داخل السباق الجديد للروبوتات: البيانات والنمذجة والتصنيع

الابتكار نادرًا ما يظهر في عزلة. في الغالب ، يولد في محادثات بين المهندسين والمؤسسين والباحثين والمستثمرين الذين يحاولون فهم اتجاه التكنولوجيا.

على مدار عام ، حضرت عشرات المؤتمرات حول العالم. الرحلات التجارية أحيانًا تستمر لشهر ، واللقاءات مع الشركاء والعملاء تحدث من آسيا إلى أمريكا الشمالية. ومع ذلك ، فإن أحد رحلاتي الأخيرة إلى سويسرا كان مثيرًا للاهتمام بشكل خاص – بسبب الأشخاص والمحادثات التي حدثت هناك.

أثبتت زيورخ أنها واحدة من الأماكن حيث يتم مناقشة مستقبل الروبوتات والذكاء الاصطناعي المادي بنشاط اليوم. وكلما تمحورت المحادثات ، أصبحت أكثر وضوحًا أن السباق الحقيقي في الروبوتات يحدث حول البيانات.

وادي السيليكون الأوروبي

ترتبط زيورخ تقليديًا بالقطاع المالي ، ولكن في السنوات الأخيرة ، أصبحت تدعى وادي السيليكون الأوروبي بشكل متزايد. يتعلق جزء كبير من هذه السمعة بجامعة ETH زيورخ ، واحدة من أكثر الجامعات الهندسية احترامًا في أوروبا. تجذب الباحثين وطلاب الدكتوراه والمؤسسين والمهندسين من جميع أنحاء العالم. ونتيجة لذلك ، تشكل نظام بيئي تقني قوي حول الجامعة ، حيث تتشكل الأبحاث والاستارت أب والمشاريع الصناعية تقريبًا في نفس الوقت.

كان أحد أسباب رحلتي هو الحصول على فهم أعمق لما يمكن أن تقدمه Introspector لسوق الروبوتات ، الذي كان في ازدهار منذ بداية عام 2025. وهي صناعة يحاول دخولها العديد من الشركات الناشئة ، بينما تؤثر الاختراقات التكنولوجية من الشركات التكنولوجية الكبرى بشكل فعال عليها. ومع ذلك ، على الرغم من كل هذا الزخم ، لا تزال الصناعة تثير أكثر من أسئلة مما ت回答.

زيورخ也是 مقر شركائنا Lightly ، الذين ساعدوني على التعرف على الزملاء الذين يعملون على تقاطع الروبوتات والرؤية الحاسوبية والذكاء الاصطناعي. هناك جانب واحد مهم من النظام البيئي التكنولوجي المحلي أود أن أبرزه: الناس هنا ممتازون بالانفتاح والترحيب. لا يخافون من مشاركة أفكارهم وفرضياتهم ، ومناقشة التحديات التي يحاولون حلها ، والتحقق من التجارب التي يقومون بها. ونتيجة لذلك ، تبدأ في فهم سياق السوق وحقيقة اتجاه الصناعة بسرعة أكبر.

عندما يسألني الناس كيف يختلف “وادي السيليكون” الأوروبي عن الأمريكي ، فإن الإجابة غالبًا ما تفاجئهم. في زيورخ ، يشعر بالتوازن بين العمل والحياة بقوة أكبر: الرياضة في الصباح ، العمل المُركز خلال النهار في إيقاع هادئ ومنتج ، والمساء في الجبال مع العائلة أو ببساطة الاسترخاء. في سان فرانسيسكو ، غالبًا ما يكون هناك شعور بأنك تحتاج إلى إثبات أنك تعمل بجد أكثر من الجميع. في زيورخ ، الإيقاع مختلف – أكثر استدامة. ومع ذلك ، فإن مستوى الطموح التكنولوجي هنا ليس أقل.

بيانات أفضل قبل روبوتات أفضل

كان أحد الملاحظات الرئيسية من هذه الرحلة هو ملاحظة بسيطة: يريد الكثير من الناس اليوم العمل في مجال الروبوتات. ومع ذلك ، على الرغم من الاهتمام الهائل بالصناعة ، لا تزال العديد من الفرق في مرحلة استكشافية ، تحاول فهم الدور الذي يمكنهم لعبته في موجة الروبوتات والذكاء الاصطناعي المادي الجديدة ، والمساهمة التي يمكنهم تقديمها.

تتقارب العديد من المحادثات في النهاية على نفس الموضوع: البيانات. اليوم ، تفتقر الصناعة إلى بيانات حول مهام اللباقة ، أي المهارات الحركية الدقيقة. في هذا المجال ، تظل قدرات الروبوتات محدودة للغاية. ما يفعله البشر بأيديهم تقريبًا بشكل تلقائي – उठاء كائن ، وتحويله ، ووضعه بدقة في مكان ما ، أو أداء تحريك صغير – يظل واحدًا من أكثر المهام تحديًا بالنسبة للروبوتات.

