Dansk

Kunstig intelligens driver fremskridt i samarbejde med mobile robotter

AUTONOME MOBILE ROBOTS (AMR) arbejder kollaborativt med mennesker for at skabe yderst produktive arbejdsmiljøer ved at automatisere gentagne og personskadelige materialetransporter. Mens robotterne bruger sensorer og algoritmer til sikkert at navigere i selv dynamiske miljøer, er de ikke i stand til at anvende dette sensoriske input til avanceret beslutningstagning. Det næste trin i udviklingen af ​​AMR'er er tilføjelsen af ​​kunstig intelligens (AI) for at øge mulighederne for smarte mobile robotter. AI vil gøre disse robotter endnu mere effektive, øge udvalget af opgaver, som robotterne kan udføre, og reducere behovet for arbejdsmiljøtilpasninger for at imødekomme dem.

Overgangen til kunstig intelligens

I dag bruger mobile robotter sensorer og software til kontrol (til at definere, hvor og hvordan robotten skal bevæge sig) og opfattelse (for at lade robotten forstå og reagere på dens omgivelser). Data kommer fra integrerede laserskannere, 3D-kameraer, accelerometre, gyroskoper, hjulkodere med mere, for at producere de mest effektive beslutninger for hver situation. Disse teknologier giver AMR'er mange af de muligheder, der er blevet velkendte og ønskelige i dagens biler. Robotterne er i stand til dynamisk at navigere ved hjælp af de mest effektive ruter, og være beviste om miljøet de færdes i, så de kan undgå forhindringer eller mennesker på deres vej. Derudover, kan robotterne automatisk oplade, når det er nødvendigt. Uden AI reagerer robotterne imidlertid på samme måde på alle forhindringer, bremser og forsøger at navigere rundt om personen eller objektet, hvis det er muligt, eller stopper eller tager en sikkerhedskopi, hvis der ikke er nogen sikker måde at manøvrere omkring hindringen. AMRs standardtilgang er passende i næsten enhver situation, men på samme måde som AI driver nye muligheder for selvkørende biler og intelligente droner, er den også klar til dramatisk at ændre robotik.

Kunstig intelligens omfatter flere grene. AI, der bruges i autonome mobile robotter p.t., er fokuseret på maskinlæring og vision-systemer.

De strategisk placerede MiR AI statiske kameraer gør det muligt for MiR-robotterne at forudse forhindringer på deres ruter, så de er i stand til at omdirigere på forhånd for optimeret navigation.

AI til kollaborative robotter er i dag primært fokuseret på maskinlæring (ML) og vision systemer, der er dog dramatisk udvidelse af tidligere sensor-baserede funktioner. Teknologiske fremskridt og markedets modenhed på flere nøgleområder muliggør disse innovationer:

  • En bred vifte af små, lav-omkostnings og effektive sensorer gør det muligt for mobile og fjerntliggende enheder at fange og overføre enorme mængder data om robottens øjeblikkelige, udvidede og forventede miljø samt interne forhold.
  • Cloud computing og trådløs bredbåndskommunikation gør det muligt at lagre, behandle og få adgang til data næsten øjeblikkeligt fra ethvert adgangspunkt. Sikre virtuelle netværk kan tilpasse sig dynamiske krav og næsten eliminere nedetid og flaskehalse.
  • Kraftfulde nye AI-fokuserede processorarkitekturer er vidt tilgængelige fra både traditionelle halvlederfirmaer som AMD, Intel, NVIDIA og Qualcomm såvel som nye spillere på området, herunder Google og Microsoft. Mens traditionelle halvledere med bred anvendelse står over for grænserne i Moore's Law, er disse nye chips specialdesignet til AI-beregninger, hvilket øger kapaciteterne, mens omkostningerne nedbringes. Lavstrøms, omkostningseffektive AI-processorer kan endda integreres i små mobile eller eksterne enheder, hvilket tillader beregning på stedet til hurtige, effektive beslutninger.
  • Sofistikerede softwarealgoritmer analyserer og behandler data på de mest produktive placeringer - i robotten, i skyen eller endda i eksterne, udvidede sensorer, der leverer yderligere efterretningsdata til robotten til at forudse behov og proaktivt tilpasse dens adfærd.

