I raccoglitori di magazzini robotizzati basati sull'intelligenza artificiale sono ora pronti per andare al lavoro

I co-fondatori di Covariant lavorano sul loro braccio robotico. Elena Zhukova

Nell'estate del 2018, una piccola startup di robotica con sede a Berkeley ha ricevuto una sfida. Knapp, uno dei principali fornitori di tecnologie logistiche di magazzino, era alla ricerca di un nuovo braccio robotico basato sull'intelligenza artificiale in grado di prelevare quanti più tipi di articoli possibile. Quindi ogni settimana, per otto settimane, inviava alla startup un elenco di articoli sempre più difficili - scatole opache, scatole trasparenti, pacchetti di pillole, calzini - che coprivano una gamma di prodotti dei suoi clienti. Il team di avvio avrebbe acquistato gli articoli localmente e quindi, entro la settimana, avrebbe inviato un video del loro braccio robotico che trasferiva gli articoli da un bidone grigio all'altro.

Alla fine della sfida, i dirigenti di Knapp erano rimasti a terra. Avevano sfidato molte startup in sei o sette anni senza successo e questa volta si aspettavano lo stesso risultato. Invece, in ogni video, il braccio robotico della startup ha trasferito ogni articolo con una precisione perfetta e una velocità pronta per la produzione.

Ogni volta ci aspettavamo che avrebbero fallito con il prodotto successivo, perché diventava sempre più complicato, afferma Peter Puchwein, vicepresidente dell'innovazione di Knapp, che ha sede in Austria. Ma il punto era che ci sono riusciti e tutto ha funzionato davvero. Non abbiamo mai visto questa qualità dell'IA prima d'ora.

Il braccio robotico abilitato per Covariant di KNAPP in un ambiente di magazzino dal vivo a Berlino, Germania. Jannis Keil

Covariant è ora uscito dalla modalità invisibile e annuncia oggi il suo lavoro con Knapp. I suoi algoritmi sono già stati implementati sui robot di Knapp in due dei magazzini dei clienti di Knapp. Uno, gestito dal fornitore elettrico tedesco Obeta, è stato completamente in produzione da settembre. I cofondatori affermano che Covariant è anche vicino a concludere un altro accordo con un gigante della robotica industriale.

La notizia indica un cambiamento nello stato della robotica basata sull'intelligenza artificiale. Tali sistemi erano limitati ad ambienti accademici altamente vincolati. Ma ora Covariant afferma che il suo sistema può generalizzare alla complessità del mondo reale ed è pronto a prendere d'assalto i magazzini.

Ci sono due categorie di attività nei magazzini: cose che richiedono gambe, come spostare le scatole dalla parte anteriore a quella posteriore dello spazio, e cose che richiedono le mani, come raccogliere gli oggetti e metterli nel posto giusto. I robot sono stati nei magazzini per molto tempo, ma il loro successo si è limitato principalmente all'automazione del primo tipo di lavoro. Se guardi a un magazzino moderno, le persone in realtà si spostano raramente, afferma Peter Chen, cofondatore e CEO di Covariant. Spostare cose tra i punti fissi: questo è un problema per cui la meccatronica è davvero eccezionale.

Un braccio robotico nell'ufficio di Covariant Elena Zhukova

Ma automatizzare i movimenti delle mani richiede molto più del giusto hardware. La tecnologia deve adattarsi agilmente a un'ampia varietà di forme e dimensioni di prodotti con orientamenti in continua evoluzione. Un braccio robotico tradizionale può essere programmato per eseguire gli stessi movimenti precisi ancora e ancora, ma fallirà nel momento in cui incontra qualsiasi deviazione. Ha bisogno dell'IA per vedere e adattarsi, o non avrà alcuna speranza di stare al passo con l'ambiente in evoluzione. È davvero la parte della destrezza che richiede intelligenza, dice Chen.

Negli ultimi anni i laboratori di ricerca hanno fatto incredibili progressi nel combinare intelligenza artificiale e robotica per raggiungere tale destrezza, ma portarli nel mondo reale è stata una storia completamente diversa. I laboratori possono cavarsela con una precisione del 60% o del 70%; i robot in produzione non possono. Anche con un'affidabilità del 90%, un braccio robotico sarebbe una proposta di perdita di valore, afferma Pieter Abbeel, cofondatore e capo scienziato di Covariant.

Per ripagare veramente l'investimento, stimano Abbeel e Chen, un robot deve essere accurato almeno al 99% e forse anche al 99,5%. Solo allora può funzionare senza molto intervento umano o rischiare di rallentare una linea di produzione. Ma è stato solo con i recenti progressi nell'apprendimento profondo, e in particolare nell'apprendimento per rinforzo, che questo livello di accuratezza è diventato possibile.

