Los recolectores de almacén robóticos impulsados ​​por IA ahora están listos para ir a trabajar

Los cofundadores de Covariant trabajan en su brazo robótico. Elena Zhúkova

En el verano de 2018, una pequeña empresa emergente de robótica con sede en Berkeley recibió un desafío. Knapp, un importante proveedor de tecnologías de logística de almacenes, buscaba un nuevo brazo robótico impulsado por IA que pudiera recoger tantos tipos de artículos como fuera posible. Así que cada semana, durante ocho semanas, enviaba a la startup una lista de artículos cada vez más difíciles (cajas opacas, cajas transparentes, paquetes de píldoras, calcetines) que cubrían una gama de productos de sus clientes. El equipo de inicio compraría los artículos localmente y luego, dentro de la semana, enviaría un video de su brazo robótico transfiriendo los artículos de un contenedor gris a otro.

Al final del desafío, los ejecutivos de Knapp estaban anonadados. Habían desafiado a muchas empresas emergentes durante seis o siete años sin éxito y esperaban el mismo resultado esta vez. En cambio, en cada video, el brazo robótico de la startup transfirió cada elemento con perfecta precisión y velocidad de producción.

Cada vez, esperábamos que fallaran con el siguiente producto, porque se volvió cada vez más complicado, dice Peter Puchwein, vicepresidente de innovación de Knapp, con sede en Austria. Pero el punto fue que tuvieron éxito, y todo realmente funcionó. Nunca antes habíamos visto esta calidad de IA.

Brazo robótico compatible con Covariant de KNAPP en un entorno de almacén en vivo en Berlín, Alemania. jannis keil

Covariant ahora ha salido del modo sigiloso y anuncia hoy su trabajo con Knapp. Sus algoritmos ya se han implementado en los robots de Knapp en dos de los almacenes de los clientes de Knapp. Uno, operado por el proveedor eléctrico alemán Obeta, ha sido totalmente en producción desde septiembre. Los cofundadores dicen que Covariant también está cerca de cerrar otro trato con un gigante de la robótica industrial.

La noticia significa un cambio en el estado de la robótica impulsada por IA. Dichos sistemas solían estar limitados a entornos académicos altamente restringidos. Pero ahora Covariant dice que su sistema puede generalizarse a la complejidad del mundo real y está listo para conquistar los pisos de los almacenes.

Hay dos categorías de tareas en los almacenes: cosas que requieren piernas, como mover cajas del frente al fondo del espacio, y cosas que requieren manos, como recoger artículos y colocarlos en el lugar correcto. Los robots han estado en los almacenes durante mucho tiempo, pero su éxito se ha limitado principalmente a la automatización del primer tipo de trabajo. Si observa un almacén moderno, la gente rara vez se mueve, dice Peter Chen, cofundador y director ejecutivo de Covariant. Mover cosas entre los puntos fijos es un problema para el que la mecatrónica es realmente genial.

Un brazo robótico en la oficina de Covariant Elena Zhukova

Pero la automatización de los movimientos de las manos requiere algo más que el hardware adecuado. La tecnología debe adaptarse ágilmente a una amplia variedad de formas y tamaños de productos en orientaciones siempre cambiantes. Un brazo robótico tradicional puede programarse para ejecutar los mismos movimientos precisos una y otra vez, pero fallará en el momento en que encuentre alguna desviación. Necesita IA para ver y ajustar, o no tendrá ninguna esperanza de mantenerse al día con su entorno en evolución. Es realmente la parte de la destreza la que requiere inteligencia, dice Chen.

En los últimos años, los laboratorios de investigación han logrado avances increíbles en la combinación de IA y robótica para lograr tal destreza, pero llevarlos al mundo real ha sido una historia completamente diferente. Los laboratorios pueden salirse con la suya con un 60 % o un 70 % de precisión; los robots en producción no pueden. Incluso con una confiabilidad del 90 %, un brazo robótico sería una propuesta que perdería valor, dice Pieter Abbeel, cofundador y científico jefe de Covariant.

Abbeel y Chen estiman que, para recuperar realmente la inversión, un robot debe tener al menos un 99 %, y tal vez incluso un 99,5 %, de precisión. Solo entonces puede operar sin mucha intervención humana o correr el riesgo de ralentizar una línea de producción. Pero no fue hasta el reciente progreso en el aprendizaje profundo, y en particular el aprendizaje por refuerzo, que este nivel de precisión se hizo posible.

