Standard Bots مدل‌های هوش مصنوعی را برای ربات‌های صنعتی به‌کار می‌گیرد

ربات‌های صنعتی هوشمند Standard Bots برای انجام کارهایی مانند جوشکاری، مونتاژ و رسیدگی به دستگاه‌های تولیدی طراحی شده‌اند؛ این شرکت می‌گوید به‌جای سپردن تمام وظایف به یک مدل، از هوش مصنوعی برای درک محیط و شناسایی قطعه استفاده می‌کند و بخش‌هایی مانند حرکت ربات را با برنامه‌نویسی متعارف پیش می‌برد. جزئیات این رویکرد در گفت‌وگویی با مدیران شرکت که شنبه ۱۸ مهر ۱۴۰۵ منتشر شد، شرح داده شده است.

ترکیب مدل‌های پایه با داده‌های اختصاصی

به گفته Evan Beard، هم‌بنیان‌گذار و مدیرعامل Standard Bots، این شرکت یک مدل پایه مشترک دارد که مشتریان می‌توانند آن را با نمایش عملی کار و تنظیم دقیق برای وظایف خود سازگار کنند. Leif Jentoft، مدیر هوش مصنوعی شرکت، نیز از مجموعه‌ای از مدل‌ها گفت که سامانه تشخیص بدون نمونه قبلی برای ماشین‌کاری را دربرمی‌گیرد. «بدون نمونه قبلی» به این معناست که سامانه می‌تواند قطعه موردنظر را بدون آموزش اختصاصی برای همان قطعه شناسایی کند.

Beard گفت بزرگ‌ترین مدل شرکت چند میلیارد پارامتر دارد؛ پارامترها اجزای قابل‌آموزش مدل هستند. Jentoft تأکید کرد که شرکت به‌جای دنبال‌کردن بزرگ‌ترین مجموعه‌داده ممکن، بر کیفیت داده و انتخاب نمونه‌های هدفمند تمرکز می‌کند. به گفته او، داده‌های به‌دست‌آمده از محیط واقعی مشتریان می‌تواند برای اصلاح یک مورد خاص به کار رود و گاهی چند ده نمونه برای چنین اصلاحی کفایت می‌کند.

تفکیک وظایف مدل از برنامه‌نویسی ربات

برای نمونه، در سامانه ماشین‌کاری مورد استفاده در تولیدات متنوع، کاربر به ربات می‌گوید کدام قطعات را پیدا کند. بنا بر توضیح Jentoft، مدل وظیفه تشخیص بصری و شناسایی قطعه را برعهده دارد؛ حرکت ربات و منطق کاری سلول تولیدی با برنامه‌نویسی متعارف کنترل می‌شود. سلول تولیدی به مجموعه تجهیزات و فضای کاری پیرامون یک فرایند تولید گفته می‌شود.

Jentoft گفت مدل اصلی این وظیفه با بیش از یک میلیارد تصویر آموزش دیده است. به گفته او، این آموزش به ربات کمک می‌کند قطعه را در شرایط متفاوت نور و جنس مواد، و در تمایز با پس‌زمینه، تشخیص دهد. شرکت همچنین بخشی از جریان کاری را که به رفتار آموخته‌شده نیاز ندارد، با برنامه‌نویسی معمولی پیاده می‌کند؛ Beard گفت تمرکز بر وظایف کوتاه‌مدت به رعایت زمان چرخه و نیازهای اتکاپذیری تولید کمک می‌کند.

اجرای محلی برای حفظ استمرار کار

Beard گفت آموزش مدل‌ها در فضای ابری انجام می‌شود، اما اجرای مدل یا «استنتاج» در محل انجام می‌گیرد. در ماشین‌کاری، دوربین‌های نصب‌شده روی مچ ربات و حسگرهای دیگر داده را به سامانه می‌فرستند و پردازنده‌های گرافیکی نزدیک تجهیزات، آن‌ها را برای تولید بخش‌هایی از فرمان حرکتی پردازش می‌کنند.

به گفته Beard، کارخانه‌ها و انبارها همیشه اینترنت قابل‌اتکایی ندارند و در نتیجه اتکا به پردازش ابری برای اجرای لحظه‌ای ربات دشوار است. شرکت می‌گوید نگه‌داشتن این حلقه پردازش در محل، برای استمرار کار مشتریان اهمیت دارد. Jentoft نیز گفت Standard Bots کنترل بخش‌های مختلف سامانه، از بازوی ربات و ابزار انتهایی آن تا کنترل و هوش مصنوعی را در اختیار دارد و می‌تواند مدل و سیاست‌های کنترلی را با هم هماهنگ کند.

یادگیری از خطاهای محیط واقعی

Standard Bots از شبیه‌سازی استفاده می‌کند، اما Beard گفت بازسازی برخی کارهای تولیدی، از جمله کار با مایعات، مکش یا برش مواد انعطاف‌پذیر، در شبیه‌سازهای کنونی دشوار است. آموزش با نمایش عملی در محیط واقعی نیز بخشی از فرایند یادگیری شرکت است.

Jentoft گفت شرکت نشانه‌های شکست و اصلاحات انسانی را در محل استقرار ثبت می‌کند، اما چگونگی استفاده از این داده‌ها به مشتری بستگی دارد. این رویکرد در کنار مدل‌های آموزش‌دیده و اجرای محلی، بر سازگارکردن سامانه با شرایط واقعی کار متمرکز است؛ نه صرفاً افزایش مقیاس مدل.

این خبر برای چه کسانی اهمیت دارد

این رویکرد برای تولیدکنندگانی اهمیت دارد که به اجرای مداوم ربات در محیط کارخانه نیاز دارند و نمی‌توانند همه تصمیم‌ها را به اتصال اینترنت یا یک مدل واحد وابسته کنند. Standard Bots که می‌گوید مشتریانی از جمله NASA، Amazon و Lockheed Martin دارد، به‌تازگی در دور سرمایه‌گذاری سری C، به رهبری General Catalyst و RoboStrategy، ۲۰۰ میلیون دلار جذب کرده و ارزش‌گذاری آن یک میلیارد دلار اعلام شده است. جزئیات منتشرشده درباره ترکیب مدل با کنترل متعارف و اجرای محلی، تصویری از اولویت‌های فنی این شرکت در بازار رباتیک صنعتی ارائه می‌کند.