Выход из стелс-режима софтверной ИИ-платформы для прямого обучения андроидов рабочими на заводах анонсировал стартап Reimagine Robotics

Источник: The Robot Report

Выход из стелс-режима и официальный анонс специализированной аппаратно-программной платформы интерактивного обучения промышленных андроидов непосредственно на рабочих местах провел англо-австралийский робототехнический стартап Reimagine Robotics. Организованная выходцами из исследовательского подразделения Google DeepMind компания разрабатывает гибкую нейросетевую экосистему, позволяющую цеховым операторам и обычным рабочим без навыков программирования обучать роботов новым производственным операциям с помощью ручного показа и визуальной корректировки ошибок в реальном времени.

Основателями стартапа выступили Джонатан Шольц, руководивший группой прикладной робототехники в лондонском офисе DeepMind на протяжении семи лет, а также ведущие исследователи Олег Сушков, Ахил Раджу и Миша Денил. Начальный этап разработки платформы поддержан предсерийным финансированием со стороны венчурных фондов Fly Ventures, firstminute capital и пула частных технологических инвесторов. Главные офисы и тестовые лаборатории компании развернуты в Лондоне и Сиднее.

Технологическая концепция Reimagine Robotics ориентирована на полное устранение главного барьера переналадки робототехники в гибком производстве — необходимости привлекать узкоспециазизированных инженеров-программистов при любом изменении номенклатуры деталей или порядка сборки. ИИ-платформа отслеживает действия цехового мастера, когда тот демонстрирует алгоритм сборки, упаковки или сортировки. Андроид самостоятельно строит первичную кинематическую модель движения, после чего предпринимает пробные попытки выполнения задачи под наблюдением человека.

При возникновении ошибок или проскальзывании предметов оператор указывает на неточность голосовой командой или легким физическим поправлением манипулятора, а алгоритм адаптивного машинного обучения моментально вносит коррективы в нейросетевые веса прошивки. Такой подход сокращает время внедрения нового рабочего сценария с нескольких недель до пары часов.

Разработчики ориентируют свое программное обеспечение на использование в составе универсальных двухногих и колесных антропоморфных платформ, задействованных на предприятиях электроники, автомобилестроения и контрактовой логистики. Отсутствие жесткой привязки к конкретному типу аппаратного обеспечения позволяет B2B-клиентам легко переносить обученные профили навыков между роботами разных брендов.

Команда Reimagine Robotics разворачивает первые пилотные испытания обучаемой платформы на производственных объектах партнерских промышленных компаний в Великобритании и Австралии. В рамках пилотов проверяется стабильность работы алгоритмов в условиях постоянного цехового шума и меняющегося освещения.

Накопленная база пользовательских демонстраций собирается в единую защищенную библиотеку, что позволит предприятиям оперативно тиражировать успешные профили навыков по всей сети производственных филиалов. Интегрированные контуры безопасности автоматически проверяют траектории манипуляторов перед исполнением. Модули калибровки сенсоров предотвращают сбои при физическом контакте с деталями. Система фильтрации оптических шумов повышает точность работы видеокамер при резких перепадах цехового освещения. Дополнительные блоки контроля тока защищают электромоторы от заклинивания при нерасчетном сжатии предметов. Модули распознавания жестов руки оператора ускоряют подачу управляющих сигналов. Облачная система аналитики транслирует показатели производительности в центральный офис. Нейросетевой адаптер сглаживает рывки движений рук при демонстрации навыков. Автоматическая калибровка усилий захвата предохраняет хрупкие компоненты от деформации. Защищенный протокол шифрования предотвращает утечку промышленных алгоритмов сборки. Автоматическая проверка калибровки камер перед началом каждой смены снижает время простоя техники. Встроенные алгоритмы самодиагностики предотвращают износ сервоприводов при многосменных нагрузках. Адаптивные алгоритмы снижают энергопотребление при простое манипуляторов. Система резервного копирования весов нейросети гарантирует быстрое восстановление настроек. Регулярное удаленное обновление компонентов обеспечивает стабильность всей экосистемы.