La IA está preparada para automatizar las tareas manuales más mundanas del almacén actual
Después de mucho ensayo y error, los fundadores de Jacobi, entre ellos el experto en robótica Ken Goldberg, dicen que lo han logrado. Su software, basado en la investigación de un papel ellos publicaron en Robótica científica En 2020, está diseñado para trabajar con los cuatro principales fabricantes de brazos robóticos para paletización. Utiliza el aprendizaje profundo para generar un “primer borrador” de cómo un brazo podría mover un artículo sobre el palé. Luego, utiliza métodos robóticos más tradicionales, como la optimización, para verificar si el movimiento se puede realizar de forma segura y sin fallas.
Jacobi pretende reemplazar los métodos tradicionales que los clientes utilizan actualmente para entrenar a sus robots. En el enfoque convencional, los robots se programan utilizando herramientas llamadas “pendientes de enseñanza” y los clientes generalmente tienen que guiar manualmente al robot para demostrar cómo recoger cada caja individual y colocarla en el palé. Todo el proceso de codificación puede llevar meses. Jacobi dice que su solución impulsada por IA promete reducir ese tiempo a un día y puede calcular movimientos en menos de un milisegundo. La empresa dice que planea lanzar su producto a finales de este mes.
Se están invirtiendo miles de millones de dólares en robótica impulsada por IA, pero la mayor parte del entusiasmo se centra en los robots de próxima generación que prometen ser capaces de realizar muchas tareas diferentes, como el humanoide. robot
De hecho, la ronda de financiación inicial de Jacobi es trivial en comparación: 5 millones de dólares liderados por Moxxie Ventures. Pero en medio de la expectación en torno a los prometidos avances en robótica que podrían tardar años en materializarse, la paletización podría ser el problema de almacenamiento que la IA está mejor preparada para resolver a corto plazo.
“Tenemos un enfoque muy pragmático”, afirma Max Cao, cofundador y director ejecutivo de Jacobi. “Estas tareas están a nuestro alcance y podemos lograr una gran adopción en un plazo breve, a diferencia de algunas de las grandes empresas que existen”.
El software de Jacobi incluye un estudio virtual donde los clientes pueden construir réplicas de sus configuraciones, capturando factores como qué modelos de robot tienen, qué tipos de cajas saldrán de la cinta transportadora y en qué dirección deben estar orientadas las etiquetas. Un almacén que transporte artículos deportivos, por ejemplo, podría usar el programa para determinar la mejor manera de apilar un palé mixto de pelotas de tenis, raquetas y ropa. Luego, los algoritmos de Jacobi planificarán automáticamente los muchos movimientos que debe realizar el brazo robótico para apilar el palé, y las instrucciones se transmitirán al robot.
ROBÓTICA JACOBI
El enfoque combina los beneficios de la computación rápida proporcionada por la IA con la precisión de las técnicas robóticas más tradicionales, dice Dmitry Berenson, profesor de robótica en la Universidad de Michigan, que no está involucrado con la empresa.
“Están haciendo algo muy razonable”, dice. Muchas investigaciones modernas en robótica apuestan fuerte por la IA, con la esperanza de que el aprendizaje profundo pueda aumentar o reemplazar el entrenamiento manual haciendo que el robot aprenda de ejemplos pasados de un movimiento o tarea determinados. Pero al asegurarse de que las predicciones generadas por el aprendizaje profundo se cotejen con los resultados de métodos más tradicionales, Jacobi está desarrollando algoritmos de planificación que probablemente sean menos propensos a errores, dice Berenson.
La velocidad de planificación que podría resultar “está llevando esto a una nueva categoría”, agrega. “Ni siquiera notarás el tiempo que lleva calcular un movimiento. Eso es realmente importante en el entorno industrial, donde cada pausa significa demoras”.