AI-drivna robotlagerplockare är nu redo att gå till jobbet

Covariant medgrundare arbetar på sin robotarm. Elena Zhukova

Sommaren 2018 fick en liten Berkeley-baserad robotstartup en utmaning. Knapp, en stor leverantör av lagerlogistikteknik, var på jakt efter en ny AI-driven robotarm som kunde välja så många typer av föremål som möjligt. Så varje vecka, i åtta veckor, skulle det skicka en lista över allt svårare föremål – ogenomskinliga lådor, genomskinliga lådor, pillerförpackningar, strumpor – som täckte en rad produkter från sina kunder. Startteamet skulle köpa föremålen lokalt och sedan, inom en vecka, skicka tillbaka en video av deras robotarm som överför föremålen från en grå papperskorg till en annan.

I slutet av utmaningen var chefer på Knapp golvade. De hade utmanat många startups under sex eller sju år utan framgång och förväntade sig samma resultat den här gången. I stället, i varje video, överförde startupens robotarm varje föremål med perfekt noggrannhet och produktionsfärdig hastighet.

Varje gång förväntade vi oss att de skulle misslyckas med nästa produkt, för det blev mer och mer knepigt, säger Peter Puchwein, vice vd för innovation på Knapp, som har sitt huvudkontor i Österrike. Men poängen var att de lyckades, och allt fungerade verkligen. Vi har aldrig sett den här kvaliteten på AI förut.

KNAPP:s Covariant-aktiverade robotarm i en levande lagermiljö i Berlin, Tyskland. Jannis Keil

Covariant har nu kommit ur stealth-läget och tillkännager sitt arbete med Knapp idag. Dess algoritmer har redan implementerats på Knapps robotar i två av Knapps kunders lager. En, som drivs av den tyska elleverantören Obeta, har varit helt i produktion sedan september. Medgrundarna säger att Covariant också är nära att göra ett annat avtal med en industriell robotjätte.

Nyheten betyder en förändring i tillståndet för AI-driven robotik. Sådana system brukade vara begränsade till mycket begränsade akademiska miljöer. Men nu säger Covariant att dess system kan generalisera till komplexiteten i den verkliga världen och är redo att ta lagergolv med storm.

Det finns två kategorier av uppgifter i lager: saker som kräver ben, som att flytta lådor från framsidan till baksidan av utrymmet, och saker som kräver händer, som att plocka upp föremål och placera dem på rätt plats. Robotar har funnits i lager länge, men deras framgång har främst begränsats till att automatisera den tidigare typen av arbete. Om man tittar på ett modernt lager så flyttar folk faktiskt sällan, säger Peter Chen, medgrundare och VD för Covariant. Att flytta saker mellan de fasta punkterna - det är ett problem som mekatronik är riktigt bra för.

En robotarm på Covariants kontor Elena Zhukova

Men att automatisera händernas rörelser kräver mer än bara rätt hårdvara. Tekniken måste smidigt anpassa sig till en mängd olika produktformer och storlekar i ständigt föränderliga orienteringar. En traditionell robotarm kan programmeras att utföra samma exakta rörelser om och om igen, men den kommer att misslyckas i det ögonblick den stöter på någon avvikelse. Den behöver AI för att se och justera, annars kommer den inte att ha något hopp om att hänga med i sin föränderliga omgivning. Det är verkligen skicklighetsdelen som kräver intelligens, säger Chen.

Under de senaste åren har forskningslaboratorier gjort otroliga framsteg när det gäller att kombinera AI och robotik för att uppnå sådan skicklighet, men att föra in dem i den verkliga världen har varit en helt annan historia. Labs kan komma undan med 60 % eller 70 % noggrannhet; robotar i produktion kan inte. Även med 90 % tillförlitlighet skulle en robotarm vara ett värdeförlorande förslag, säger Pieter Abbeel, Covariants medgrundare och chefsforskare.

För att verkligen betala tillbaka investeringen, uppskattar Abbeel och Chen, måste en robot vara minst 99 % – och kanske till och med 99,5 % – exakt. Först då kan den fungera utan större mänsklig inblandning eller riskera att bromsa en produktionslinje. Men det var inte förrän de senaste framstegen inom djupinlärning, och i synnerhet förstärkningsinlärning, som denna nivå av noggrannhet blev möjlig.

