[Перевод] Складские роботы, использующие ИИ для сортировки предметов, готовы к работе

Стартап из Беркли Covariant вышел из тени и считает, что его роботы готовы к выходу в мир


covariant-co-founders-l-r-tianhao-zhang-

Летом 2018 года небольшой стартап из Беркли, разрабатывающий роботов, столкнулся с трудным заданием. Компания Knapp, крупный поставщик технологий складской логистики, искала новую роботизированную руку, управляемую ИИ, способную захватывать как можно больше различных типов предметов. Каждую неделю, восемь недель подряд, компания отправляла стартапу список из всё более сложных предметов — непрозрачных коробок, прозрачных коробок, упаковок лекарств, носков — покрывавший диапазон продукции клиентов компании. Стартап покупал подобные предметы, а потом через неделю отправлял видео, на котором их роборука перекладывала предметы из одной серой корзины в другую.

К концу задания руководство Knapp было сражено. Они уже лет шесть-семь безуспешно давали подобные задания многим стартапам, и ожидали провала и на этот раз. Но вместо этого в каждом видео роборука стартапа перекладывала каждый предмет с идеальной точностью и подходящей скоростью.
«С каждым следующим продуктом мы ожидали неудачи, поскольку задача становилась всё более сложной», — говорит Питер Пачвейн, вице-президент по инновациям в Knapp, штаб-квартира которой находится в Австрии. «Однако оказалось, что они достигли успеха, и всё работало. Мы никогда ещё не видели такой качественной работы ИИ».

Your browser does not support HTML5 video.

Сейчас Covariant вышел из тени и объявляет о совместной работе с Knapp. Его алгоритмы уже работают в роботах Knapp на складах двух клиентов компании. Один из них принадлежит немецкому производителю электротоваров Obeta, и роботы работают там с сентября. Сооснователи стартапа говорят, что Covariant уже близок к заключению ещё одной сделки с другим промышленным гигантом, производящим роботов.

Эти новости символизируют изменение в текущем состоянии робототехники, работающей под управлением ИИ. Такие системы были ограничены искусственным академическим окружением. Но теперь Covariant утверждает, что его система может обобщать работу до сложностей, связанных с реальным миром, и готова штурмовать склады.

На складах есть задачи для двух вариантов оборудования — для машин с ногами, перемещающих коробки туда и сюда, и для машин с руками, поднимающими предметы и помещающими их в нужное место. Роботы уже давно присутствуют на складах, но их успехи в основном ограничивались автоматизацией первого варианта. «На современном складе люди редко двигаются, — говорит Питер Чен, сооснователь и директор Covariant. — Перенос вещей между фиксированными точками — эта проблема, с которой прекрасно справляется мехатроника».

peter-qian-engineering.jpg?sw=2500&cx=0&
Роботизированная рука в офисе Covariant

Но для автоматизации рук требуется не только правильное железо. Технологии нужно быстро адаптироваться под широкий спектр форм и размеров продуктов с постоянно изменяющейся ориентацией. Традиционную роботизированную руку можно запрограммировать на совершение одних и тех же точных движений раз за разом, однако она откажет сразу, как только столкнётся с отклонением. Ей нужен ИИ, чтобы «видеть» и подстраиваться, или она не сможет справляться с развивающимся окружением. «Интеллект нужен для обеспечения ловкости», — говорит Чен.

За последние несколько лет исследовательские лаборатории достигли невиданных успехов в комбинировании ИИ и робототехники, добиваясь подобной ловкости, однако перенести эти достижения в реальный мир — это совсем другая задача. В лабораториях допустима точность в 60–70%; на производстве этого недостаточно. И даже с точностью в 90% роботизированная рука будет «предложением с потерей ценности», говорит Питер Аббил, сооснователь и главный учёный Covariant.

Аббил и Чен оценивают, что для того, чтобы на самом деле отбить инвестиции, робот должен достигать точности в 99–99,5%. Только тогда он сможет работать без частого вмешательства человека и риска замедлить конвейер. Однако только недавний прогресс в глубоком обучении, и в частности, в обучении с подкреплением, позволил достичь подобного уровня точности.

