Складской робот учится сортировке нестандартных вещей

На складе близ Берлина новый робот автоматизирует задачи, ещё совсем недавно недоступные машинам

На складе на задворках Берлина длинный ряд синих ящиков с выключателями, розетками и другими электротоварами продвинулся по конвейерной ленте. После их остановки пятеро рабочих перебрали эти небольшие предметы, и разложили их по картонным коробкам.

В компании-производителе электротоваров Obeta, открывшейся в 1901 году, подобной монотонной работой рабочие занимались годами.

Однако несколько лет назад к команде присоединился новый работник. Робот за защитным стеклом, используя три вакуумных присоски на конце длинной руки, выполняет ту же самую работу, сортируя товары с удивительной скоростью и точностью.

Это может вас не впечатлить, но такой робот, сортирующий компоненты, представляет собой серьёзный прорыв в таких областях, как ИИ и человеческий труд, на который способны машины.

Через склады таких розничных магазинов, как Amazon, Walmart, и проч., проходят миллионы товаров, а их работникам с низкой зарплатой приходится просеивать ящик за ящиком, содержащие всякое разное – от одежды и обуви до электроники – так, чтобы каждый товар можно было упаковать и отправить по назначению. И до сегодняшнего дня машины не могли справиться с этим.

На складе Obeta в пригороде Берлина хранится более 80 000 подобных ящиков

«Я больше 16 лет работаю в логистике, и ничего подобного до сих пор не видел», — сказал Питер Пачвайн, вице-президент австрийской компании Knapp, занимающейся автоматизацией складов.

Калифорнийские инженеры, изготовившие этого робота, фотографировали окружающее на смартфоны, стоя рядом со складом Obeta. Они больше двух лет провели за разработкой системы в своём стартапе Covariant.AI, основанной на предыдущих исследованиях, проведённых в Калифорнийском университете в Беркли.

Их технология демонстрирует, что в ближайшее время на складах останется очень мало задач, слишком пустячных или сложных для роботов. И чем большим количеством задач, традиционно выполнявшихся людьми, овладевают машины, тем больше появляется поводов для волнения о работниках склада, теряющих свои рабочие места из-за автоматизации.

Экономисты считают, что из-за быстрого роста онлайн-торговли – при том, что большая часть компаний вряд ли будет очень быстро осваивать новейшие технологии автоматизации – все эти технологии вряд ли в ближайшем будущем приведут к резкому падению количества рабочих мест в логистике. Однако инженеры, создающие эти технологии, признают, что настанет день, когда большую часть задач на складах будут выполнять машины. Живым работникам придётся заняться чем-то иным.

Инженеры из Covariant специализируются на такой подобласти ИИ, как обучение с подкреплением. Машины обучаются выполнению новых задач самостоятельно, путём огромного количества проб и ошибок. А лучшее место для их обучения – это реальный мир.

«Если хотите продвигать ИИ, сидя в лаборатории этого не сделать», — сказал Питер Чен, директор и сооснователь Covariant. «Между идеальным и реальным миром существует большой разрыв».

Работник фабрики работает вместе с роботом. Пока что робот только автоматизирует станцию упаковки.

Склады и так уже сильно автоматизированы. На этом складе близ Берлина внутри огороженного забором помещения, превышающего по размеру футбольное поле, другие роботы уже давно используются для снятия крупных коробок с высоких полок.

Однако эта задача для машины относительно лёгкая. Инженеры могут запрограммировать робота на повторяющееся выполнение одного и того же движения. Все коробки одинаковые. Робот может брать их каждый раз совершая одно и то же движение.

Сортировка корзины со случайными предметами – дело другое. Варьируется их форма и поверхности. Какой-то выключатель может лежать лицом вниз, в то время как другой – наоборот. Очередной товар может быть упакован в пластиковый пакет, отражающий свет таким образом, с которым робот раньше не сталкивался. Для этого требовалось участие человека.

Невозможно запрограммировать руку робота на обработку любой ситуации, вписывая в программу множество правил. В компании Knapp Пачвайн с партнёрами много лет пытались создать робота с нужной ловкостью и гибкостью, и потерпели неудачу.

Компания Пачвайна Knapp много лет пыталась изобрести робота-сортировщика

Covariant, работающая с Knapp, создала программу, способную обучаться методом проб и ошибок. Сначала система обучалась при помощи цифровой симуляции задачи – виртуально воссозданной корзины со случайными предметами. Затем, когда Чен с коллегами перенесли программу в робота, он смог подбирать вещи в реальном мире.

