أخبار

أطلقت شركة Universal Robots، بالتعاون مع Scale AI، منصة UR AI Trainer، وهي منصة تدريب ثورية تستفيد من ردود الفعل الفيزيائية للقوة وبيانات الحركة الحركية الواقعية لنقل المناورات التعاونية من المسارات المبرمجة مسبقًا إلى إجراءات سلوكية ذاتية التطوير تعتمد على الذكاء الاصطناعي.

لطالما كان نقل الخوارزميات الروبوتية المتقدمة من بيئات البحث المحاكاة إلى واقع أرض المصنع الذي لا يمكن التنبؤ به يمثل عنق الزجاجة الرئيسي لمهندسي التكامل. تعتمد منهجيات التدريب الروبوتي التقليدية بشكل كبير على المحاكاة الاصطناعية أو مجموعات البيانات المرئية منخفضة الدقة، والتي تفشل بشكل أساسي في التقاط المقاومات الميكانيكية الدقيقة، ومعاملات الاحتكاك، والتغذية الراجعة المادية التي تتم مواجهتها أثناء مهام التجميع اليدوي المعقدة. عندما يعتمد النظام الروبوتي حصريًا على الرؤية الآلية، فإنه يظل أعمى عن القوى اللمسية المطلوبة للتعامل مع المواد الدقيقة، وإدارة تفاوت الأجزاء، أو تنفيذ المهام التعاونية بأمان جنبًا إلى جنب مع الفنيين البشريين. يؤدي هذا الانفصال في كثير من الأحيان إلى ضبط يدوي مكثف على خط الإنتاج، مما يزيد من تكاليف النشر ويؤخر وقت الوصول إلى السوق لخلايا التشغيل الآلي المتقدمة. يهدف إدخال UR AI Trainer إلى إزالة هذا الحاجز التشغيلي من خلال تحويل النموذج من التقليد البصري البحت إلى وعي مادي شامل ومتعدد الوسائط.

تم الكشف عن المنصة في مؤتمر NVIDIA GTC الأخير، وتتميز بدمج بنية التحكم في عزم الدوران المباشر (Direct Torque Control) الخاصة بشركة Universal Robots مباشرة في حلقة تدريب التعلم الآلي. بدلاً من مجرد تسجيل الإحداثيات المكانية لشكل المسار الأمثل، يسجل النظام في نفس الوقت ما يشعر به المسار من منظور ميكانيكي. تستخدم عملية التدريب تكوينًا فيزيائيًا من نوع "التابع-القائد" حيث يقوم المشغل البشري بتوجيه روبوت قائد أساسي عبر سلسلة من العمليات اللمسية - مثل الإدخال الدقيق أو التلميع أو القبضة التكيفية. خلال هذا العرض، يلتقط المناور القائد باستمرار قيم عزم الدوران في الوقت الفعلي، ومتجهات القوة الخارجية، وإطارات مرئية متعددة الزوايا. ثم يقوم UR AI Trainer بتجميع هذه القياسات المتعددة الوسائط في مجموعة بيانات موحدة للغاية للرؤية واللغة والحركة (VLA). تسمح مصفوفة البيانات القوية هذه للشبكة العصبية بتصنيع نماذج سلوكية شاملة يمكن نشرها على الفور على أسطول من روبوتات الإنتاج، مما يمنحها القدرة المستقلة على تكييف مخرجات عزم الدوران ديناميكيًا عند مواجهة اختلافات مادية في أرض المصنع.

يغير هذا التحول إلى إطار عمل قائم على VLA بشكل أساسي دور البنية التحتية للحوسبة اللامركزية داخل المصنع. من خلال استخدام بنية "الآلات تدرب الآلات"، يتم تنفيذ أعباء عمل التدريب المعرفي عالية المستوى - مثل حساب مسارات الأدوات المثلى، وموازنة سرعات المفاصل، وصقل سير العمل التكيفي - على أجهزة كمبيوتر مخصصة عالية الأداء للذكاء الاصطناعي بدلاً من إجهاد وحدات التحكم الأصلية المضمنة داخل الأذرع المادية. تسمح هذه الطوبولوجيا الحسابية الموزعة لذراع الروبوت بالبقاء منفذًا فعالًا وحتميًا للمسارات في الوقت الفعلي أثناء تنفيذ تعديلات ذكية بناءً على اختلافات القوة الموضعية. نظرًا لأن نماذج التعلم الآلي الأساسية تظل مقيدة بقيود أمان صارمة ومحددة مسبقًا مبرمجة على مستوى البرامج الثابتة، يمكن للمرافق نشر هذه الخلايا الروبوتية ذاتية التحسين في مساحات العمل المشتركة بين البشر والآلات دون انتهاك معايير السلامة الصناعية الصارمة.

بالنسبة لفرق المشتريات المؤسسية ومُدمجي الأنظمة الذين يديرون مرافق واسعة متعددة المواقع، توفر منصة التدريب هذه آلية قابلة للتوسع بدرجة كبيرة لتوحيد سلوك الآلة. من خلال إقران مجموعات البيانات اللمسية التي تم إنشاؤها عبر UR AI Trainer مع برامج التحليلات التنبؤية المتقدمة، يمكن لمجموعات الصيانة تتبع التحولات الدقيقة في انحرافات عزم الدوران بمرور الوقت، وتحويل بيانات القياس التدريبية الخام إلى مؤشرات صحية قابلة للتنفيذ لمراقبة التآكل التنبؤي. مع تقصير دورات حياة المنتج وإملاء التصنيع عالي التنوع ومنخفض الحجم لعمليات تغيير الخط المستمرة، فإن القدرة على تدريب روبوت رئيسي بسرعة من خلال العرض المادي ونشر تلك السلوكيات اللمسية المعقدة على الفور عبر شبكة عالمية من المناورات التعاونية تضمن أن تظل خطوط الإنتاج الآلية مرنة وقابلة للتكيف بدرجة كبيرة ومُقاومة للتقادم بطبيعتها.

كتبها: ماركوس فانس، محلل أنظمة صناعية أول يتمتع بخبرة تزيد عن 15 عامًا متخصصًا في نشر حركات الكينماتيكا التعاونية المتقدمة، وحلقات التحكم في عزم الدوران الحتمية، وأطر عمل تنسيق بيانات الذكاء الاصطناعي الطرفية لشبكات التصنيع العالمية بين الشركات.