Get best of the week

使用AI对物品进行分类的仓库机器人已准备就绪

伯克利创业公司Covariant走出阴影，并相信他的机器人已准备好进入世界




在2018年夏天，伯克利的一家小型机器人研发公司面临着艰巨的任务。仓库物流技术的主要提供商Knapp一直在寻找一种新型的AI控制的机械臂，该机械臂可以捕获尽可能多的不同类型的物品。该公司每周连续八周发送一份启动清单，清单中涉及公司客户产品范围的产品越来越复杂-不透明的盒子，透明的盒子，药品包装，袜子。这家初创公司购买了此类物品，然后一周后发送了一段视频，其中他们的roboruk将物品从一个灰色的篮子转移到另一个灰色的篮子。

任务结束时，纳普领导层被击败。六到七年来，他们一直没有成功地给许多初创公司提供类似的任务，他们这次也期望失败。但是，相反，在每个视频中，初创公司的机器人助手都以完美的准确性和正确的速度移动了每个项目。

“对于下一个产品，随着任务变得越来越复杂，我们预计会失败，”总部位于奥地利的Knapp的创新副总裁Peter Pachwein说。“但是，事实证明他们很成功，并且一切正常。我们从未见过如此优质的AI工作。”


Covariant现已走出阴影，并宣布与Knapp合作。它的算法已经在两个公司客户仓库中的Knapp机器人中运行。其中之一属于德国电器制造商Obeta，自9月以来，机器人就一直在那里工作。初创公司的联合创始人说，Covariant即将与另一家工业巨头制造机器人达成另一笔交易。

这则新闻象征着AI机器人技术当前状态的变化。这样的系统仅限于人工的学术环境。但是现在Covariant声称其系统可以将工作归纳为与现实世界相关的难题，并且已经准备好进军仓库。

仓库具有两个设备选项的任务-用于使腿到处移动盒子的机器，以及用于用手举起物体并将其放置在正确位置的机器。机器人早已存在于仓库中，但其成功主要受到首选方法的自动化的限制。 “人们很少在现代化的仓库中移动，” Covariant的联合创始人兼董事Peter Chen说。 “固定点之间的事物转移是机电一体化解决得很好的问题。”


Covariant办公室的机械臂

但是，不仅手自动化需要正确的硬件。技术需要以不断变化的方向快速适应各种形状和尺寸的产品。可以对传统的机械手臂进行编程，使其一遍又一遍地执行完全相同的运动，但是一旦遇到偏差，它就会失败。她需要AI来“查看”和调整，否则她将无法应付发展中的环境。 “灵巧是需要智能的，” Chen说。

在过去的几年中，研究实验室在将AI和机器人技术相结合方面取得了空前的成功，获得了类似的灵活性，然而，将这些成就转移到现实世界中则是完全不同的任务。在实验室中，精度为60-70％是允许的；这在生产中还不够。 Covariant联合创始人兼首席科学家彼得·阿比比尔（Peter Abbil）说，即使准确性达到90％，机械臂也将是“价值损失的提议”。

Abbil和Chen估计，为了真正收回投资，机器人必须达到99-99.5％的精度。只有这样，他才能进行工作，而无需频繁的人工干预和降低传送带速度的风险。但是，只有深度学习（尤其是强化学习）方面的最新进展才允许达到这一水平的准确性。


Covariant办公室位于旧金山湾海岸附近，毗邻一排排未标记建筑物之间的破旧停车场。在内部，经过培训可与所有可能的产品一起使用的多个工业机器人和“协作机器人”（协作机器人）旨在与人类一起安全工作。

协变团队成员定期跑到本地商店购买各种随机物品。从瓶子中的乳液到包装好的衣服，再到透明盒子中的橡皮擦，各种各样的东西都有。该团队对可能使机器人感到困惑的事物特别感兴趣：反光的金属表面，透明的塑料，易变形的表面（例如衣服或切屑包），每次在相机上看起来都会有所不同。

在每个机器人上方，都有几个用他的眼睛工作的摄像机。来自机器人身体的视觉数据和感觉数据进入控制其运动的算法。基本上，机器人会从模拟和加固相结合中学习。首先是一个人手动控制机器人，抬起各种物体。然后，他记录并分析了运动的顺序，以了解如何概括这种行为。第二个是机器人进行了数百万次的反复试验。每次尝试拿东西时，机器人都会做些不同的事情。然后，他写下了哪些尝试以更快，更准确地完成该主题而告终，而哪些尝试却未能不断提高他的效率。

由于对算法进行了最终训练，因此Covariant软件平台Covariant Brain独立于硬件。办公室里有十几个各种型号的机器人，在Obeta工作的机器人使用Knapp硬件。





一个小时，我看着三个不同的机器人满怀信心地从商店里拿起完全不同的物品。该算法在几秒钟内分析了它们的位置，计算了攻角，调整了运动的顺序，并伸出手将它们与吸盘接在一起。它自信而准确地移动，并根据主题的脆弱性来改变工作速度。用箔纸包裹药物后，他的手感更加柔和，不会使包装变形且不会弄皱药物。在一次特别令人印象深刻的工作演示中，机器人重新引导了气流，以便将不方便压在墙上的袋子吹到中间，从而更容易提起。

Knapp Pachwein表示，自从公司切换到Covariant平台以来，其机器人已经从能够从Obeta范围提起10-15％的物品的能力转移到了能够提起大约95％的物品的能力。剩下的5％是诸如玻璃之类的易碎物品，只有人们仍然可以使用。 Pachwein补充说：“这不是问题。” -将来，典型的仓库设备将是10个机器人和1个人。那是计划。”得益于双方的合作，Knapp将在数年内将其带有Covariant软件的机器人分发给其客户的仓库。

尽管从技术角度来看，结果令人印象深刻，但它引发了有关此类机器人将如何影响自动化的疑问。 Pachwein承认，他希望在未来五年内，成百上千的机器人将开始执行传统上由人类解决的任务。但是，他说，人们仍然不再愿意做这项工作。在欧洲，公司通常很难找到足够的人来仓库工作。他说：“这是我们从所有客户那里得到的反馈。” “他们找不到员工，他们需要更多的自动化。”

迄今为止，Covariant已经从投资者那里获得了2700万美元的投资，其中包括图灵奖获得者Joffrey Hinton和Ian Lekun等AI名人。这家初创企业不仅要处理起重物体，还要处理从卸货卡车到包装箱再到货架分类的整个仓库操作。该初创公司也有关于搬出仓库并进入其他行业的想法。

但是Abbil的最终目标更高：``公司的长期想法是解决AI机器人化领域中的所有问题。''

More articles:


All Articles