Zašto je humanoidnim robotima potrebno više od robotskog hardvera
Humanoidni roboti prelaze sa tehnoloških demonstracija na praktične industrijske primene. Za proizvođače, naročito one koji se suočavaju s nedostatkom radne snage, rastućim troškovima proizvodnje i sve složenijim varijantama proizvoda, njihova privlačnost je očigledna: humanoidni robot potencijalno može da obavlja zadatke osmišljene za postojeće ljudske radne prostore, bez potrebe da se svaki proizvodni proces iznova projektuje oko konvencionalnog robota.
Međutim, industrijska vrednost humanoidnog robota neće biti određena samo njegovim mehaničkim sposobnostima. Važnije pitanje jeste koliko brzo i bezbedno može da nauči zadatak, da se prilagodi varijacijama i da radi u okviru postojećeg proizvodnog sistema.
Tu veštačka inteligencija i digitalni blizanci postaju važni. Po mom mišljenju, pravi industrijski napredak neće doći samo postavljanjem humanoidnog robota u proizvodni pogon. Doći će stvaranjem inženjerskog okruženja u kojem robot može da se obuči, testira i validira pre fizičkog uvođenja.
Od fizičke veštačke inteligencije do industrijske inteligencije
Humanoidni robot koji radi u fabrici mora da se nosi sa uslovima koji su retko potpuno predvidivi. Delovi možda neće biti postavljeni tačno onako kako se očekuje, radnici mogu ući u isti radni prostor, materijali se mogu razlikovati, a proizvodni rasporedi mogu da se menjaju.
Tradicionalna automatizacija uglavnom pokušava da ukloni ovu promenljivost determinističkim programiranjem. Humanoidni roboti zahtevaju drugačiji pristup.
Fizička veštačka inteligencija objedinjuje vid, percepciju, povratne informacije senzora i donošenje odluka, kako bi robot mogao da reaguje na promenljive uslove. Umesto da izvršava samo unapred definisan niz komandi, robot može da tumači svoje okruženje i izabere odgovarajuću radnju.
Za inženjere industrijske automatizacije, ovo predstavlja značajnu promenu arhitekture. Izazov više nije samo upravljanje kretanjem. On takođe obuhvata percepciju, modele odlučivanja, fuziju senzorskih podataka, simulacione podatke i kontinuiranu validaciju.
Zašto se obuka robota ne može oslanjati samo na proizvodni pogon
Direktna obuka humanoidnog robota u proizvodnji predstavlja skup inženjerski poduhvat. Svaki fizički pokušaj zauzima vreme proizvodnje, uvodi operativni rizik i zahteva inženjerske resurse.
Siemens procenjuje da obuka humanoidnog robota može trajati duže od dve nedelje. Bez veštačke inteligencije i tehnologija digitalnih blizanaca, potrebno vreme za obuku moglo bi znatno da se produži kako se povećava broj mogućih radnih uslova.
Fabrika takođe ne može realno da obezbedi svaku moguću kombinaciju kvarova, položaja komponenti, interakcija sa radnicima i uslova okruženja za fizičko testiranje.
To stvara temeljno ograničenje: fizička fabrika je vredno mesto za validaciju robota, ali nije nužno najefikasnije mesto za njegovu obuku.
Digitalni blizanci stvaraju virtuelno okruženje za obuku
Digitalni blizanac menja ovu računicu tako što pruža virtuelni prikaz fabrike, proizvodne linije, opreme i operativnih procesa.
Humanoidni roboti mogu da se obučavaju i procenjuju u odnosu na brojne simulirane situacije pre nego što uđu u fizičko proizvodno okruženje. Inženjeri mogu da testiraju različite sekvence zadataka, identifikuju uslove u kojima dolazi do kvarova i menjaju radne tokove bez prekidanja proizvodnih operacija.
Prednost nije samo u bržem testiranju. Simulacija menja ekonomsku računicu eksperimentisanja.
Fizički test može zahtevati dostupnost opreme, inženjerski nadzor i prekid proizvodnje. Virtuelni test može da se ponavlja mnogo češće i može da izloži robota situacijama koje bi bilo teško ili nebezbedno fizički ponoviti.
Za industrijsku primenu, ovo obezbeđuje važan međusloj između razvoja veštačke inteligencije i rada u stvarnom svetu.
Veštačka inteligencija i simulacija bolje funkcionišu zajedno
Veštačka inteligencija sama po sebi ne rešava problem industrijske primene. Robot može biti sposoban da uči iz iskustva, ali prikupljanje dovoljnog iskustva iz stvarnog sveta može biti sporo i skupo.
Simulacija obezbeđuje razmeru.
Veštačka inteligencija može da koristi simulirana okruženja kako bi naučila kako da reaguje na različite situacije, dok digitalni blizanac pruža virtuelni operativni kontekst u kojem se te odluke mogu procenjivati. Rezultujući radni tok je bliži kontinuiranoj inženjerskoj petlji:
simuliraj -> obučavaj -> proceni -> identifikuj kvar -> usavrši -> validiraj -> primeni
Ovaj pristup takođe omogućava da se humanoidni robot izloži hiljadama virtuelnih scenarija, umesto da se oslanja na relativno mali broj fizičkih proba.
Po mom mišljenju, ovo je jedna od najvažnijih razlika između konvencionalnog programiranja robota i fizičke veštačke inteligencije. Konvencionalna automatizacija se u velikoj meri usredsređuje na definisanje onoga što mašina treba da radi. Fizička veštačka inteligencija se sve više usredsređuje na učenje mašine kako da reaguje kada uslovi nisu baš onakvi kakvi su očekivani.
