AI-drevne robotvarehusplukkere er nå klare til å gå på jobb

Kovariante medgründere jobber med robotarmen sin. Elena Zhukova

Sommeren 2018 fikk en liten Berkeley-basert robotoppstart en utfordring. Knapp, en stor leverandør av lagerlogistikkteknologier, var på jakt etter en ny AI-drevet robotarm som kunne velge så mange typer varer som mulig. Så hver uke, i åtte uker, ville det sende oppstarten en liste over stadig vanskeligere varer - ugjennomsiktige esker, gjennomsiktige esker, pillepakker, sokker - som dekket en rekke produkter fra kundene. Oppstartsteamet ville kjøpe varene lokalt og deretter, i løpet av uken, sende tilbake en video av robotarmen deres som overfører varene fra en grå søppel til en annen.

Ved slutten av utfordringen ble ledere ved Knapp tømt. De hadde utfordret mange startups over seks eller syv år uten suksess og forventet det samme resultatet denne gangen. I stedet, i hver video, overførte oppstartens robotarm hvert element med perfekt nøyaktighet og produksjonsklar hastighet.

Hver gang forventet vi at de ville mislykkes med det neste produktet, fordi det ble mer og mer vanskelig, sier Peter Puchwein, visepresident for innovasjon i Knapp, som har hovedkontor i Østerrike. Men poenget var at de lyktes, og alt fungerte virkelig. Vi har aldri sett denne kvaliteten til AI før.

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

Covariant har nå kommet ut av stealth-modus og kunngjør sitt arbeid med Knapp i dag. Algoritmene har allerede blitt distribuert på Knapps roboter i to av Knapps kunders varehus. Den ene, drevet av den tyske elektroleverandøren Obeta, har vært fullt ut i produksjon siden september. Medstifterne sier at Covariant også er nær ved å inngå en annen avtale med en industrirobotgigant.

Nyhetene betyr en endring i tilstanden til AI-drevet robotikk. Slike systemer pleide å være begrenset til svært begrensede akademiske miljøer. Men nå sier Covariant at systemet kan generalisere til kompleksiteten i den virkelige verden og er klar til å ta lagergulvet med storm.

Det er to kategorier av oppgaver i varehus: ting som krever ben, som å flytte bokser fra forsiden til baksiden av plassen, og ting som krever hender, som å plukke gjenstander og plassere dem på riktig sted. Roboter har vært på varehus lenge, men suksessen deres har først og fremst vært begrenset til å automatisere førstnevnte type arbeid. Hvis du ser på et moderne lager, flytter folk faktisk sjelden, sier Peter Chen, medgründer og administrerende direktør i Covariant. Å flytte ting mellom de faste punktene - det er et problem som mekatronikk er veldig bra for.

En robotarm på Covariants kontor Elena Zhukova

Men automatisering av henders bevegelser krever mer enn bare riktig maskinvare. Teknologien må smidig tilpasse seg et bredt spekter av produktformer og størrelser i stadig skiftende orienteringer. En tradisjonell robotarm kan programmeres til å utføre de samme nøyaktige bevegelsene om og om igjen, men den vil mislykkes i det øyeblikket den støter på noe avvik. Den trenger AI for å se og justere, ellers vil den ikke ha noe håp om å holde tritt med omgivelsene i utvikling. Det er egentlig behendighetsdelen som krever intelligens, sier Chen.

I løpet av de siste årene har forskningslaboratorier gjort utrolige fremskritt når det gjelder å kombinere AI og robotikk for å oppnå en slik fingerferdighet, men å bringe dem inn i den virkelige verden har vært en helt annen historie. Labs kan slippe unna med 60 % eller 70 % nøyaktighet; roboter i produksjon kan ikke. Selv med 90 % pålitelighet vil en robotarm være et verditapende forslag, sier Pieter Abbeel, Covariants medgründer og sjefforsker.

For å virkelig betale tilbake investeringen, anslår Abbeel og Chen, må en robot være minst 99 % – og kanskje til og med 99,5 % – nøyaktig. Først da kan den fungere uten mye menneskelig innblanding eller risikere å bremse en produksjonslinje. Men det var ikke før den nylige fremgangen innen dyp læring, og spesielt forsterkende læring, at dette nivået av nøyaktighet ble mulig.