تتمثل المفتاح للتقدم هنا في الغالب في مجموعات بيانات كبيرة الحجم ومجمعة بشكل صحيح. اليوم ، يتحدث الناس غالبًا عن مجموعات بيانات إيجوسنتريك ، المسجلة من منظور أول شخص ، حيث يقوم النظام بتقاطع الأفعال البشرية كما لو كان يقوم بها بنفسه. ومع ذلك ، في الممارسة ، يتبين أن مفهوم “مجموعة بيانات إيجوسنتريك” يمكن أن يعني أشياء مختلفة تمامًا ويثير عددًا من الأسئلة الفنية. أين يجب وضع الكاميرا؟ على الجبين ، أو على الصدر ، أو ربما على مستوى العين؟ ما هي الحواس التي يجب أن ترافق التسجيل الفيديوي؟ إذا كنا نلتقط حركات اليد ، يجب على المشغلين استخدام قفازات خاصة؟ وإذا كان الأمر كذلك ، يجب أن تتضمن هذه القفازات مستشعرات تكتيلية ، أو جايروسكوب ، أو أنظمة تتبع حركة أخرى؟

تنشأ سؤال أكثر تعقيدًا: كيف يمكن التقاط عمق الحركة بشكل صحيح؟ بعد كل شيء ، من المهم فهم ليس فقط vịة اليد في مستوى ثنائي الأبعاد ، ولكن أيضًا كيف تتحرك عبر الفضاء ثلاثي الأبعاد – إلى الأمام ، أو إلى الخلف ، أو إلى الأعلى ، أو إلى الأسفل.

حتى الآن ، لم تصل الصناعة إلى إجابة موحدة. لذلك ، تجرب العديد من الفرق اليوم تكوينات حساسات مختلفة وطرق تسجيل وأشكال مجموعات بيانات.

أنظمة متعددة الوسائط

كماsoon كما تنتقل المحادثة إلى جمع البيانات للروبوتات ، يظهر موضوع آخر سريعًا – الحواس الإضافية والمتعددة الوسائط ، التي تمكن من التقاط حركات الجسم وأفعال اليد وتفاعلات الكائنات بدقة أكبر. كما أنها تساعد في تقليل الأخطاء أثناء جمع البيانات.

عندما يسجل شخص أفعالَه على الكاميرا ، هناك دائمًا خطر أن جزءًا من المواد سيكون غير قابل للاستخدام. قد تتحرك الكاميرا قليلا ، أو يكون زاوية التصوير غير صحيحة ، أو قد يتحول المشغل بالخطأ في الاتجاه الخطأ ، أو قد يؤدي حركة بسرعة كبيرة. ونتيجة لذلك ، يتم التخلص من جزء كبير من المواد المسجلة. مثال بسيط: للحصول على ساعة واحدة من الفيديو القابل للاستخدام حقًا ، قد يحتاج المشغل إلى تسجيل حوالي ساعتين من المواد الخام.

تساعد الحواس الإضافية على تعويض بعض هذه المشاكل. حتى لو تحركت الكاميرا قليلا ، يمكن أن تتيح بيانات الحساسات إعادة بناء حركة اليد أو vịة الجسم في الفضاء. ونتيجة لذلك ، بدلاً من ساعتين من التسجيل ، قد يحتاج الأمر حوالي ساعة و 20 دقيقة للحصول على نفس كمية البيانات القابلة للاستخدام. هذا يزيد بشكل كبير من كفاءة جمع البيانات ويقلل من تكلفة إنشائها.

من هنا ، لا ي驚 أن تلاحظ العديد من الفرق أيضًا زيادة الاهتمام بتعليم البيانات المتعددة الوسائط. هذا أصبح واحدًا من الاتجاهات الأكثر وضوحًا المرتبطة مباشرة بتطوير الروبوتات والذكاء الاصطناعي الجسدي.

النقطة التالية هي تعليم مجموعات البيانات هذه. لقد واجهنا أسئلة مماثلة في Keymakr عند العمل مع مجموعات بيانات العملاء لحالات الروبوتات: ما يجب أن يبدو مثل هذا التعلم في الممارسة؟ يجب أن يكون هيكليًا؟ ثنائي الأبعاد أو ثلاثي الأبعاد؟ يجب أن تتضمن عناصر من تعلم التعزيز في خط الأنابيب؟ هناك عشرات من هذه الأسئلة. يعترف المهندسون بأن لا أحد يمكنه بعد يقين أي تكوين بيانات معين سوف يقود في النهاية إلى اختراق تكنولوجي حقيقي.

هذه المخاوف مفهومة. بناء مجموعات بيانات معقدة هو عملية مكلفة. كل خطأ في هيكل البيانات يمكن أن يكلف آلاف أو حتى ملايين الدولارات. من الممكن جمع “مجموعة بيانات خاطئة” أو تسجيلها في ظروف يصعب إعادة إنتاجها في العالم الحقيقي ، مما يؤدي في النهاية إلى تقويض المشروع كله. هذا هو السبب في أن هناك المزيد والمزيد من الاهتمام بالنمذجة نفسها وجودة وهيكل البيانات التي يتم تدريب النماذج عليها.

