Физический искусственный интеллект преобразует промышленную робототехнику от жесткого программирования к адаптивным, человекоподобным возможностям, пишет на портале IoT World Today Кристи Мартиндейл, коммерческий директор Palladyne AI.

Во всем мире происходит революция в робототехнике, отрасль переживает удивительный рост и захватывающие инновации. На сегодняшний день на предприятиях различных отраслей промышленности работают рекордные 4,2 млн. роботов, которые собирают компьютеры и мобильные устройства, упаковывают миллионы товаров, проверяют качество готовой продукции и следят за работой производственных линий. Объем мирового рынка промышленных роботов приближается к рекордному уровню в 16,5 млрд. долл. И он будет только расти по мере того, как предприятия будут требовать все более ускоренной роботизированной автоматизации и менее затратных роботизированных бизнес-моделей.

«Физический ИИ» называют «моментом ChatGPT 2025 г.» на рынке робототехники, поскольку он объединяет ИИ с физическим миром, позволяя машинам воспринимать, думать и действовать в окружающем их мире.

Сегодня промышленные роботы на производстве жестко запрограммированы на выполнение повторяющихся задач в контролируемых условиях, и их внедрение часто требует много времени и средств. Такие роботы не могут динамически адаптироваться к отклонениям в реальном времени или легко приспосабливаться к изменениям в запрограммированном рабочем процессе, например, к новым деталям или дополнительным инструкциям.

Применяя физический ИИ для расширения возможностей роботизированных систем, компании могут дать этим системам возможность думать как люди, адаптироваться и реагировать на изменения в мире в режиме реального времени, трансформируя бизнес и обеспечивая перспективность своих продуктовых линеек и доходов.

Секретный соус

Традиционное программирование роботов требует много времени и жестких правил, предполагающих подробные пошаговые инструкции для выполнения задачи. Для него обычно нужны фирменные инструменты и протоколы программирования; а после программирования любое обновление или изменение требует больших затрат.

Исторически перепрограммирование таких роботов отнимало значительные время и ресурсы, требовались штатные или сторонние программисты. Это означало увеличение времени простоя сборочной линии для внесения изменений, что в конечном итоге сказывалось на производстве и скорости выхода на рынок.

Развитие ПО для автоматизации на основе ИИ меняет эту динамику, демократизируя автоматизацию рабочих процессов для своих пользователей и охватывая рабочие процессы, которые традиционно не могли быть автоматизированы из-за их сложности или особенностей среды. Решения, использующие полнофункциональный, замкнутый ИИ-подход, при котором ИИ контролирует процесс без участия человека, замыкая цикл между аналитикой и действиями, позволяют автоматике функционировать подобно человеку с точки зрения гибкости и адаптации к изменениям. Надежность и повторяемость, присущие машинам, сочетаются с человеческой способностью наблюдать, учиться, рассуждать и действовать, что делает автоматизацию рабочих процессов более гибкой и помогает повысить автономность операционных развертываний.

Внедрение ПО для автоматизации робототехники на основе ИИ в замкнутом цикле имеет множество преимуществ:

  • Минимальное время на обучение. В настоящее время для программирования промышленных роботов на сборочных линиях требуются миллионы строк кода и месяцы. Удобное приложение для обучения роботов позволяет рабочим и техникам быстро настраивать задачи, не имея опыта кодирования.
  • Выполнение более динамичных и гибких задач. Большинство роботов многократно выполняют одну конкретную, строго запрограммированную задачу. С помощью ПО на основе ИИ, реализующего замкнутый цикл, робот может работать почти так же динамично, универсально и гибко, как человек, и выполнять несколько разных задач вместо многократного выполнения одной задачи.
  • Вычисления в реальном времени прямо там, где выполняется работа. Благодаря использованию периферийных вычислений, производимых рядом с роботом (в отличие от облачных вычислений), роботы могут анализировать, обучаться и реагировать на изменяющиеся обстоятельства «на лету», избегая задержек и затрат, связанных с облаками.

Автомобильное производство — хороший пример того, как неструктурированная среда может выиграть от использования ПО для автоматизации замкнутого цикла на основе ИИ. Часть сборки на крупных автомобильных предприятиях включает в себя комплектацию и секвенирование множества деталей для различных моделей автомобилей. Комплектация предполагает предварительную сборку отдельных, но связанных между собой предметов из разных контейнеров в единое целое или упакованный комплект. Секвенирование — это процесс размещения деталей в точной последовательности.