Covariants kontor ligger ikke langt fra vannkanten i San Francisco Bay, ved en falleferdig parkeringsplass mellom en rad med umerkede bygninger. På innsiden trener flere industriroboter og co-bots, samarbeidsroboter designet for å operere trygt rundt mennesker, for alle produktmuligheter.

Med jevne mellomrom drar medlemmer av Covariants team på turer i nærbutikker for å kjøpe det de kan finne. Varene spenner fra flaskekremer til pakkede klær til viskelærkapsler innkapslet i klare esker. Teamet ser spesielt etter ting som kan snu roboten: svært reflekterende metalliske overflater, gjennomsiktig plast og lett deformerbare overflater som tøy- og chipposer som vil se annerledes ut for et kamera hver gang.

Over hver robot henger en serie kameraer som fungerer som dens sett med øyne. Disse visuelle dataene, sammen med sensordata fra robotens kropp, mates inn i algoritmen som kontrollerer bevegelsene. Robotene lærer først og fremst gjennom en kombinasjon av imitasjons- og forsterkningsteknikker. Den første innebærer at en person manuelt veileder roboten til å plukke opp forskjellige gjenstander. Deretter logger og analyserer den bevegelsessekvensene for å forstå hvordan man kan generalisere atferden. Sistnevnte innebærer at roboten gjennomfører millioner av runder med prøving og feiling. Hver gang roboten strekker seg etter en gjenstand, prøver den den på en litt annen måte. Deretter logger den hvilke forsøk som resulterer i raskere og mer presise valg kontra feil, slik at den kontinuerlig kan forbedre ytelsen.

Fordi det til syvende og sist er algoritmen som lærer, er Covariants programvareplattform, kalt Covariant Brain, maskinvareagnostisk. Faktisk har kontoret over et dusin roboter av forskjellige modeller, og live-distribusjonen med Obeta bruker Knapps maskinvare.

Covariants treningsregime.

I løpet av en time så jeg tre forskjellige roboter mesterlig plukke opp alle slags butikkkjøpte varer. I løpet av sekunder analyserer algoritmen deres posisjoner, beregner angrepsvinkelen og riktig rekkefølge av bevegelser, og strekker armen ut for å ta tak i med en sugekopp. Den beveger seg med sikkerhet og presisjon, og endrer hastighet avhengig av varens delikathet. Piller pakket inn i for eksempel folie får skånsommere behandling for å unngå å deformere emballasjen eller knuse medisinen. I en spesielt imponerende demonstrasjon snudde roboten også luftstrømmen for å blåse en irriterende pose presset mot veggen til en søppelkasse inn i midten for lettere tilgang.

Knapps Puchwein sier at siden selskapet tok i bruk Covariants plattform, har robotene deres gått fra å kunne velge mellom 10 % og 15 % til rundt 95 % av Obetas produktspekter. De siste 5 % består av spesielt skjøre gjenstander som briller, som fortsatt er reservert for forsiktig håndtering av mennesker. Det er ikke et problem, legger Puchwein til. I fremtiden bør et typisk oppsett være at du kanskje har 10 roboter og en manuell plukkestasjon. Det er akkurat planen. Gjennom samarbeidet vil Knapp distribuere sine Covariant-aktiverte roboter til alle kundens varehus i løpet av de neste årene.

Selv om de er teknisk imponerende, reiser statistikken også spørsmål om virkningen slike roboter vil ha på jobbautomatisering. Puchwein innrømmer at han forventer at hundrevis eller tusenvis av roboter tar over oppgaver som tradisjonelt er utført av mennesker i løpet av de neste fem årene. Men, hevder han, folk vil uansett ikke gjøre jobben lenger. Spesielt i Europa sliter bedrifter ofte med å finne nok ansatte til å bemanne lagrene deres. Det er akkurat tilbakemeldingene fra alle kundene våre, sier han. De finner ikke folk, så de trenger mer automatisering.

Covariant har samlet inn 27 millioner dollar til dags dato, med finansiører inkludert AI-armaturer som Turing Award-vinnerne Geoffrey Hinton og Yann LeCun. I tillegg til produktplukking, ønsker den etter hvert å omfatte alle aspekter av lageroppfylling, fra lossing av lastebiler til pakkebokser til sortering av hyller. Den ser også for seg å utvide utover varehus til andre områder og bransjer.

Men til syvende og sist har Abbeel et enda høyere mål: Den langsiktige visjonen til selskapet er å løse all AI-robotikk.

gjemme seg