ROBOTIKA A UMĚLÁ INTELIGENCE
Inovativní aplikace v logistice a potravinářství
Roboty se dnes využívají v nejrůznějších odvětvích k opakovaným úlohám nebo u pevně daných, naplánovaných úkonů. Jejich celkový výkon se odvíjí od přesnosti řídicích systémů, které sledují předem nastavené pohyby. Schopnost robota poradit si s komplexními prostředími a samostatně vykonávat konkrétní úkoly, jako je například flexibilní úchop neznámých předmětů různých tvarů a v rozličných pozicích, je stále velmi omezená. Jakmile však roboty tyto schopnosti získají díky umělé inteligenci, otevírají se tím průmyslovým podnikům neomezené možnosti.
Autor: Siemens
Umělá inteligence řídí flexibilní úchop
Klíčem k vyřešení těchto výzev jsou dvě formy umělé inteligence, které by robotům umožnily zvládat nejisté podmínky, učit se na základě interakce s okolím a následně přenášet získané poznatky na nové situace:
- hluboké učení neboli Deep Learning
- zpětnovazebné učení neboli Reinforcement Learning (RL)
Roboty nemají oproti lidem univerzální schopnost úchopu. Pro tento pohyb musejí být cíleně naprogramovány. Proto je nezbytné, aby uchopované předměty měly vždy stejnou pozici a byly orientovány stejným směrem (například na montážní lince). Pro úchop tak lze využít hluboké učení, které funguje na principu umělých digitálních neurálních sítí. Místo aby programátoři úchop robotu naprogramovali, vybaví ho příklady, jak se pohyb provádí. Data, která robot při učení dostává, obsahují obrázky nebo modely různých předmětů a způsobů jejich úchopu. Díky databázi s miliony takových příkladů se neurální síť naučí, jak vypočítat úchop pro konkrétní daný předmět. Tyto příklady lze snadno vytvořit v simulaci. Robot pak úchop zvládne, aniž by předtím reálně vykonal jakýkoliv pohyb.
Další možností, jak zvýšit inteligenci robotů pro průmyslové úlohy, je zpětnovazebné učení (RL). Jedná se o rámec zásad, který robotům umožní „naučit“ se určité chování na základě interakce s okolím, tzn. že data se získávají z reálného prostředí. Na rozdíl od klasických zpětnovazebních mechanismů je ale hlavním účelem RL poskytnout systémům, které roboty řídí, specifikace ohledně toho, co mají dělat, místo toho, jak to mají udělat.
Při interakci s okolím sbírá robot poznatky a odměny a algoritmus RL posiluje takové chování, které přináší vysoké odměny. Aby nedocházelo k akumulaci velkého množství dat, která se roboty musejí naučit, a tudíž aby to nebylo tak složité, nastupuje metoda zvaná reziduální RL. Pro reziduální RL postačí k učení pouze zlomek příkladů z reálného světa. Tento přístup je jakousi formou chování pod kombinovaným řízením, kdy část problému, před kterým robot stojí, je vyřešena běžnou zpětnou vazbou (pozice) a o zbytek se postará reziduální RL.
Výhody pro průmysl, cílové trhy a uplatnění v potravinářském průmyslu
Pro zajištění flexibilního úchopu a montáže předmětů je nyní hlavním cílem vědců vytvořit robot, který by byl schopen řešit úlohy flexibilně na základě vlastních rozhodnutí a s využitím vlastních dovedností. Operátor by v takovém případě zadával pouze příkazy vyšší úrovně. Například namísto naprogramování trajektorie úspěšného úchopu postačí, když robot požádáme, aby uchopil určitý komponent, a pak ho necháme, aby se sám rozhodl, jakým způsobem to provede.
