AI đã sẵn sàng tự động hóa các công việc thủ công nhất trong kho hiện nay

Sau nhiều lần thử nghiệm và sai sót, những người sáng lập Jacobi, bao gồm cả chuyên gia robotic Ken Goldberg, cho biết họ đã giải quyết được vấn đề. Phần mềm của họ, được xây dựng dựa trên nghiên cứu từ một giấy họ đã xuất bản trong Khoa học Robotic vào năm 2020, được thiết kế để làm việc với bốn nhà sản xuất hàng đầu về cánh tay xếp pallet bằng rô-bốt. Nó sử dụng học sâu để tạo ra “bản nháp đầu tiên” về cách một cánh tay có thể di chuyển một mặt hàng lên pallet. Sau đó, nó sử dụng các phương pháp rô-bốt truyền thống hơn, như tối ưu hóa, để kiểm tra xem chuyển động có thể được thực hiện an toàn và không có trục trặc hay không.

Jacobi hướng đến mục tiêu thay thế các phương pháp cũ mà khách hàng hiện đang sử dụng để đào tạo bot của họ. Theo cách tiếp cận thông thường, robotic được lập trình bằng các công cụ gọi là “mặt dây chuyền dạy học” và khách hàng thường phải hướng dẫn thủ công robotic để trình diễn cách nhấc từng hộp riêng lẻ và đặt lên pallet. Toàn bộ quá trình mã hóa có thể mất nhiều tháng. Jacobi cho biết giải pháp do AI điều khiển của họ hứa hẹn sẽ cắt giảm thời gian đó xuống còn một ngày và có thể tính toán chuyển động trong chưa đầy một mili giây. Công ty cho biết họ có kế hoạch ra mắt sản phẩm của mình vào cuối tháng này.

Hàng tỷ đô la đang được đổ vào ngành robotic chạy bằng AI, nhưng hầu hết sự phấn khích đều hướng đến các robotic thế hệ tiếp theo hứa hẹn có khả năng thực hiện nhiều nhiệm vụ khác nhau—giống như robotic hình người người máy điều đó đã giúp Hình nâng lên 675 triệu đô la từ các nhà đầu tư, bao gồm Microsoft và OpenAI, và đạt mức định giá 2,6 tỷ đô la vào tháng 2. Trong bối cảnh này, việc sử dụng AI để đào tạo một robotic xếp hộp tốt hơn có vẻ khá cơ bản.

Thật vậy, vòng gọi vốn hạt giống của Jacobi là rất nhỏ so với số tiền: 5 triệu đô la do Moxxie Ventures dẫn đầu. Nhưng giữa sự cường điệu xung quanh những đột phá về robotic được hứa hẹn có thể mất nhiều năm để hiện thực hóa, việc xếp pallet có thể là vấn đề về kho mà AI có thể giải quyết tốt nhất trong ngắn hạn.

“Chúng tôi có cách tiếp cận rất thực tế”, Max Cao, đồng sáng lập kiêm giám đốc điều hành của Jacobi cho biết. “Những nhiệm vụ này nằm trong tầm tay và chúng tôi có thể đạt được nhiều sự chấp nhận trong một khoảng thời gian ngắn, so với một số dự án lớn khác ngoài kia”.

Sản phẩm phần mềm của Jacobi bao gồm một studio ảo nơi khách hàng có thể xây dựng bản sao của các thiết lập của họ, nắm bắt các yếu tố như mô hình robotic nào họ có, loại hộp nào sẽ rời khỏi băng chuyền và nhãn phải hướng về hướng nào. Ví dụ, một nhà kho di chuyển đồ thể thao có thể sử dụng chương trình để tìm ra cách tốt nhất để xếp chồng một pallet hỗn hợp gồm bóng tennis, vợt và quần áo. Sau đó, các thuật toán của Jacobi sẽ tự động lập kế hoạch cho nhiều chuyển động mà cánh tay robotic phải thực hiện để xếp chồng pallet và các hướng dẫn sẽ được truyền đến robotic.

Dmitry Berenson, giáo sư ngành robotic tại Đại học Michigan, người không làm việc tại công ty, cho biết phương pháp này kết hợp những lợi ích của khả năng tính toán nhanh do AI mang lại với độ chính xác của các kỹ thuật robotic truyền thống hơn.

“Họ đang làm một điều gì đó rất hợp lý ở đây,” ông nói. Nhiều nghiên cứu về robotic hiện đại đang đặt cược lớn vào AI, hy vọng rằng học sâu có thể tăng cường hoặc thay thế nhiều đào tạo thủ công hơn bằng cách để robotic học từ các ví dụ trước đây về một chuyển động hoặc nhiệm vụ nhất định. Nhưng bằng cách đảm bảo các dự đoán do học sâu tạo ra được kiểm tra so với kết quả của các phương pháp truyền thống hơn, Jacobi đang phát triển các thuật toán lập kế hoạch có khả năng ít bị lỗi hơn, Berenson nói.

Tốc độ lập kế hoạch có thể đạt được “đang đưa điều này vào một danh mục mới”, ông nói thêm. “Bạn thậm chí sẽ không nhận thấy thời gian cần thiết để tính toán chuyển động. Điều đó thực sự quan trọng trong bối cảnh công nghiệp, nơi mà mọi sự tạm dừng đều có nghĩa là sự chậm trễ”.