Agility Robotics یک پردیس آموزشی ۶۰,۰۰۰ فوت مربعی در فر remont، کالیفرنیا افتتاح کرد و انتظار دارد سرعت تحویل ربات انسان‌نمای Digit خود به مشتریان صنعتی را افزایش دهد. این سایت که چند مایل با کارخانه Tesla فاصله دارد، فضای اختصاصی برای آموزش وظایف جدید به ربات‌ها در اختیار شرکت قرار می‌دهد؛ آن هم در حالی که شرکت در حال دنبال کردن رویکرد هوش مصنوعی «اول-ایمنی» (safety-first) است که کنترل قطعی (deterministic) را از مدل‌های مولد (generative) جدا می‌کند.

چرا سایت فر remont اهمیت دارد

این اقدام، Agility را در قلب جغرافیایی تلاش‌های رباتیک ایالات متحده قرار می‌دهد، اما اهمیت واقعی آن در مقیاس عملیات نهفته است. یک فضای ۶۰,۰۰۰ فوت مربعی به Digit اجازه می‌دهد تا یک چرخه کامل از حرکات – از جابه‌جایی سبدهای ساده گرفته تا تخلیه کامل تریلرها – را در شرایطی که مشابه انبارهای واقعی است، تمرین کند. با استقرار این پردیس، Agility می‌تواند از آزمایش‌های میدانی موردی به یک رژیم آموزشی تکرارپذیر و با بازدهی بالا تغییر وضعیت دهد؛ گامی که می‌تواند زمان بین یک به‌روزرسانی نرم‌افزاری جدید و اولین روز حضور ربات در محیط کارخانه را کاهش دهد.

از نمونه اولیه تا درآمد

Digit در حال حاضر برای تعدادی از مشتریان بزرگ در حال فعالیت است – از جمله Amazon، شرکت لجستیک GXO، سازنده قطعات Schaeffler و Toyota Motor Manufacturing Canada. این استقرارها ۳۰۰ میلیون دلار سفارش قراردادی ایجاد کرده‌اند، رقمی که نشان‌دهنده تقاضای واقعی برای نیروی کار انسان‌نما در بخش لجستیک و تولید است. برخلاف بسیاری از استارتاپ‌هایی که هنوز در حال کار روی واحدهای اثبات مفهوم (proof-of-concept) هستند، Agility با رباتی که می‌تواند راه برود، از پله‌ها بالا برود و اشیایی به اندازه یک جعبه معمولی را جابه‌جا کند، در حال حرکت در مسیر پول و ایجاد شغل است.

یک استراتژی هوش مصنوعی ترکیبی

هیاهوی امروز صنعت حول محور مدل‌های زبانی بزرگ و شبکه‌های عصبی مبتنی بر ترنسفورمر می‌چرخد، اما Damion Shelton، از بنیان‌گذاران Agility، مرزی میان این سیستم‌های «مولد» و کنترل‌کننده‌های قطعی که ایمنی ربات را حفظ می‌کنند، قائل می‌شود. او لایه ایمنی ربات را به سیستم ترمز ضد قفل تشبیه می‌کند: ربات باید همیشه قابل پیش‌بینی رفتار کند، صرف‌نظر از هوس‌های یک هوش مصنوعی که می‌تواند اقدامات جدیدی ایجاد کند.

در عین حال، Agility هوش مصنوعی مولد را به‌طور کامل رد نمی‌کند. این شرکت قصد دارد از آن به عنوان یک «شتاب‌دهنده برنامه‌نویسی» استفاده کند که به مهندسان اجازه می‌دهد یک وظیفه را با عبارات سطح بالا توصیف کنند و اجازه دهند مدل، توالی حرکات را پیشنهاد دهد. این کار می‌تواند جایگزین روش فعلی یعنی کدنویسی دستی هر حرکت شود؛ گلوگاهی که در غیر این صورت مستلزم هزاران مهندس برای همگام شدن با موارد استفاده جدید بود.

