Industriāls UR10 manipulators veic jauktu produktu komplektēšanas uzdevumu – paņem krāsainas pudeles no konveijera un saliek tās paplātē kopā ar zīmolu iepakotām precēm uz ratiņiem. Izveidots no viena dabīgās valodas teikuma. Industriāls savākšanas un novietošanas uzdevums, kas tiek automātiski izveidots no īsa dabīgās valodas apraksta un validēts simulācijā pirms ieviešanas ražošanas robotā.
Vērtības piedāvājums
MI vadīta robotikas uzdevumu konfigurēšana ir mākslīgā intelekta vadīta programmēšanas vide industriālo robotu integratoriem un mazu partiju ražotājiem, kas īsu dabīgās valodas savākšanas un novietošanas uzdevuma aprakstu pārvērš par pilnībā testētu un izvietošanai gatavu robota vadības programmu. Apvienojot mūsdienīgus mākslīgā intelekta kodēšanas aģentus ar robotikas ietvaru un automatizētu simulācijā balstītu verifikāciju, sistēma samazina laiku, kas nepieciešams jauna robota uzdevuma konfigurēšanai, no inženieru darba dienām vai nedēļām līdz mazāk nekā divām stundām dabīgās valodas mijiedarbības – parasti vairāk nekā par lieluma kārtu ātrāk – un vienlaikus ražo kodu, kas darbojas paredzami un bezsaistē uz ražošanas robota, bez izpildes laika atkarības no mākoņa MI pakalpojumiem.
Biznesa un inovācijas perspektīva
Izaicinājums
Industriālie robotmanipulatori lieliski tiek galā ar atkārtotiem, precīzi sarakstītiem uzdevumiem, taču mūsdienu Industrijas 5.0 vidē – mazu partiju un augstas variācijas ražošanā, biežās produktu izmaiņās, individuālā komplektēšanā, elastīgās ražošanas līnijās – sašaurinājums vairs nav pats robots, bet izmaksas un laiks, kas nepieciešams tā pārprogrammēšanai katram jaunam uzdevumam. Robota pārprogrammēšana jaunam savākšanas un novietošanas uzdevuma variantam (atšķirīgi objekti, izkārtojumi, šķirošanas noteikumi, konteineru veidi) parasti aizņem robotikas inženierim dienas vai nedēļas un ir nopietns šķērslis MVU, kas nevar atļauties pastāvīgu robotikas integrācijas komandu. Plaisa starp to, kā ražošanas inženieris dabiski aprakstītu uzdevumu, un precīzo specifikāciju, ģeometriju, kustību sekvencēšanu un veiksmes kritēriju kodēšanu, kas nepieciešama, lai uzdevums uzticami darbotos, ir galvenais izmaksu virzītājspēks elastīgā robotikas automatizācijā.
Esošās alternatīvas
Pašreizējām nozares pieejām katrai ir būtiski trūkumi. Robotikas inženiera manuāla kodēšana ir precīza, taču lēna, dārga un atkarīga no nepieejamām zināšanām. Programmēšana ar mācīšanas pulti un demonstrēšana ar manuālu vadīšanu darbojas ļoti vienkāršiem, fiksētas ģeometrijas uzdevumiem, taču neģeneralizējas uz nejaušinātiem sākuma apstākļiem, jauktiem objektu tipiem vai uz atribūtiem balstītu šķirošanu. Ražotāja specifiski grafiskie uzdevumu redaktori piesaista klientu vienam robotu zīmolam un joprojām prasa katra uzdevuma varianta manuālu izstrādi. Pilnībā imitatīvā vai pastiprināšanas mācīšanās ir daudzsološa pētniecībā, taču katram uzdevumam vajag lielu apmācības datu apjomu un rada necaurspīdīgas vadības politikas, kuras grūti sertificēt rūpnieciskajai kvalitātes kontrolei. Robota tieša vadīšana reāllaikā no mākoņa LLM nodod ražošanas līniju ārēja pakalpojuma žēlastībā un nesniedz nekādas kompilēšanas laika garantijas par ģenerēto uzvedību.
EDI risinājums un unikāla vērtība
EDI tehnoloģija “MI vadīta robotikas uzdevumu konfigurēšana rada” autonomu, bezsaistē izpildāmu robota vadības kodu, nevis atkarību no aktīva MI pakalpojuma. Lietotājs – tostarp lietotājs, kurš nav programmētājs, – apraksta uzdevumu vienā vai divos dabīgās valodas teikumos. MI kodēšanas aģents, kas darbojas EDI izstrādātā robotikas ietvarā, izveido simulācijas konfigurāciju, robota vadības programmu un automātiskās veiksmes pārbaudes. Pēc tam sistēma pārbauda ģenerēto kodu trīs simulācijas pakāpēs – ātra bezsaistes pārbaude, ātra vizuāla priekšskatīšana un pilna fizikas simulācija NVIDIA Isaac Sim – automātiski konstatē kļūmes un iteratīvi labo kodu, līdz tas iztur nejaušinātus stabilitātes testus ar vairākiem sākuma stāvokļiem.