Ved hjælp af disse muligheder opfører flåde af robotter sig som en gruppe studerende, der tager onlineundervisning. De lærer, mens de er online, og kan derefter udføre uden konstant adgang til onlineindhold. Enheder med lav strøm, AI-kapacitet og effektive AI-teknikker understøtter nye robot-systemer med lav latenstid og hurtig reaktionstid, høj autonomi og lavt strømforbrug - alle centrale elementer for succes.

Kunstig intelligens i AMR'er forbedrer ruteplanlægningen og miljø interaktionen

Mobile Industrial Robots (MiR) driver fremskridt inden for AI inden for mobile robotter og skaber nye forventninger til industrien. Innovative AI-kapaciteter opretholder robotternes sikkerhedsprotokoller og driver forbedret effektivitet i ruteplanlægning og miljø interaktion.

AI implementeres i avancerede indlæringsalgoritmer i robottens software såvel som i fjerntilsluttede tilsluttede kameraer, der kan monteres i områder med høj trafik eller på ruter til gaffeltrucks eller andre automatiserede køretøjer. Kameraerne er udstyret med små, effektive indbyggede computere, der kan behandle anonyme data og opstille sofistikeret analysesoftware til at identificere, om objekter i området er mennesker, faste forhindringer eller andre typer mobile enheder, såsom AGV'er. Kameraerne giver derefter disse oplysninger til robotten og udvider robottens forståelse for omgivelserne, så den kan tilpasse sin adfærd korrekt, også før den kommer ind i et område. Det AI-kompatible netværk hjælper robotten med at undgå områder med høj trafik på bestemte tidspunkter, f.eks. Når goder regelmæssigt leveres og overføres med gaffeltruck, eller når der er store skarer af arbejdere til stede, f.eks. I pauser eller ved vagtskifte.

Med AI kan MiR-robotter effektivt og hensigtsmæssigt reagere på forskellige typer forhindringer for at forbedre navigationen og effektiviteten. Hvis de eksempelvis står over for en AMR fra en anden producent, kan de forudsige køretøjets bevægelse og justere sig passende. Når man støder på et nyt, ukendt objekt, kan robotten være forsigtig og opmærksom og indsamle data, så den kan beregne den bedst mulige adfærd til fremtidige interaktioner.

Tilsvarende kan robottens evne til at manøvrere være begrænset, i komplekse, meget dynamiske miljøer - såsom dem med automatiserede guidede køretøjer (AGV'er), som ikke kan afvige fra deres faste sti eller med menneskedrevne gaffeltrucks eller andre uforudsigelige køretøjer. AGVs 'sikkerhedsmekanismer er typisk begrænset til tvungne stop, når de for eksempel støder på forhindringer, som kan blokere AMR. AI-drevne MiR AMR'er kan identificere AGV og være opmærksomme på dens begrænsninger, så i stedet for at stoppe og kræve operatørens indgriben for at omdirigere den, kan de automatisk vente i en sikker position, indtil AGV er passeret, og genoptage deres mission, når det er sikkert for dem at gøre det.

Mens robotternes indbyggede sikkerhedsmekanismer altid vil forhindre robotten i at kollidere med en genstand, person eller et køretøj i sin vej, kan andre køretøjer, såsom menneskedrevne gaffeltrucks, muligvis ikke have disse muligheder, hvilket efterlader risikoen for at en af dem støder ind i robotten. Et MiR-robotsystem kan registrere områder med høj trafik, inden den ankommer og kan identificere andre køretøjer og opføre sig korrekt for at mindske risikoen for kollision. På denne måde forbedrer AMR'er ikke kun deres egen adfærd med AI, men tilpasser sig også til andre køretøjers begrænsninger.

Venstre: MiR AI-kamera registrerer et objekt, det var konfigureret til at reagere på, hvilket forhindrer MiR-robotter i at krydse den zone, der er markeret med rødt.
Højre: MiR AI-kamera registrerer en person og er konfigureret til ikke at reagere i dette tilfælde, da personen er i stand til effektivt at undgå robotten. Zonen markeret med grønt kan krydres af MiR-robotter i dette tilfælde.