L'ufficio di Covariant si trova non lontano dal lungomare della Baia di San Francisco, fuori da un parcheggio fatiscente tra una fila di edifici non contrassegnati. All'interno, diversi robot industriali e co-bot, robot collaborativi progettati per operare in sicurezza intorno agli esseri umani, si addestrano per ogni possibilità di prodotto.

Su base regolare, i membri del team di Covariant vanno in giro nei minimarket per acquistare qualsiasi cosa riescano a trovare. Gli articoli spaziano dalle lozioni in bottiglia ai vestiti confezionati ai cappucci per gomme racchiusi in scatole trasparenti. Il team cerca in particolare le cose che potrebbero far inciampare il robot: superfici metalliche altamente riflettenti, plastica trasparente e superfici facilmente deformabili come sacchetti di stoffa e chip che sembreranno ogni volta diversi da una fotocamera.

Sopra ogni robot c'è una serie di telecamere che fungono da set di occhi. Quei dati visivi, insieme ai dati dei sensori dal corpo del robot, alimentano l'algoritmo che ne controlla i movimenti. I robot apprendono principalmente attraverso una combinazione di tecniche di imitazione e rinforzo. Il primo prevede una persona che guida manualmente il robot per raccogliere oggetti diversi. Quindi registra e analizza le sequenze di movimento per capire come generalizzare il comportamento. Quest'ultimo prevede che il robot conduca milioni di cicli di tentativi ed errori. Ogni volta che il robot cerca un oggetto, lo prova in un modo leggermente diverso. Quindi registra quali tentativi danno luogo a scelte più rapide e precise rispetto agli errori, in modo da poter migliorare continuamente le proprie prestazioni.

Poiché in definitiva è l'algoritmo che apprende, la piattaforma software di Covariant, chiamata Covariant Brain, è indipendente dall'hardware. In effetti, l'ufficio ha oltre una dozzina di robot di vari modelli e la sua distribuzione dal vivo con Obeta utilizza l'hardware di Knapp.

Il regime di allenamento di Covariant.

Nel corso di un'ora, ho visto tre diversi robot raccogliere magistralmente tutti i tipi di oggetti acquistati in negozio. In pochi secondi, l'algoritmo analizza le loro posizioni, calcola l'angolo di attacco e la corretta sequenza di movimenti ed estende il braccio per afferrarlo con una ventosa. Si muove con sicurezza e precisione, e cambia velocità a seconda della delicatezza del capo. Le pillole avvolte in un foglio, ad esempio, ricevono un trattamento più delicato per evitare di deformare la confezione o schiacciare il farmaco. In una dimostrazione particolarmente impressionante, il robot ha anche invertito il flusso d'aria per soffiare al centro un fastidioso sacchetto premuto contro il muro di un bidone per un accesso più facile.

Puchwein di Knapp afferma che da quando l'azienda ha adottato la piattaforma di Covariant, i suoi robot sono passati dall'essere in grado di selezionare tra il 10% e il 15% a circa il 95% della gamma di prodotti Obeta. L'ultimo 5% è costituito da oggetti particolarmente fragili come gli occhiali, che sono ancora riservati a un'attenta manipolazione da parte dell'uomo. Non è un problema, aggiunge Puchwein. In futuro, una configurazione tipica dovrebbe prevedere forse 10 robot e una stazione di prelievo manuale. Questo è esattamente il piano. Attraverso la collaborazione, Knapp distribuirà i suoi robot abilitati Covariant a tutti i magazzini dei suoi clienti nei prossimi anni.

Sebbene tecnicamente impressionanti, le statistiche sollevano anche interrogativi sull'impatto che tali robot avranno sull'automazione del lavoro. Puchwein ammette di prevedere centinaia o migliaia di robot che assumeranno compiti tradizionalmente svolti dagli esseri umani entro i prossimi cinque anni. Ma, afferma, le persone non vogliono più fare il lavoro comunque. In Europa, in particolare, le aziende spesso faticano a trovare abbastanza dipendenti per il personale dei loro magazzini. Questo è esattamente il feedback di tutti i nostri clienti, dice. Non trovano persone, quindi hanno bisogno di più automazione.

Covariant ha raccolto fino ad oggi 27 milioni di dollari, con finanziatori tra cui luminari dell'IA come i vincitori del Turing Award Geoffrey Hinton e Yann LeCun. Oltre al prelievo dei prodotti, alla fine vuole comprendere tutti gli aspetti dell'evasione del magazzino, dallo scarico dei camion all'imballaggio delle scatole fino allo smistamento degli scaffali. Prevede inoltre di espandersi oltre i magazzini in altre aree e industrie.

Ma alla fine, Abbeel ha un obiettivo ancora più alto: la visione a lungo termine dell'azienda è quella di risolvere tutta la robotica AI.

nascondere