe af sted med 60 % eller 70 % nøjagtighed; robotter i produktion kan ikke. Selv med 90 % pålidelighed ville en robotarm være et værditabende forslag, siger Pieter Abbeel, Covariants medstifter og chefforsker.

For virkelig at betale investeringen tilbage, vurderer Abbeel og Chen, skal en robot være mindst 99 % – og måske endda 99,5 % – nøjagtig. Først da kan den fungere uden megen menneskelig indgriben eller risikere at bremse en produktionslinje. Men det var ikke før de seneste fremskridt inden for dyb læring, og især forstærkende læring, at dette niveau af nøjagtighed blev muligt.

Covariants kontor ligger ikke langt fra havnefronten i San Francisco Bay, ud for en forfalden parkeringsplads mellem en række umærkede bygninger. Indenfor træner adskillige industrirobotter og co-bots, kollaborative robotter designet til at operere sikkert omkring mennesker, for enhver produktmulighed.

Med jævne mellemrum tager medlemmer af Covariants team på løb i dagligvarebutikker for at købe, hvad end de kan finde. Varerne spænder fra lotioner på flaske til pakket tøj til viskelæderkapsler indkapslet i klare kasser. Holdet leder især efter ting, der kan slå robotten i stykker: meget reflekterende metaloverflader, gennemsigtigt plastik og let deformerbare overflader som stof- og spånposer, der vil se anderledes ud for et kamera hver gang.

Over hver robot hænger en række kameraer, der fungerer som dens sæt øjne. Disse visuelle data, sammen med sensordata fra robottens krop, fødes ind i den algoritme, der styrer dens bevægelser. Robotterne lærer primært gennem en kombination af imitations- og forstærkningsteknikker. Den første involverer en person, der manuelt guider robotten til at samle forskellige genstande op. Den logger og analyserer derefter bevægelsessekvenserne for at forstå, hvordan man generaliserer adfærden. Sidstnævnte involverer robotten, der udfører millioner af runder af forsøg og fejl. Hver gang robotten rækker ud efter en genstand, prøver den det på en lidt anden måde. Det logger derefter, hvilke forsøg der resulterer i hurtigere og mere præcise valg i forhold til fejl, så det hele tiden kan forbedre sin ydeevne.

Fordi det i sidste ende er algoritmen, der lærer, er Covariants softwareplatform, kaldet Covariant Brain, hardwareagnostisk. Faktisk har kontoret over et dusin robotter af forskellige modeller, og dets live-implementering med Obeta bruger Knapps hardware.

Covariants træningsregime.

I løbet af en time så jeg tre forskellige robotter mesterligt samle alle slags indkøbte varer op. På få sekunder analyserer algoritmen deres positioner, beregner angrebsvinklen og den korrekte rækkefølge af bevægelser og strækker armen ud for at gribe om med en sugekop. Den bevæger sig med sikkerhed og præcision og ændrer sin hastighed afhængigt af emnets sarthed. Piller pakket ind i for eksempel folie får en blidere behandling for at undgå at deformere emballagen eller knuse medicinen. I en særligt imponerende demonstration vendte robotten også sin luftstrøm for at blæse en irriterende pose presset mod en skraldespands væg ind i midten for lettere adgang.

Knapps Puchwein siger, at siden virksomheden tog Covariants platform til sig, er dens robotter gået fra at kunne vælge mellem 10% og 15% til omkring 95% af Obetas produktsortiment. De sidste 5 % består af særligt skrøbelige genstande som briller, som stadig er forbeholdt menneskers omhyggelige håndtering. Det er ikke et problem, tilføjer Puchwein. I fremtiden bør en typisk opsætning være, at du måske har 10 robotter og en manuel plukkestation. Det er præcis planen. Gennem samarbejdet vil Knapp distribuere sine Covariant-aktiverede robotter til alle sine kunders varehuse i de næste par år.

Selvom de er teknisk imponerende, rejser statistikken også spørgsmål om, hvilken indflydelse sådanne robotter vil have på jobautomatisering. Puchwein indrømmer, at han forventer, at hundreder eller tusinder af robotter vil overtage opgaver, som traditionelt udføres af mennesker, inden for de næste fem år. Men, hævder han, folk vil alligevel ikke gøre arbejdet mere. Især i Europa kæmper virksomheder ofte med at finde nok medarbejdere til at bemande deres lagre. Det er præcis feedback fra alle vores kunder, siger han. De finder ikke folk, så de har brug for mere automatisering.

Covariant har rejst 27 millioner dollars til dato, med finansieringskilder, herunder AI-armaturer som Turing Award-vinderne Geoffrey Hinton og Yann LeCun. Ud over produktplukning ønsker det på sigt at omfatte alle aspekter af lageropfyldelse, lige fra aflæsning af lastbiler til pakkekasser til sortering af hylder. Det forestiller sig også at udvide ud over varehuse til andre områder og industrier.

Men i sidste ende har Abbeel et endnu højere mål: Virksomhedens langsigtede vision er at løse al AI-robotik.

skjule