Adressering af AI-bekymringer

AI er stadig så nyt at det rejser bekymringer omkring sikkerhed og privathed for de data, der indfanges og bruges, samt sikrer sikkerhed, hvis AI-systemer mislykkes eller bliver forstyrret. De vigtigste spørgsmål til kunderne, når de overvejer AI-drevne systemer inkluderer:

  • Hvor og hvordan gemmes, sikres og behandles data?
  • Hvor længe gemmes data?
  • Hvilke personligt identificerbare oplysninger indfanges?
  • Hvilke sikkerhedskopieringsmekanismer er på plads?

For at beskytte sikkerheden og privatlivet sender MiR-robotter og AI-kameraer kun beslutninger, ikke billeder. Da al den krævede computerkraft findes i hver enhed, omdannes data, der er fanget af synssensorer, med det samme til former, størrelser og farver, derefter bliver det klassificeret i specifikke kategorier og brugt til beslutningstagning. Derfor er den eneste slags data, der kan sendes, kommandoer, som AMR'er kan forstå: stop eller genoptagelse; information om ændringer i miljøet, såsom en blokeret rute eller et overfyldt område; eller nye handlinger, der skal træffes, f.eks. valget af en alternativ rute.

Mens sikkerhed i robotiske AI-systemer undertiden rejses som en bekymring, er MiRs primære sikkerhedsmekanismer kernen for roboten og kan ikke tilsidesættes af AI-beslutninger. Selvom laserscannere på roboten leverer data til AI-systemer, træffer de også grundlæggende sikkerhedsbeslutninger for mekanisk at forhindre MiR-robotter i at fortsætte under alle omstændigheder, hvis der er mennesker eller forhindringer i robotten.

Fremtiden for robot AI

Mobile robotter vil fortsat være kollaborative enheder, og med AI vil den teknologiske barriere mellem dem og mennesker fortsat skrumpe, hvilket øger samarbejdet og effektiviteten.

Når AI avanceres, får vi evnen til at interagere med robotter mere naturligt ved hjælp af tale eller bevægelser. Det kan omfatte at holde en hånd op for at få robotten til at stoppe, pege den i en foretrukken retning eller vifte med hånden for at passere eller følge - eller simpelthen fortælle den, “Denne gang er blokeret i de næste to timer, kør en anden rute indtil da."

Mens mobile robotter stadig vil være et kontrollerbart værktøj med nødstopknapper, får de autonomi, der gør dem endnu mere værdifulde. De vil være i stand til at forstå: hvor deres rutine kan forbedres og foreslå bedre veje til deres destination, mere produktive tider på dagen til at udføre opgaver, andre robotter der kan bruges til mere effektive arbejdsgange, og det mest passende tidspunkt at genoplade.

AI-drevne AMR'er hjælper med at forvandle arbejdspladser til organiske, datadrevne miljøer, hvor robotter deler relevante data fra deres egne eller fjernsensorer for at hjælpe robotflåden med at tage informerede beslutninger. Med denne datadelingsmodel har hver robot i bund og grund adgang til hver sensor i enhver anden robot eller kamera, hvilket giver den en meget mere detaljeret oversigt over hele sit miljø, og muliggør en meget mere effektiv ruteplanlægningsydelse.

AI: Fremdrift til den næste industrielle revolution

Som i tidligere industrielle revolutioner, vil AI og robotik gøre mange krævende og uønskede opgaver forældede. Med AI kan MiR-robotter styre gentagne, lavværdige materialetransport opgaver med endnu højere effektivitet og omkostningseffektivitet og frigøre mennesker til mere meningsfulde aktiviteter. Og med alvorlig mangel på arbejdskraft, der holder virksomheder tilbage i hele verden, vil smartere mobile robotter give virksomhederne mulighed for at tilbyde givende roller, der hjælper dem med at tiltrække og fastholde værdsatte medarbejdere.

Dansk