أخبار

تحدي الانتقال من المختبر إلى المصنع

في حين أن إنجازات الروبوتات متكررة في بيئات البحث، يتطلب النشر التجاري التغلب على التباين المتأصل في العالم الحقيقي. غالبًا ما تفشل النماذج التقليدية عند مواجهة الطبيعة غير المنظمة لنظام تنفيذ التصنيع الفعال.

يحدد أنتوني فيترو العقبة الأساسية بأنها "عدم القدرة على التنبؤ بالبيئات الصناعية". فالروبوتات التي تتفوق في البيئات الخاضعة للرقابة غالبًا ما تعاني من الفروق الدقيقة للتفاعل البشري والتباين المادي. لحل هذه المشكلة، تدعم MERL التحول نحو أنظمة تعكس فيزياء البيئة الفعلية، مما يضمن بقاء معالجة الروبوتات موثوقة حتى عند مواجهة ملاحظات حسية تنحرف عن بيانات التدريب.

تطور الذكاء الاصطناعي المادي والقدرة التنبؤية

يتجه القطاع نحو معيار جديد يُعرف باسم الذكاء الاصطناعي المادي. ويتضمن ذلك إنشاء أنظمة لا تكتفي "بالرؤية" عبر رؤية الكمبيوتر، بل "تَفهم" القوانين الفيزيائية التي تحكم محيطها.

تشمل ركائز التنمية الرئيسية ما يلي:

• الاستشعار التنبؤي: تمكين الروبوتات من توقع حركة العمال البشريين والأجسام المتحركة، وهو أمر أساسي للسلامة المهنية في مساحات العمل المشتركة.

• التحكم في القوة اللمسية: الاقتراب من مستوى البراعة البشرية في المهام التي تتضمن احتكاكًا كبيرًا، وهو أمر ضروري للتجميع الدقيق ومناولة المواد المعقدة.

• التكيف الديناميكي: استخدام نماذج تستند إلى الديناميكيات الفيزيائية لإدارة عدم اليقين الذي يميز المصنع الذكي الحديث.

أحد التطبيقات الأكثر فورية للذكاء الاصطناعي المادي هو في إدارة الطاقة. ففي مراكز البيانات، على سبيل المثال، تنظم هذه الأنظمة ديناميكيًا تدفق الهواء والتبريد بناءً على الفيزياء الحرارية في الوقت الفعلي، مما يقلل بشكل كبير من النفقات التشغيلية (OPEX) مع تمكين الصيانة الاستباقية.

توسيع نطاق النشر من خلال ابتكار التدريب

تاريخياً، كان برمجة الروبوت لمهمة جديدة عملية كثيفة العمالة وتتطلب الكثير من البيانات. تعمل MERL على كسر هذا الحاجز الاقتصادي من خلال الواقع المعزز (AR) والواجهات السمعية والبصرية.

من خلال السماح للمشغلين بتوجيه الروبوتات مباشرة ضمن سياق بيئة عملهم، تقلل هذه التقنيات من حاجز الدخول للمؤسسات الصغيرة والمتوسطة (SMEs) وتسمح بإعادة تكوين خطوط الإنتاج بسرعة. هذا التسهيل للتدريب يجعل الأنظمة الروبوتية أكثر قابلية للتوسع، مبتعدة عن الكود الجامد نحو أسلوب تعلم أكثر طبيعية يعتمد على العرض العملي.

المعالم المستقبلية للاستقلالية واسعة النطاق

يبقى الهدف الأسمى تحقيق استقلالية كاملة وآمنة في البيئات غير المنظمة. بالنسبة لفترو والفريق في MERL، ستكون الإشارة إلى أن الصناعة قد وصلت إلى هذا الإنجاز هي الأداء المتسق عبر البيئات الجديدة. عندما يتمكن الروبوت من دخول منشأة جديدة، والاستجابة لعدم اليقين في الوقت الفعلي، والتعاون بأمان مع القوى العاملة البشرية دون إعادة معايرة مكثفة، ستكتمل عملية الانتقال من "الآلة المعزولة" إلى "الشريك المتكامل".

بقلم: سيلاس دبليو ثورن

سيلاس دبليو ثورن هو مهندس معماري تقني وخبير استشاري متمرس يتمتع بخبرة تزيد عن 14 عامًا في دمج الأنظمة الميكاترونيكية المعقدة لقطاعي الطيران والطاقة. بعد أن قاد العديد من مبادرات "المصنع المظلم" في أمريكا الشمالية، يتخصص سيلاس في نشر التحكم الدقيق في الحركة وتزامن وحدات التحكم المنطقية القابلة للبرمجة (PLCs) عبر الأنظمة الأساسية. وهو مرجع معترف به في التطبيق العملي للحوسبة الحافية في الشبكات الصناعية واسعة النطاق.