Từ trí tuệ số đến hành động vật lý
AI vật lý đang vượt ra khỏi các màn trình diễn trong phòng thí nghiệm để tiến vào những môi trường nơi robot phải tương tác trực tiếp với máy móc, linh kiện, công cụ và con người. Agile Robots và Franka Robotics gần đây đã trình diễn bước chuyển này tại hai sự kiện ở châu Âu, cho thấy trí tuệ robot có thể kết nối tự động hóa công nghiệp với dữ liệu học robot.
Các màn trình diễn tại Zurich và Bremen cho thấy một thay đổi rộng hơn trong kỹ thuật tự động hóa: giá trị của AI không còn chỉ được quyết định bởi khả năng hệ thống hiểu dữ liệu tốt đến đâu. Ngày càng nhiều, giá trị đó phụ thuộc vào việc trí tuệ này có thể cảm nhận các điều kiện vật lý, đưa ra quyết định và thực hiện các hành động chính xác trong thế giới thực hay không.
Điều khiển lực giúp lắp ráp bằng robot thích ứng hơn
Tại triển lãm all about automation Zurich, Agile Robots đã trình diễn Diana 7 thực hiện thao tác lắp đầu động cơ với khả năng cảm biến mô-men xoắn trên cả bảy khớp. Thay vì xem robot như một cơ cấu đơn giản chỉ điều khiển theo vị trí, hệ thống giám sát các lực tương tác trong quá trình lắp ráp.
Sự khác biệt này rất quan trọng trong những ứng dụng mà dung sai cơ khí, biến thiên của linh kiện hoặc các sai số định vị nhỏ có thể ảnh hưởng đến kết quả. Phản hồi lực cho phép robot phản ứng theo điều kiện cơ khí thực tế của cụm lắp ráp, thay vì hoàn toàn dựa vào một quỹ đạo được xác định trước.
Từ góc độ tự động hóa công nghiệp, đây là một hướng phát triển quan trọng của các hệ thống robot. Cảm biến đang trở thành một phần của vòng điều khiển, cho phép robot diễn giải các điều kiện tiếp xúc và điều chỉnh hành vi tương ứng.
Thor 12 hướng đến các hoạt động hàn linh hoạt
Agile Robots cũng giới thiệu Thor 12 cho các ứng dụng hàn bằng robot. Phương pháp hướng dẫn kéo thả và điều khiển ít mã nhằm đơn giản hóa việc tạo cũng như chỉnh sửa các đường hàn.
Khả năng điều chỉnh đường đi cho các mối hàn góc, đứng và nghiêng đặc biệt phù hợp với môi trường sản xuất thường xuyên thay đổi sản phẩm. Khả năng được công bố là xử lý các khe hở nhỏ tới 1 mm cũng cho thấy điều khiển quỹ đạo và khả năng thích ứng với quy trình có thể ảnh hưởng như thế nào đến chất lượng hàn.
Theo tôi, ý nghĩa thực tiễn của những hệ thống như Thor 12 không chỉ nằm ở việc chúng giúp lập trình robot dễ dàng hơn. Lợi ích kỹ thuật lớn hơn là giảm công sức lập trình khi yêu cầu sản xuất thay đổi. Điều này có thể khiến tự động hóa bằng robot phù hợp hơn với các lô sản xuất nhỏ và những quy trình sản xuất biến động hơn.
Dữ liệu huấn luyện robot trở thành một phần của hệ thống tự động hóa
Màn trình diễn tại Bremen giới thiệu một phần khác của bài toán AI vật lý. Franka Robotics sử dụng Franka GELLO Duo để điều khiển từ xa FR3 Duo, trong khi LABS ghi lại các màn trình diễn dưới dạng dữ liệu huấn luyện có cấu trúc cho thao tác bằng hai tay.
Cách tiếp cận này làm thay đổi mối quan hệ giữa người vận hành và việc lập trình robot. Thay vì xác định thủ công từng chuyển động của robot bằng các phương pháp lập trình truyền thống, các màn trình diễn của con người có thể cung cấp những ví dụ để phát triển các hành vi robot thông minh.
Đối với các nhà phát triển AI, yếu tố quan trọng là quy trình tạo dữ liệu. Điều khiển từ xa cung cấp một phương thức ghi lại hành vi thao tác của con người, trong khi nền tảng robot cung cấp môi trường thực thi vật lý và dữ liệu liên quan.
Thao tác bằng hai tay đòi hỏi nhiều hơn việc lập kế hoạch chuyển động
Robot hai tay đặt ra thêm các yêu cầu điều khiển vì hai cánh tay robot phải phối hợp chuyển động, lực và tương tác với vật thể được thao tác.
Do đó, dữ liệu huấn luyện cần thể hiện nhiều hơn các vị trí riêng lẻ của từng khớp. Các màn trình diễn có thể chứa thông tin về chuyển động phối hợp và tương tác vật lý, vốn khó tái tạo bằng những chuỗi lệnh đơn giản.