Četri atšķirīgu ģenerētu savākšanas un novietošanas uzdevumu piemēri: zīmolu produktu un krāsainu komponentu komplektēšana paplātē, pudeļu sakārtošana rindā uz ratiņiem, jaukta pudeļu un iepakotu preču komplektēšana, un zupas konservu iesaiņošana koka kastēs – katrs izveidots no īsa dabīgās valodas apraksta.
Augoša ģenerētu uzdevumu bibliotēka: komplektēšana, sakārtošana rindā, jaukto produktu iepakošana, ievietošana konteineros. Pievienojot vairāk uzdevumu, jaunus variantus var iegūt, kombinējot pārbaudītus paraugus, nevis sākot no nulles, – padarot sistēmu pakāpeniski efektīvāku.
Unikālā kombinācija, kas ietver (a) jomas specializētu robotikas ietvaru ar atkārtoti izmantojamiem celtniecības elementiem, (b) automatizētu veiksmes pārbaudi, kas noslēdz aģenta atkļūdošanas cilpu, un (c) ātru bezsaistes verifikācijas slāni, kas darbojas mazāk nekā vienas sekundes laikā, ļauj tehnoloģijai vienlaikus nodrošināt lietojamību bez ekspertu zināšanām, ātru izpildes laiku, mērāmu uzticamību un bezsaistes izvietojamību – neviena no esošajām alternatīvām nesniedz visus četrus.
Kvantitatīvie uzlabojumi, kas izmērīti uz 20 ģenerētu savākšanas un novietošanas uzdevumu kopuma ar pieaugošu sarežģītību:
| Parametrs | Nozares atskaites punkts / alternatīva | EDI MI vadīta robotikas uzdevumu konfigurēšana |
| Laiks jauna savākšanas un novietošanas uzdevuma varianta sagatavošanai | Dienas līdz nedēļas (eksperts inženieris) | < 2 stundas dabīgās valodas mijiedarbības |
| Nepieciešamā lietotāja kompetence | Robotikas / vadības inženieris | Ražošanas inženieris bez robotikas programmēšanas zināšanām |
| Bezsaistes testa veiksmes līmenis (200 nejaušināti palaišanas, 20 uzdevumi) | Nav – alternatīvām trūkst automatizētas verifikācijas | 100% |
| Ātrās validācijas veiksmes līmenis (100 simulācijas palaišanas) | Nav | 97% |
| Pilnas fizikas simulācijas veiksmes līmenis (60 palaišanas) | Nav | 80% (bez kustību plānošanas paplašinājuma) |
| Izpildes laika atkarība no ārējā MI pakalpojuma | nav (manuāls kods) / nepieciešama (tiešsaistes LLM) | Nav – ģenerētais kods darbojas pilnībā bezsaistē |
| Iepriekš ieviesto uzdevumu atkārtota izmantošana jauniem variantiem | Manuāla kopēšana-ielīmēšana, pakļauta kļūdām | Automātiska – aģents pārkombinē esošos paraugus |
Tehnoloģijas gatavības līmenis (TRL)
TRL 4-5 – tehnoloģija validēta atbilstošā simulētā industriālā vidē (NVIDIA Isaac Sim, simulēts UR10 industriālais robotmanipulators), ar statistiski pamatotiem veiksmes rādītājiem 20 reprezentatīviem savākšanas un novietošanas uzdevumiem četrās sarežģītības kategorijās.
Izstrādāts projekta AIMS5.0 (Advancing Integrated Manufacturing Systems (Industry 5.0)) ietvaros, kuru atbalsta Chips Joint Undertaking un tā dalībnieki, ar iesaistīto valstu nacionālo finansēšanas iestāžu papildu finansējumu. Granta līguma Nr. 101112089.
Tehniskā specifika
Darbības princips
Augsta līmeņa arhitektūra: īsu dabīgās valodas aprakstu MI kodēšanas aģents, kurš izmanto strukturētu uzdevumu ietvaru, pārvērš par validētu robota vadības kodu. Ģenerētās programmas tiek automātiski testētas simulācijā, un par jebkurām kļūmēm aģents tiek informēts pašlabošanai.
Sistēmas augsta līmeņa arhitektūra.
