Обговорення в сфері робототехніки часто коливається між двома крайнощами: або утопічним баченням повністю автономних машин, або дистопічним страхом перед витісненням людських працівників. Однак в умовах глобального прагнення до більш автоматизованих, ефективних та безпечних промислових середовищ з’являється третій варіант. Це нова парадигма, де машини і люди співпрацюють у тісно інтегрованих робочих процесах, підтримуваних досягненнями в сфері просторового штучного інтелекту та змішаної реальності.
“Ми побачимо багато співпраці між роботами та людьми,” — зазначив Діям Паніграгі, співзасновник GridRaster, розглядаючи наступний етап промислової трансформації не як заміну людської праці, а як її доповнення. “Це не так, що одне замінює інше. Все ще 80-90% роботи має бути спільним зусиллям. Ця технологія може суттєво допомогти в підвищенні кваліфікації працівників.”
Зрештою, коли обладнання продовжує удосконалюватися, витрати зменшуються, а платформи просторового інтелекту покращуються, межа між фізичним і цифровим у промислових умовах стає ще більш розмитою.
“Ми називаємо себе компанією просторового інтелекту не без причини,” — додав Паніграгі. “Розуміння 3D простору змінює спосіб, яким можна покращити автоматизацію, безпеку і якість. Саме це відкриває наступний рівень виробництва.”
Картографія простору для підвищення продуктивності
Основна ідея GridRaster полягає в тому, що просторовий інтелект, який забезпечує розуміння фізичного середовища в реальному часі за допомогою штучного інтелекту, є відсутнім елементом у багатьох ініціативах автоматизації. Поєднуючи інтерфейси змішаної реальності з 3D-картуванням та комп’ютерним зором, GridRaster дозволяє як людям, так і машинам “бачити” і ефективно орієнтуватися у своєму середовищі.
“Маючи розуміння 3D простору, можна підвищити ефективність автоматизації будь-якого процесу,” — зазначив Паніграгі. “Оператор може виконувати завдання з більшою впевненістю, більшою безпекою і вищою якістю.”
Ця можливість особливо важлива в умовах, де виробництво є складним, змінним і часто небезпечним. Наприклад, у сервісах обслуговування літаків, у металургійних виробництвах або в адитивних manufacturings, ці середовища протидіють статичній, заснованій на правилах автоматизації конвеєрів. Натомість, їм потрібні гнучкі системи, які можуть адаптуватися до реальних змін частин, конструкцій та робочих процесів.
Паніграгі описав типовий сценарій: “У вас лежить крило літака, може, поруч з ним купол. Ви хочете навести робота для проведення специфічної інспекції. Оператор одягає гарнітуру, обминає, а наша технологія реєструє все в цьому середовищі, ідентифікуючи об’єкти і створюючи 3D-модель кожного з них. Ця інформація миттєво передається роботу.”
Завдання, які раніше вимагали годин ручної підготовки, тепер виконуються за лічені хвилини. Оператори можуть навіть віртуально симулювати рухи роботів перед виконанням, отримуючи впевненість у процесі. Це виглядає особливо багатообіцяюче в промисловостях з високою вартістю, таких як аерокосмічна та оборонна.
“Якщо я можу запустити літак і заощадити годину, я фактично заощаджую їм сто тисяч доларів або більше,” — сказав Паніграгі. “Це виправдовує витрати у 3,500 доларів на гарнітуру.”
Коботи: людське судження та роботизована точність
Фокус на “коботах” (співпрацівниках-роботах) відображає переконання Паніграгі в тому, що машини виділяються у виконанні рутинних і витривалих завдань, тоді як люди приносять інтуїцію і контекстуальне судження.
Роботи добре виконують завдання, що вимагають постійності, і можуть виконувати небезпечні, виснажливі завдання. У важкій промисловості, такій як лиття та кування, де працівники працюють з гарячими металами, використовуючи засоби захисту, коботи можуть виконувати більшу частину небезпечної роботи.
Окрім підвищення продуктивності та безпеки, просторовий інтелект і змішана реальність мають потенціал для розвитку робочої сили. Коли досвідчені техніки виходять на пенсію, а в виробництві виникає брак кваліфікованих працівників, інтуїтивно зрозумілі та занурювальні інструменти можуть допомогти новим працівникам швидше засвоювати складні завдання.
Впроваджуючи експертизу у самі інструменти — дозволяючи операторам візуалізувати завдання, симулювати процедури і працювати з коботами — компанії можуть подолати міжпоколіннєві прогалини в знаннях і прискорити навчання.
“Вам не потрібно бути експертом,” — сказав Паніграгі. “Тільки оператор, який може одягти гарнітуру і ознайомитися з обстановкою. Інше буде зроблено за вас. Вам просто потрібно сказати, що потрібно зробити.”
Ця простота знижує бар’єри для малих і середніх виробників, які часто не мають капіталу і технічної експертизи для впровадження передової робототехніки. Зміщуючи акцент з капіталовкладень на моделі на основі послуг та зменшуючи потребу в спеціалізованому програмуванні, рішення на основі просторового інтелекту можуть демократизувати доступ до автоматизації.
Дані як новий індустріальний субстрат
Ключовим елементом цієї співпраці між людиною і роботом є вдосконалена архітектура даних. Просторовий ШІ залежить від величезних потоків візуальних і позиційних даних, але Паніграгі зазначив, що не всі дані повинні бути передані в хмару.
“Штучний інтелект буде практично скрізь,” — зазначив він. “Але люди думають, що всі дані потрібно передавати до хмари. Це не обов’язково. Ви можете запускати моделі локально, навіть в повністю ізольованих системах без Wi-Fi.”
Такий підхід є критично важливим в таких сферах, як аерокосмічна та оборонна промисловості, де вимоги щодо безпеки є дуже строгими. Платформа GridRaster підтримує багаторівневу безпеку, забезпечуючи, щоб чутливі дані могли зберігатися на пристроях або локальних серверах за потребою. Можливість проводити інференцію на місці, поблизу машини та людини-оператора, також знижує затримки, роблячи реальний час керування та зворотнього зв’язку практичними.