La oficina de Covariant está situada no muy lejos del paseo marítimo de la Bahía de San Francisco, en un estacionamiento en ruinas entre una hilera de edificios sin marcar. En el interior, varios robots industriales y co-bots, robots colaborativos diseñados para operar de manera segura con humanos, se entrenan para cada posibilidad de producto.

De manera regular, los miembros del equipo de Covariant van a las tiendas de conveniencia para comprar cualquier cosa que puedan encontrar. Los artículos van desde lociones embotelladas hasta ropa empaquetada y tapas de borrador en cajas transparentes. El equipo busca especialmente cosas que puedan hacer tropezar al robot: superficies metálicas altamente reflectantes, plásticos transparentes y superficies fácilmente deformables como tela y bolsas de papas fritas que se verán diferentes a una cámara cada vez.

Colgando sobre cada robot hay una serie de cámaras que actúan como su par de ojos. Esos datos visuales, junto con los datos del sensor del cuerpo del robot, alimentan el algoritmo que controla sus movimientos. Los robots aprenden principalmente a través de una combinación de técnicas de imitación y refuerzo. El primero involucra a una persona que guía manualmente al robot para recoger diferentes objetos. Luego registra y analiza las secuencias de movimiento para comprender cómo generalizar el comportamiento. Este último implica que el robot realice millones de rondas de prueba y error. Cada vez que el robot alcanza un artículo, lo intenta de una manera ligeramente diferente. Luego registra qué intentos dan como resultado selecciones más rápidas y precisas frente a fallas, para que pueda mejorar continuamente su rendimiento.

Debido a que, en última instancia, es el algoritmo el que aprende, la plataforma de software de Covariant, llamada Covariant Brain, es independiente del hardware. De hecho, la oficina tiene más de una docena de robots de varios modelos y su implementación en vivo con Obeta utiliza el hardware de Knapp.

Régimen de entrenamiento de Covariant.

En el transcurso de una hora, observé a tres robots diferentes recoger magistralmente todo tipo de artículos comprados en la tienda. En segundos, el algoritmo analiza sus posiciones, calcula el ángulo de ataque y la secuencia correcta de movimientos, y extiende el brazo para agarrarlo con una ventosa. Se mueve con certeza y precisión, y cambia su velocidad dependiendo de la delicadeza del artículo. Las píldoras envueltas en papel aluminio, por ejemplo, reciben un tratamiento más suave para evitar deformar el empaque o aplastar el medicamento. En una demostración particularmente impresionante, el robot también invirtió su flujo de aire para soplar una molesta bolsa presionada contra la pared de un contenedor hacia el centro para facilitar el acceso.

Puchwein de Knapp dice que desde que la empresa adoptó la plataforma de Covariant, sus robots han pasado de poder elegir entre el 10 % y el 15 % a alrededor del 95 % de la gama de productos de Obeta. El último 5% consiste en artículos particularmente frágiles como anteojos, que todavía están reservados para un manejo cuidadoso por parte de los humanos. Eso no es un problema, agrega Puchwein. En el futuro, una configuración típica debería ser tal vez tener 10 robots y una estación de recolección manual. Ese es exactamente el plan. A través de la colaboración, Knapp distribuirá sus robots habilitados para Covariant a todos los almacenes de sus clientes en los próximos años.

Si bien es técnicamente impresionante, las estadísticas también plantean preguntas sobre el impacto que tendrán estos robots en la automatización del trabajo. Puchwein admite que anticipa que cientos o miles de robots se harán cargo de tareas tradicionalmente realizadas por humanos en los próximos cinco años. Pero, afirma, la gente ya no quiere hacer el trabajo de todos modos. En Europa, especialmente, las empresas a menudo luchan por encontrar suficientes empleados para dotar de personal a sus almacenes. Esos son exactamente los comentarios de todos nuestros clientes, dice. No encuentran personas, por lo que necesitan más automatización.

Covariant ha recaudado $ 27 millones hasta la fecha, con patrocinadores que incluyen luminarias de IA como los ganadores del Premio Turing Geoffrey Hinton y Yann LeCun. Además de la selección de productos, quiere abarcar eventualmente todos los aspectos del cumplimiento del almacén, desde la descarga de camiones hasta el empaque de cajas y la clasificación de estantes. También prevé expandirse más allá de los almacenes a otras áreas e industrias.

Pero, en última instancia, Abbeel tiene un objetivo aún más elevado: la visión a largo plazo de la empresa es resolver toda la robótica de IA.

esconder