Jugoistočna Azija pruža praktičan testni slučaj
Jugoistočna Azija je posebno relevantna za ovaj razvoj jer region objedinjuje snažna ulaganja u proizvodnju sa sve većim pritiskom na dostupnost radne snage, proizvodnu efikasnost i fleksibilnost proizvodnje.
Planirani Singapurski poligon za testiranje fizičke veštačke inteligencije u digitalnom distriktu Punggol primer je načina na koji se autonomni sistemi mogu procenjivati u stvarnom okruženju mešovite namene, umesto da budu ograničeni na laboratorijske demonstracije.
Istovremeno, ulaganja u proizvodnju elektronike, poluprovodnika i automobila povećavaju potrebu za fleksibilnim sistemima automatizacije koji mogu da podrže kraće proizvodne cikluse i veću raznovrsnost proizvoda.
Ovo okruženje bi moglo da učini jugoistočnu Aziju važnim poligonom za testiranje industrijskih humanoida.
Humanoidi neće zameniti svaki industrijski robot
Važno je izbegavati posmatranje humanoida kao univerzalne zamene za postojeću automatizaciju.
Namenski industrijski robot često je pogodniji za repetitivan zadatak sa strogo kontrolisanim pokretima, visokim brojem ciklusa i predvidivim alatima. Humanoid postaje zanimljiviji kada je okruženje projektovano za ljudske radnike i kada se zadaci menjaju dovoljno često da je teško opravdati fiksnu automatizaciju.
Ova razlika je važna.
Verovatna industrijska budućnost nije fabrika ispunjena isključivo humanoidima. To je hibridno okruženje koje obuhvata PLC-ove, industrijske robote, autonomne mobilne robote, sisteme za vizuelnu inspekciju, konvencionalne mašine i humanoide, sve povezano kroz sve inteligentnije softverske arhitekture.
Pravi inženjerski izazov je integracija
Uspešno uvođenje humanoida zahteva više od inteligencije robota. Zahteva integraciju sa postojećim sistemom automatizacije.
Robot mora da komunicira sa proizvodnom opremom, sistemima za izvršavanje proizvodnje, bezbednosnim sistemima, logističkim procesima i ljudskim operaterima. Njegove radnje takođe moraju biti usklađene sa operativnim ograničenjima postrojenja.
Zato su digitalni blizanci posebno dragoceni. Oni pružaju zajedničko inženjersko okruženje u kojem se mehaničko ponašanje, proizvodni procesi, rad robota i uslovi u fabrici mogu procenjivati zajedno.
Pitanje se stoga pomera sa „Može li humanoid da obavi ovaj zadatak?“ na „Može li humanoid da obavi ovaj zadatak bezbedno i dosledno u okviru kompletnog proizvodnog sistema?“
To je mnogo značajnije industrijsko pitanje.
Validacija će postati jednako važna kao i obuka
Kako veštačka inteligencija postaje sposobnija, validacija će postajati sve važniji deo inženjerstva industrijske robotike.
Humanoid koji uči iz podataka potencijalno može naići na situacije koje inženjer nije izričito programirao. Proizvođačima su zato potrebni mehanizmi za procenu da li odluke robota ostaju u prihvatljivim operativnim granicama.
Digitalni blizanci mogu pomoći obezbeđivanjem ponovljivih okruženja za testiranje graničnih slučajeva i neuobičajenih uslova.
Međutim, kada je reč o operacijama od ključnog značaja za bezbednost, simulaciju ne treba posmatrati kao zamenu za fizičku validaciju. One treba da se dopunjuju. Virtuelno testiranje može smanjiti broj fizičkih proba i ranije identifikovati probleme, dok fizičko puštanje u rad potvrđuje stvarno ponašanje sistema.
Od puštanja u rad do kontinuirane optimizacije
Tradicionalni projekti automatizacije često imaju jasno definisanu fazu puštanja u rad, nakon koje sledi relativno stabilan rad. Robotika zasnovana na veštačkoj inteligenciji uvodi kontinualniji model razvoja.
Kada se humanoid uvede u rad, operativni podaci mogu otkriti nove uslove i načine otkazivanja. Ta zapažanja mogu se uneti u okruženja za simulaciju i obuku, što omogućava usavršavanje ponašanja robota pre nego što se ažurirani modeli vrate u proizvodnju.
Time se stvara povratna sprega između fizičke fabrike i njenog digitalnog pandana.
Za proizvođače bi to vremenom moglo učiniti uvođenje robota sličnijim održavanju industrijskog softverskog sistema koji se razvija nego instaliranju gotove mašine.
Fabrika budućnosti biće i fizička i virtuelna
Pojava humanoidnih robota stoga nije samo još jedno poglavlje u industrijskoj robotici. Ona je deo šireg pomaka ka proizvodnji definisanoj softverom i potpomognutoj veštačkom inteligencijom.
Fizička fabrika i dalje je mesto na kojem se proizvodi izrađuju, ali se sve veći deo inženjerskog rada može odvijati u njenom virtuelnom pandanu. Obuka robota, validacija proizvodnje, optimizacija radnih tokova i analiza kvarova mogu se sve češće obavljati pre nego što se promene uvedu u stvarni sistem.
Za proizvođače u jugoistočnoj Aziji, ova sposobnost može se pokazati vrednijom od samog humanoida.
Dugoročna konkurentska prednost proizaći će iz izgradnje infrastrukture koja omogućava mašinama opremljenim veštačkom inteligencijom da brže uče, rade u okviru definisanih inženjerskih ograničenja i neprekidno se unapređuju bez ponovljenog ometanja proizvodnje.
Humanoidi možda privlače pažnju, ali veštačka inteligencija, simulacija i digitalni blizanci odlučiće da li će zaista postati korisna industrijska sredstva.