Đây là điểm AI vật lý khác với lập trình robot công nghiệp truyền thống. Tự động hóa truyền thống thường bắt đầu từ một nhiệm vụ được xác định và logic được thiết kế rõ ràng. Ngược lại, các phương pháp học robot có thể sử dụng màn trình diễn như một phần của quá trình phát triển hành vi dành riêng cho nhiệm vụ.
Mối liên hệ giữa AI và tự động hóa công nghiệp
Các màn trình diễn tại Zurich và Bremen đề cập đến những giai đoạn khác nhau trong cùng một chuỗi kỹ thuật. Diana 7 và Thor 12 tập trung vào việc thực thi vật lý trong các ứng dụng công nghiệp, trong khi quy trình điều khiển từ xa và thu thập dữ liệu của Franka đề cập đến cách huấn luyện trí tuệ robot.
Mối liên hệ giữa các lĩnh vực này rất đáng kể. Một robot có khả năng cảm nhận môi trường vẫn cần các chiến lược điều khiển phù hợp, trong khi một mô hình AI được huấn luyện từ các màn trình diễn cuối cùng vẫn cần một nền tảng vật lý có khả năng thực thi các quyết định của mình.
Đối với các kỹ sư tự động hóa công nghiệp, điều này cho thấy các kiến trúc robot trong tương lai sẽ ngày càng kết hợp cảm biến, điều khiển chuyển động, suy luận AI, thu thập dữ liệu và các công nghệ tự động hóa truyền thống, thay vì xem chúng là những hệ thống tách biệt.
Vì sao AI vật lý quan trọng đối với nhà sản xuất
Các nhà sản xuất đang phải đối mặt với yêu cầu sản xuất ngày càng biến động, vòng đời sản phẩm ngắn hơn và áp lực tự động hóa những nhiệm vụ trước đây khó tiêu chuẩn hóa. Các chương trình robot cố định vẫn rất hiệu quả đối với những quy trình lặp lại, nhưng hạn chế của chúng trở nên rõ ràng hơn khi môi trường hoặc sản phẩm thường xuyên thay đổi.
AI vật lý mang đến một hướng tiếp cận khác, cho phép robot tích hợp phản hồi từ cảm biến, các màn trình diễn và hành vi đã học vào quá trình vận hành.
Tuy nhiên, không nên xem AI là sự thay thế cho kỹ thuật tự động hóa hiện hữu. Các chức năng an toàn, điều khiển xác định, kiến trúc điện, giới hạn chuyển động, mạng công nghiệp và xác nhận quy trình vẫn giữ vai trò nền tảng. Các hệ thống thực tiễn nhất có thể sẽ kết hợp việc ra quyết định dựa trên AI với các lớp điều khiển và an toàn đã được thiết lập.
Từ màn trình diễn đến hệ thống có thể triển khai
Khía cạnh thú vị nhất trong các màn trình diễn gần đây của Agile Robots là mối liên hệ giữa phát triển và triển khai. Dữ liệu huấn luyện robot, điều khiển thông minh, cảm biến lực, lập trình đơn giản hóa và thực thi vật lý đang ngày càng trở thành các thành phần của một kiến trúc tự động hóa rộng hơn.
Thách thức kỹ thuật tiếp theo là khả năng mở rộng. Một màn trình diễn thành công mới chỉ là bước khởi đầu. Việc triển khai trong công nghiệp đòi hỏi hiệu suất ổn định, thời gian chu kỳ có thể dự đoán, khả năng tích hợp với các hệ thống PLC và sản xuất hiện có, xác nhận an toàn, khả năng bảo trì và lợi ích sản xuất có thể đo lường.
Vì vậy, AI vật lý sẽ phải chứng minh giá trị không chỉ với tư cách một công nghệ AI mà còn là một công nghệ điều khiển công nghiệp.
Sự thay đổi trong cách thiết kế robot
Các màn trình diễn tại Thụy Sĩ và Đức cho thấy robot công nghiệp đang chuyển hướng sang một mô hình thích ứng hơn. Robot ngày càng được kỳ vọng có thể nhận biết các điều kiện vật lý, học từ các màn trình diễn và điều chỉnh hành động, thay vì chỉ lặp lại những quỹ đạo được xác định trước.
Theo quan điểm của tôi, cơ hội lớn nhất nằm ở việc kết hợp các khả năng này với tự động hóa công nghiệp truyền thống thay vì thay thế nó. PLC, bộ điều khiển chuyển động, hệ thống an toàn, cảm biến, mạng công nghiệp và nền tảng robot có thể cung cấp nền tảng xác định, trong khi AI vật lý bổ sung khả năng ra quyết định thích ứng ở cấp độ cao hơn.
Kết quả có thể là một thế hệ hệ thống tự động hóa mới, trong đó robot không chỉ là những cỗ máy được lập trình mà còn là các hệ thống điện toán vật lý có khả năng cảm nhận, học hỏi và hành động trong môi trường sản xuất thực tế.