Офис Covariant расположен недалеко от побережья залива Сан-Франциско, рядом с обветшалой парковкой между рядами зданий без опознавательных знаков. Внутри несколько промышленных роботов и «ко-ботов», коллаборационных роботов, разработанных для безопасной работы совместно с человеком, обучаются работе со всеми возможными продуктами.

Члены команды Covariant регулярно бегают в местный магазин за разными случайными предметами. Диапазон вещей варьируется от лосьонов в бутылках до упакованной одежды и ластиков в прозрачных коробках. Особенно команду интересуют вещи, способные сбить робота с толку: отражающие металлические поверхности, прозрачный пластик, легко деформирующиеся поверхности вроде одежды или пакетиков чипсов, которые будут выглядеть на камере каждый раз по-разному.

Над каждым роботом нависает несколько камер, работающих его глазами. Визуальные данные и сенсорные данные с тела робота поступают в алгоритм, управляющий его движениями. В основном робот обучается на комбинации имитации и подкрепления. Первое заключается в том, что человек вручную управляет роботом, поднимая различные объекты. Затем тот записывает и анализирует последовательности движений, чтобы понять, как обобщить это поведение. Второе заключается в том, что робот проделывает миллионы повторов проб и ошибок. Каждый раз, пытаясь взять вещь, робот делает это немного по-другому. Затем он записывает, какие попытки закончились более быстрым и точным поднятием предмета, а какие не удались, чтобы постоянно улучшать свою эффективность.

Поскольку обучается в конечном счёте алгоритм, программная платформа Covariant, Covariant Brain, не зависит от железа. В офисе стоит десяток роботов различных моделей, а работающий в Obeta робот использует железо от Knapp.

img5482.jpg?sw=2500&cx=0&cy=105&cw=1365&

img1308.jpg?sw=2500&cx=34&cy=144&cw=1730

В течение часа я наблюдал за тем, как три разных робота уверенно поднимали совершенно различные предметы из магазина. За секунды алгоритм анализирует их расположение, вычисляет угол атаки, подстраивает последовательность движений и протягивает руку, чтобы взять их при помощи присоски. Он двигается с уверенностью и точностью, и меняет скорость работы в зависимости от хрупкости предмета. С завёрнутыми в фольгу лекарствами он обходится нежнее, чтобы не деформировать упаковку и не смять лекарство. Во время одной особенно впечатляющей демонстрации работы робот перенаправил поток воздуха так, чтобы сдуть неудобно прижатый к стенке мешок в центр, чтобы его легче было поднять.

Пачвейн из Knapp говорит, что с тех пор, как компания перешла на платформу Covariant, её роботы перешли от возможности поднимать 10–15% предметов из ассортимента Obeta до возможности поднимать порядка 95% предметов. Последние 5% — это такие особо хрупкие вещи, как стекло, с которыми всё ещё позволяют работать только людям. «И это не проблема, — добавляет Пачвейн. — В будущем типичным устройством склада будут 10 роботов и один человек. Таков план». Благодаря совместной работе Knapp распространит своих роботов с софтом от Covariant на склады своих клиентов в течение нескольких лет.

Хотя результат впечатляет с технической точки зрения, он поднимает вопросы о том, как такие роботы повлияют на автоматизацию работы. Пачвейн признаёт, что ожидает, что в ближайшие пять лет сотни или тысячи роботов начнут выполнять задачи, традиционно решавшиеся людьми. Однако, заявляет он, люди всё равно уже не хотят выполнять эту работу. В Европе компании часто с трудом находят достаточно человек для работы на складах. «Именно такие отзывы мы получаем от всех клиентов, — говорит он. — Они не находят сотрудников, и им нужно больше автоматизации».

На сегодня Covariant получил уже $27 млн от инвесторов, среди которых такие светила ИИ, как обладатели премии Тьюринга Джоффри Хинтон и Ян Лекун. Стартап хочет заниматься не только поднятием объектов, но и всем спектром работы складов, от разгрузки грузовиков до упаковки коробок и сортировки на стеллажах. Также у стартапа есть идеи о выходе за пределы складов и входе в другие области промышленности.

Но конечная цель Аббила ещё выше: «Долгосрочная идея компании — решить все проблемы в области ИИ-роботизации».

© Habrahabr.ru