V skladišču je lahko že en napačno zložen karton dovolj, da paleta med prevozom postane nestabilna, da se podaljša nakladanje ali da trgovina dobi napačno razmerje izdelkov. Prav ta na videz rutinski, a operativno zahteven problem želi avtomatizirati Maven Robotics, zagonsko podjetje, ki je po dveh letih prikritega delovanja zbralo 100 milijonov dolarjev financiranja.
Podjetje razvija mobilne robotske sisteme za logistiko, osredotočene na tako imenovano mešano paletiranje. To pomeni, da robot iz različnih škatel in izdelkov sestavi novo paleto za posamezno trgovino oziroma naročilo. Maven želi s tem nadomestiti del ročnega dela, pri katerem zaposleni v skladišču izbirajo posamezne izdelke, jih prenašajo in zlagajo na palete glede na spreminjajoče se naročilne potrebe.
Financiranje so prispevali RoboStrategy, LocalGlobe, Vine Ventures in XTX Markets Ventures. Maven namerava izdelati 250 robotov tretje generacije ter začeti razvoj četrte generacije svoje robotske platforme.
Ko paleta ni samo kup škatel
Mešano paletiranje je zahtevnejše od ponavljajočega se premikanja enakega izdelka z ene točke na drugo. Distribucijski center lahko prejme palete iz različnih tovarn, nato pa mora za vsako trgovino sestaviti drugačno kombinacijo izdelkov. Ta kombinacija se lahko spremeni že v nekaj dneh ali celo urah, če se spremeni prodajno povpraševanje.
Predstavljajmo si paleto za trgovino, na kateri morajo biti škatle pijač, čistil, prigrizkov in drugih izdelkov različnih velikosti ter mas. Sistem mora določiti, katere škatle pobrati, v kakšnem vrstnem redu jih zlagati in kako jih razporediti, da je paleta stabilna, primerna za transport in skladna z naročilom.
Mavenovi roboti so nameščeni na kolesnih podvozjih, dosegajo hitrost do približno 16 kilometrov na uro in imajo dve robotski roki z nosilnostjo do 30 kilogramov. V prikazanem vadbenem okolju roboti s pomočjo vakuumskih prijemal pobirajo škatle in jih razporejajo na palete.
Podjetje v objavljenih informacijah ne razkriva, katere modele strojnega učenja, algoritme računalniškega vida ali optimizacijske metode uporablja. Jasno pa opisuje podatkovno zanko, značilno za sodobne sisteme fizične umetne inteligence: podatki iz robotov, ki delujejo pri strankah, se vrnejo v razvojni proces v minutah ali urah, sledijo ponovno učenje, vrednotenje, preizkusi posameznih komponent sistema in nova namestitev izboljšanega modela.
Takšen pristop je pomemben zato, ker robot v resničnem skladišču deluje v manj predvidljivem okolju kot v laboratoriju. Škatle so lahko drugače postavljene, embalaža se spreminja, poti zaposlenih in strojev se križajo, delovni tempo pa ni vedno enak. Sistem se mora zato učiti iz dejanskih operativnih podatkov, ne le iz vnaprej pripravljenih simulacij.
Od “risbe robota” do prve stranke
Maven je leta 2024 začel z zelo zgodnjo različico ideje. Izvršni direktor in soustanovitelj Hamza Derbas je za TechCrunch povedal, da so imeli takrat le »risbo robota in skupino ljudi«. Kljub temu so izvedeli, da veliko podjetje s področja potrošniškega blaga išče robotsko rešitev za logistiko in se pogovarja s štirimi uveljavljenimi ponudniki.
Namesto klasične predstavitve tehnologije je Derbas prosil za ogled tovarn in skladišč. Maven je želel najprej razumeti dejanski tok dela, nato pa predlagati avtomatizacijo, povezano s sistemom za upravljanje skladišča in odpremo blaga.
Podjetje je posel dobilo kljub temu, da so imeli konkurenti že razvite robote. Derbas trdi, da ima Maven danes pri tej in drugih strankah do osem robotov, ki delujejo po 16 ur na dan z najmanj 99-odstotno razpoložljivostjo.
Industrijska izvedba pred humanoidno obliko
Maven se razlikuje tudi po svojem stališču do oblike industrijskih robotov. Derbas, ki je pred ustanovitvijo podjetja devet let delal v Applovi skupini za posebne projekte, zagovarja mobilne robote na kolesih namesto humanoidnih robotov z nogami.
Njegova ocena je pragmatična: v skladišču štejejo zanesljivost, varnost, cena in donosnost naložbe. Robot z nogami je lahko uporaben tam, kjer je okolje prilagojeno ljudem, na primer na stopnicah ali v zelo razgibanem prostoru. V standardiziranih skladiščih pa so kolesne platforme praviloma enostavnejše za upravljanje in energetsko učinkovitejše.
Maven se s tem postavlja ob bok podjetjem, ki ne stavijo predvsem na spektakularno humanoidno robotiko, temveč na strogo določene industrijske delovne tokove. Agility Robotics, denimo, cilja na sorodne logistične naloge, vendar uporablja dvonoge robote.
Pot do bolj splošnih robotov vodi skozi posamezne naloge
Podjetje se sicer predstavlja kot razvijalec robotov za širšo uporabo, vendar do tega cilja ne želi priti z enim samim univerzalnim sistemom. Strategija je postopna: najprej paletiranje, nato zahtevnejše ravnanje z materiali, pozneje avtomatizacija in proizvodnja.
Maven za zbiranje podatkov razvija tudi posebne rokavice s prijemali, s katerimi lahko ljudje posnemajo obliko robotskih prijemal. Takšni podatki lahko pomagajo pri učenju robotskih gibov in ravnanja z različnimi predmeti.
Ključno vprašanje bo, ali bo podjetju uspelo zbrati dovolj kakovostnih podatkov iz resničnih skladišč ter sposobnosti robotov razširiti prek paletiranja. Mešano paletiranje je po oceni podjetja trg, vreden okoli 80 milijard dolarjev, vendar bodo naslednje naloge zahtevale manipulacijske sposobnosti, ki po navedbah Maven Robotics še niso v celoti rešene.
Mavenova stava je, da prihodnost industrijske robotike ne bo odvisna le od zmogljivega modela umetne inteligence, temveč od zanesljive povezave med modeli, podatki, strojno opremo in vsakodnevnimi potrebami skladišča. »Ne tekmujemo v razvoju modelov,« je dejal Derbas. »Tekmujemo v reševanju industrijskega dela in v tem, da to delo omogočimo v obsegu, ki ga svet potrebuje.«