مقیاس‌پذیری از طریق کاربرد صنعتی

نقشه راه Agility عامدانه صنعتی طراحی شده است. پردیس فر remont به عنوان یک محیط آزمایشی (sandbox) عمل خواهد کرد که در آن Digit با قد شش فوت، پیش از ارسال به خط تولید مشتری، در راهروهای شبیه‌سازی شده آموزش می‌بیند. نسل بعدی سخت‌افزار که «Version 5» نامیده می‌شود، برای عرضه در پاییز امسال برنامه‌ریزی شده و قابلیت‌های پیشرفته حسگری انسان را اضافه خواهد کرد. این حسگرها باید به ربات اجازه دهند تا به جای محدود شدن به مناطق ایزوله رباتیک، در کنار انسان‌ها کار کند.

رویکرد تدریجی این شرکت با ساده‌ترین حرکات – جابه‌جایی سطل‌ها و سبدها – شروع می‌شود، سپس برداشتن و بسته‌بندی (kitting) را اضافه می‌کند و در نهایت با مواد دشوارتر مانند مقوا و بارهای کامل تریلر مقابله می‌کند. Agility امیدوار است با تسلط بر هر مرحله، سهمی از بازار تریلیون دلاری لجستیک را به دست آورد و ثابت کند که یک پلتفرم انسان‌نما می‌تواند یک نیروی کار اصلی باشد، نه صرفاً یک وسیله نوظهور و عجیب.

چه مشکلاتی ممکن است پیش بیاید

منتقدان هشدار می‌دهند که ترکیب هوش مصنوعی مولد با کنترل‌های حیاتیِ ایمنی، خطرناک است. اگر یک مدل زبانی حرکتی را پیشنهاد دهد که لایه ایمنی قطعی آن را به‌طور کامل پیش‌بینی نکرده باشد، ربات ممکن است در یک انبار شلوغ، رفتاری غیرقابل پیش‌بینی داشته باشد. جداسازی این دو لایه توسط Shelton با هدف کاهش این ریسک انجام شده است، اما اثبات آن در استقرارهای واقعی خواهد بود، جایی که موارد استثنایی (edge cases) فراوان هستند.

نگرانی دیگر، تمرکز بر وظایف صنعتی با ارزش بالا به قیمت نادیده گرفتن بازار مصرف‌کننده است. در حالی که بخش لجستیک قراردادهای بزرگی را ارائه می‌دهد، اما در عین حال مستلزم زمان فعالیت (uptime) دقیق و یکپارچگی با سیستم‌های مدیریت انبار موجود است. اگر Agility نتواند این نیازهای یکپارچگی را برآورده کند، جریان ۳۰۰ میلیون دلاری سفارش‌ها ممکن است متوقف شود.

چه مواردی را باید زیر نظر داشت

  • عرضه Version 5: مجموعه حسگری انسان در آن، اولین آزمایش واقعی ادعای هوش مصنوعی «اول-ایمنی» Agility در محیط‌های ترکیبی با حضور انسان خواهد بود.
  • زمان‌بندی ادغام معکوس: شرکت انتظار دارد اواخر امسال عمومی شود؛ اقدامی که می‌تواند سرمایه مورد نیاز برای مقیاس‌پذیری سریع را فراهم کند، اما آن را در معرض نظارت دقیق بازار نیز قرار دهد.
  • شاخص‌های پذیرش: نرخ اضافه شدن واحدهای Digit توسط مشتریان جدید و سرعتی که پردیس فر remont می‌تواند پروفایل‌های وظیفه جدید را تأیید کند، نشان خواهد داد که آیا مدل آموزشی واقعاً سرعت استقرار را افزایش می‌دهد یا خیر.

خلاصه کلام

Agility Robotics روی این موضوع حساب باز کرده است که یک پردیس آموزشی اختصاصی، یک پشته هوش مصنوعی ترکیبی (hybrid AI stack) و تمرکز بر کاربردهای صنعتی، ربات Digit این شرکت را از یک مورد کنجکاوی‌آمیز آزمایشگاهی به یک دارایی درآمدزا تبدیل خواهد کرد. چند ماه آینده — به‌ویژه رونمایی از نسخه ۵ و ورود شرکت به بازارهای عمومی — مشخص خواهد کرد که آیا این شرط‌بندی نتیجه خواهد داد یا خیر.