Lietotājs ievada īsu uzdevuma aprakstu dabīgā valodā. MI kodēšanas aģents, kas darbojas EDI izstrādātā robotikas ietvarā, izveido atbilstošo simulācijas iestatījumu, robota vadības programmu un automātiskās pārbaudes, kas apstiprina, ka uzdevums tiek izpildīts pareizi. Ģenerētā programma vispirms tiek validēta ātrā bezsaistes režīmā, pēc tam ātrā vizuālajā priekšskatījumā un visbeidzot pilnā fizikas simulācijā NVIDIA Isaac Sim, atkārtojot katru uzdevumu ar vairākiem nejaušinātiem sākuma apstākļiem, lai apstiprinātu stabilitāti. Ja pārbaude neizdodas, diagnostikas izvade tiek nodota aģentam, kas iteratīvi pilnveido kodu, līdz uzdevums veiksmīgi izpildās bez tālākas lietotāja iejaukšanās. Iegūtā programma ir autonoma un darbojas bezsaistē uz ražošanas robota kontroliera.
Empīriskā validācija uz 20 ģenerētu savākšanas un novietošanas uzdevumu kopuma četrās sarežģītības kategorijās – pamata secīga savākšana un novietošana, uz atribūtiem balstīta maršrutēšana, šķirošana ar kraušanu un sarežģīti vairāku iezīmju scenāriji – uzrādīja 100 % veiksmes līmeni bezsaistes testēšanā, 97 % ātrajā vizuālajā priekšskatījumā un 80 % pilnā fizikas simulācijā. Atlikušās pilnas fizikas kļūmes ir saistītas ar to, ka pašlaik nav iekļauta ar sadursmēm rēķinošās kustību plānošana – tas ir attīstības ceļvedī.
Parametri
| Parametrs | Vērtība / Apraksts |
| Ievades modalitāte | Dabīgās valodas teksts (angļu valodā), brīvā formā, parasti 1-3 teikumi |
| Atbalstīta uzdevumu klase (pašlaik) | Industriāla savākšana un novietošana ar atribūtu maršrutēšanu, šķirošanu, kraušanu, konteineriem |
| Robota platforma (validēta) | Universal Robots UR10 (6 brīvības pakāpju manipulators), simulēts NVIDIA Isaac Sim |
| Simulācijas dzinējs | NVIDIA Isaac Sim 5.1, GPU paātrināta fizika |
| Verifikācijas pakāpes | Bezsaistes tests (CPU, < 1 s/palaišana); ātra vizuāla priekšskatīšana (~sekundes/palaišana); pilna fizika (minūtes) |
| Uzdevuma sagatavošanas laiks (vienam jaunam variantam) | Parasti < 2 stundas dabīgās valodas mijiedarbības, no sākuma līdz galam |
| Izpildes laika atkarība no MI ieviešanā | Nav – ģenerētais kods ir autonoms un darbojas bezsaistē uz ražošanas robota kontroliera |
| Operētājsistēma | Linux (validēts Ubuntu 22.04), x86-64 ar NVIDIA GPU |
| Saskarnes | Python API ietvaram; ROS saderīga ģenerēto vadības programmu izvietošana |
Sadarbības veidi
Mēs redzam trīs tehnoloģijas pārneses ceļus partneriem:
- Licencēšana – neekskluzīva vai ekskluzīva licence izmantot EDI uzdevumu ietvaru un verifikācijas slāni partnera produktos vai iekšējās robotikas integrācijas darbplūsmās, ieskaitot tiesības paplašināt un pielāgot ietvaru partnera robota platformai un uzdevumu jomai.
- Līgumpētniecība / kopīga izstrāde – tehnoloģijas pielāgošana partnera konkrētajam robota modelim, gala efektoram, sensoru kopumam, mākslīgu objektu (asset) bibliotēkai un uzdevumu saimei; integrācija ar partnera MES/ERP un kvalitātes nodrošināšanas plūsmām; paplašināšana uz papildu uzdevumu klasēm (piem., montāža, komplektēšana, mašīnu apkalpošana) un papildu industriālo robotu ražotājiem.
- Atsavināšana – pamatā esošā intelektuālā īpašuma (zinātības) tieša pārdošana stratēģiskajam partnerim saskaņā ar atsevišķi noslēgtu līgumu.
EDI ir atvērts iepriekš minēto kombinēšanai (piem., līgumpētniecības iesaistei, kam seko licencēšana) un ir gatavs sākotnējām sarunām ar sistēmu integratoriem, robotu OEM ražotājiem un galalietotājiem mazsērijas un augstas variācijas ražošanā.
Finansēts AIMS5.0 projekta ietvaros (Chips JU, granta līgums Nr. 101112089).