Covariants kontor ligger inte långt från vattnet i San Francisco Bay, utanför en förfallen parkeringsplats mellan en rad omärkta byggnader. Inuti tränar flera industrirobotar och co-bots, samarbetsrobotar designade för att arbeta säkert runt människor, för varje produktmöjlighet.

Medlemmar av Covariants team åker regelbundet ut i närbutiker för att köpa vad de än kan hitta. Föremålen sträcker sig från lotioner på flaska till förpackade kläder till suddgummikapsyler inkapslade i genomskinliga lådor. Teamet letar särskilt efter saker som kan få roboten att snubbla: mycket reflekterande metallytor, transparent plast och lätt deformerbara ytor som tyg- och spånpåsar som kommer att se annorlunda ut för en kamera varje gång.

Ovanför varje robot hänger en serie kameror som fungerar som dess ögon. Dessa visuella data, tillsammans med sensordata från robotens kropp, matas in i algoritmen som styr dess rörelser. Robotarna lär sig främst genom en kombination av imitations- och förstärkningstekniker. Den första innebär att en person manuellt guidar roboten för att plocka upp olika föremål. Den loggar och analyserar sedan rörelsesekvenserna för att förstå hur man generaliserar beteendet. Det senare innebär att roboten genomför miljontals omgångar av försök och misstag. Varje gång roboten sträcker sig efter ett föremål försöker den det på ett lite annorlunda sätt. Den loggar sedan vilka försök som resulterar i snabbare och mer exakta val kontra misslyckanden, så att den kontinuerligt kan förbättra sin prestanda.

Eftersom det i slutändan är algoritmen som lär sig är Covariants mjukvaruplattform, kallad Covariant Brain, hårdvaruagnostisk. Faktum är att kontoret har över ett dussin robotar av olika modeller, och dess livedistribution med Obeta använder Knapps hårdvara.

Covariants träningsupplägg.

Under loppet av en timme såg jag tre olika robotar mästerligt plocka upp alla möjliga butiksköpta föremål. På några sekunder analyserar algoritmen deras positioner, beräknar attackvinkeln och korrekt sekvens av rörelser och sträcker ut armen för att ta tag i med en sugkopp. Den rör sig med säkerhet och precision och ändrar hastighet beroende på föremålets känslighet. Piller inslagna i folie får till exempel en skonsammare behandling för att undvika att förpackningen deformeras eller att medicinen krossas. I en särskilt imponerande demonstration vände roboten också om sitt luftflöde för att blåsa en irriterande påse tryckt mot en soptunnas vägg in i mitten för enklare åtkomst.

Knapps Puchwein säger att sedan företaget antog Covariants plattform har dess robotar gått från att kunna välja mellan 10 % och 15 % till cirka 95 % av Obetas produktsortiment. De sista 5 % består av särskilt ömtåliga föremål som glasögon, som fortfarande är reserverade för försiktig hantering av människor. Det är inget problem, tillägger Puchwein. I framtiden bör en typisk installation vara att du kanske har 10 robotar och en manuell plockstation. Det är precis planen. Genom samarbetet kommer Knapp att distribuera sina Covariant-aktiverade robotar till alla sina kunders lager under de närmaste åren.

Även om den är tekniskt imponerande, väcker statistiken också frågor om vilken inverkan sådana robotar kommer att ha på jobbautomatisering. Puchwein medger att han förväntar sig att hundratals eller tusentals robotar tar över uppgifter som traditionellt utförs av människor inom de kommande fem åren. Men, hävdar han, folk vill inte göra jobbet längre ändå. Särskilt i Europa kämpar företag ofta med att hitta tillräckligt många anställda för att bemanna sina lager. Det är precis feedbacken från alla våra kunder, säger han. De hittar inga människor, så de behöver mer automatisering.

Covariant har hittills samlat in 27 miljoner dollar, med finansiärer inklusive AI-armaturer som Turing Award-vinnarna Geoffrey Hinton och Yann LeCun. Förutom produktplockning vill man på sikt omfatta alla aspekter av lageruppfyllelse, från lossning av lastbilar till packlådor till sortering av hyllor. Den planerar också att expandera bortom lager till andra områden och industrier.

Men i slutändan har Abbeel ett ännu högre mål: Företagets långsiktiga vision är att lösa all AI-robotik.

Dölj