Jaké jsou hlavní výhody flexibilního úchopu v průmyslových procesech? Především otevírá možnosti k výraznému zlepšení výkonu v případě zprovoznění a v distribuční logistice. Procesy související s dodávkami zboží přímo zákazníkovi v segmentu B2C stále z velké většiny vykonávají lidé. Toto manuální třídění objednávek má i své nevýhody: omezuje kapacitu na zhruba 500–600 úkonů za hodinu a doplácí na nedostatek pracovníků v logistice. Právě v tu chvíli přicházejí na řadu robotické systémy s funkcí flexibilního úchopu. Dokážou odbavit velké množství různých předmětů a zároveň zajistit mnohem větší výkon, což zvyšuje produktivitu v procesech distribuční logistiky.
Navíc to umožňuje flexibilní a individualizovanou výrobu (až po velikost dávky jedna) produktů šitých přímo na míru preferencím spotřebitelů. Umělá inteligence samozřejmě nenahradí veškerou lidskou práci, ale díky automatizaci jednoduchých úloh poskytuje více času na kreativní a komplexnější činnosti.
Společnost Siemens pro tento účel vyvinula univerzální robotický uchopovací systém založený na jednotném programování a obsluze průmyslových robotů (viz obrázek . „Obrovskou výhodou našeho řešení je jeho snadné začlenění do každého automatizovaného prostředí. Je kompatibilní s jakýmkoliv robotem, uchopovačem či kamerou, umožňuje úchopy podobné těm lidským a zároveň je velice hospodárný,“ vysvětluje Christopher Schuette, product portfolio manager v Siemens Factory Automation.
Řešení Siemens je určeno pro celou řadu odvětví. Největší tržní potenciál se předpokládá v následujících segmentech:
- maloobchod
- e-commerce
- on-line prodej potravin
Dále lze v příštích letech očekávat poptávku po tomto robotickém systému v oblasti výroby, v potravinářském a nápojářském průmyslu nebo v zásilkových službách.
„Robotika využívající umělou inteligenci výrazně zvyšuje výkon distribuční logistiky v oblasti maloobchodu, e-commerce nebo výroby a zároveň usnadňuje využití nastupujících a potenciálně přelomových obchodních modelů, jako je například on-line prodej potravin.“ říká Claus Romanowsky, marketingový manažer v Siemens Factory Automation.
Zprovoznění systému při výrobě limonády
On-line prodejci potravin přicházejí se stále pestřejší nabídkou ovoce, zeleniny a dalších potravin. On-line nabídka speciální limonády představuje praktický příklad možností, kde lze využít robotiku s umělou inteligencí.
Každý má svou oblíbenou směs limonády podle vlastní chuti. Vezměme si příklad citronovo-mátové limonády: máta se pěstuje v zařízeních prodejce, kde inteligentní aplikace analyzují celý životní cyklus rostlin. Na základě objednávky robot autonomně vybere vhodné rostliny jako přísady do speciální zákaznické limonády. Zvolené rostliny jsou uloženy do boxu a dále zpracovány. Siemens přináší pro tuto aplikaci chytré řešení (viz fotografie nahoře), které má dvě části:
- boxy s rostlinkami máty s možností monitoringu a analýzy růstových stádií ze senzoru do cloudu prostřednictvím Edge a aplikací Mendix;
- robotická buňka s AI aplikací k provádění příkazů dokáže rozpoznat a uchopit objekty zcela samostatně.
Modulární a otevřený technologický balíček je vhodný i pro ty, kteří umělou inteligenci příliš nevyužívají.
Take-away
Automatizace se v budoucnu bude stále více spoléhat na robotiku využívající umělou inteligenci, jelikož umožní robotům samostatně provádět určité úlohy (oproti předem definovaným rutinním úkolům), například flexibilní uchopování, s uplatněním vyšší úrovně inteligence. Robotické systémy s uchopovači umožňují mnohem produktivnější procesy a vyšší výkon například v oblasti maloobchodu, e-commerce, on-line prodeje potravin a dalších logistických odvětvích. Tato technologie také navíc umožňuje výrobcům, kteří dodávají přímo spotřebitelům, vytvářet nové obchodní modely. Aby představila možnosti využití robotických systémů, vyvinula společnost Siemens už například konkrétní řešení v oblasti „vertikální zemědělské produkce“ v nastupujícím odvětví on-line prodeje potravin. Firmám z oboru by proto nemělo v této oblasti nic uniknout!