Робот способен продолжать обучение во время сортировки невиданных ранее вещей. Робот с немецкого склада способен подбирать и сортировать более 10 000 различных предметов, причём с 99% точностью, как утверждают в Covariant.

И это признак значительных изменений в таких областях, как розничная онлайн-торговля и логистика.

В конце прошлого года международный производитель роботов ABB провёл конкурс. Он пригласил 20 компаний разработать ПО для его роботизированных манипуляторов, способное сортировать случайные предметы, от кубов до пластиковых пакетов, содержащих другие объекты.

Роботы на рельсах ищут необходимый груз, чтобы отправить его на упаковку

Десять компаний были из Европы, а другая половина – из США. Большая часть и близко не справилась с задачей. Некоторые смогли обработать почти все задачи, но не справились с самыми хитрыми примерами. Единственной компанией, которая смогла справиться со всеми задачами так же быстро и эффективно, как люди, стала Covariant.

«Мы пытались найти слабые места, — сказал Марк Сегура, управляющий директор подразделения обслуживающих роботов в ABB. – Достичь определённого уровня в этих тестах довольно легко, однако очень сложно не продемонстрировать ни одного слабого места».

Knapp, помогавшая внедрять систему недалеко от Берлина, и ABB, считают, что эту технологию можно будет использовать на других похожих складах.

Инженеры из Covariant считают, что их роботы, постоянно практикуясь, будут всё лучше справляться с задачами. Пока робот на одном из складов обучается более удобным способам поднимать определённые предметы, эта информация поступает в центральный мозг, управляемый Covariant, и это позволит машинам работать ещё лучше.

Дёрк Жандура, управляющий директор Obeta, сказал, что подобные компании очень активно стремятся повышать эффективность. Автоматизация – ключ к уменьшению трат.

Как и у многих операторов складов, у Obeta были проблемы с поиском работников, желающих заниматься монотонной работой. Каждый сортировщик обрабатывает порядка 170 заказов в час, примерно по три в минуту, по восемь часов в день. Летом температура на складе превышает 38 градусов. Сложно удерживать работников дольше шести месяцев.

Для Obeta новый робот станет идеальным решением. Работу трёх людей выполняет один робот, не знающий усталости.

«Он не ходит курить, всегда здоров, не болтает с соседями, не делает перерывы на туалет, — сказал Жандура. – Он более эффективный».

Knapp также рассматривает проекты складов, где вместо людей работают роботы, что позволит плотнее расставлять упаковки, которые затем будут подбирать роботы.

«Новые склады будут строить с прицелом на ИИ-роботов, а не людей», — сказал Пачвайн.

Knapp планирует сделать так, чтобы компаниям было сложно отказаться от замены людей роботами. Пачвайн сказал, что будут брать с компаний сумму, которая всегда будет меньше, чем зарплата рабочего. Если компания платила рабочему по $40 000 в год, то Knapp будет брать по $30 000, сказал он.

«Мы просто пойдём на понижение, — сказал он. – Такая у нас бизнес-модель. И клиенту будет нетрудно принять решение».

Питер Чен и Питер Аббил, основатели Covariant.AI

Бет Гутелиус, первый помощник директора Центра городского экономического развития при Иллинойском университете в Чикаго, изучавшая влияние автоматизации на работу, сказала, что подобная технология вряд ли вызовет изменения на рынке труда в ближайшее время.

Она сказал, что более серьёзной проблемой будет то, что когда люди начнут работать совместно с роботами, их будут судит по-другому. «После того, как мы начнём сравнивать скорость и эффективность людей с роботами, появится целый новый набор проблем со здоровьем и безопасностью», — сказала она.

Питер Аббил, профессор из Беркли и сооснователь, президент и главный учёный Covariant, сказал, что люди будут и дальше работать совместно с машинами на подобных складах. Однако он признал, что рынок труда значительно сдвинется с улучшением машинного обучения.

Загрузка фур на складе Obeta в Германии

«Если это произойдёт через 50 лет, то у системы образования будет полно времени, чтобы подтянуться до состояния рынка труда», — сказал он.

На немецком складе женщина в мешковатой футболке прилежно сортирует товары в коробках, изредка поглядывая на говорящих по-английски посетителей, делающих фотографии робота и восхищающихся его эффективностью.

Инженер из Covariant подошёл к группе, чтобы поделиться информацией о том, как робот за последний час выполнил больше 200 заказов – если бы он был человеком, то получил бы бонус.