ما نوع الروبوتات التي تحتاجها السوق؟

الروبوتات الصناعية التقليدية ، التي تعمل على خطوط تجميع السيارات منذ عقود ، تتطلب في الواقع القليل من الرؤية الحاسوبية أو نماذج الذكاء الاصطناعي المعقدة. مهمتهم محددة للغاية: أداء حركات متكررة بدقة وثبات عالية. في هذا المجال ، تفوقت بالفعل على البشر.

فئة كاملة مختلفة هي الروبوتات الإنسانية. هذه الأنظمة تتطلب “أدمغة”: القدرة على الملاحة في الفضاء ، والاستجابة للبيئة المحيطة ، وفهم سياق الحالة ، وسيطرة المناورات لا من خلال مسارات محددة مسبقًا ولكن بالتكيف مع العالم الحقيقي.

حتى مع مستوى التأتمتة العالي على أرضيات المصانع الحديثة ، لا تزال العديد من المهام تؤدى من قبل البشر. نقل كائن ، أو उठاء صندوق ، أو فرز قطع ، أو تثبيت مكون ، أو تنظيم المواد – هذه هي الإجراءات الصغيرة التي تتطلب مرونة وتنسيقًا. هذا المجال لا يزال واحدًا من أكثر المجالات صعوبة للتأتمتة ، وयह هو المكان الذي قد تجد فيه الأنظمة الإنسانية دورًا لها.

许多 من الفرق التي تحدثت معها تستخدم نموذج أعمال مشابه. يقتربون من مصنع ويقترحون حل حالة إنتاج معينة. على سبيل المثال ، قد يقضي العامل يومه كله في نقل الصناديق بين مناطق المستودع. يقترح المهندسون تجربة بسيطة: تجهيز العامل بكاميرا ومجموعة من الحواس ، وتسجيل آلاف الساعات من أفعالهم ، واستخدام هذه البيانات لتدريب نموذج سيطرة على روبوت إنساني. بهذه الطريقة ، يتعلم الروبوت أداء المهام التي يقوم بها العامل البشري.

في جوهره ، تشتري الشركة منصة إنسانية ، بينما يبني فريق التطوير نموذجًا مخصصًا يكرر سلوك عامل معين. هذا ليس ذكاءً عالميًا قادرًا على حل أي مهمة. بل هو مجموعة من المهارات الماهرة لمهمة إنتاج معينة أو مجموعة من المهام.对于许多 مهندسين اليوم ، يبدو هذا النهج أكثر واقعية. بدلاً من محاولة إنشاء روبوت عالمي على الفور ، تركز الفرق على سيناريوهات التأتمتة الضيقة ولكنها قابلة экономيًا.

البعد التجاري

إذا كان المستقبل يكمن في النماذج المخصصة ، فمن المهم فهم أن هذا هو مسار تطوير طويل من الناحية الاقتصادية.

كل ngành هي في الأساس عالَمها الخاص. كل بيئة إنتاج لها عملياتها وعملياتها وexceptions الخاصة. لا يمكن نقل روبوت مدرب للعمل في مصنع السيارات ببساطة إلى تصنيع الأغذية أو لوجستيات المستودعات. في كل حالة ، يجب إعادة تدريب النظام من البداية.

هذا يؤدي إلى السؤال التالي المنطقي: من سيكون أول عملاء هذه التكنولوجيا؟

في هذه المرحلة ، من المرجح أن يكون المتبنون الأساسيون الشركات الكبيرة – تلك التي لديها الميزانيات والمنظمات التي يمكن أن تولد تأثيرًا اقتصاديًا значительным. اليوم ، يكلف روبوت إنساني حوالي 60,000 دولار إلى 90,000 دولار فقط لجهاز العتاد. هذا هو تكوين القاعدة فقط. بالإضافة إلى ذلك ، هناك تكاليف الصيانة والبطاريات ومحطات الشحن والبنية التحتية والبرمجيات.

نتيجة لذلك ، الشركات الأكثر قدرة على التجربة مع هذه الأنظمة هي المنظمات الكبيرة ، مصنعي السيارات والشركات الغذائية والمنظمات الصناعية الكبرى.

بالطبع ، قد تشهد قطاعات أصغر بعض المبكرين. قد تشتري بعض الشركات روبوتًا أو روبوتين لمهام معينة. ومع ذلك ، في معظم الحالات ، هذه الشركات ليست مجهزة بعد للاستثمار في مئات الآلاف من اليوروهات في جمع وتنقيح مجموعات البيانات المخصصة لتدريب أنظمة لسيناريوهات تشغيلية محددة للغاية. بالنسبة لهم ، لا يزال العمل البشري خيارًا أرخص.

اللعبة الطويلة لابتكار الروبوتات

نصل في النهاية إلى سؤال اقتصادي أساسي: ما هو أكثر كفاءة – إنسان أو روبوت؟ إذا نظرنا إلى اقتصاد اليوم ، فإن الإجابة واضحة: العمل البشري هو الأرخص ، ويتكيف بسرعة مع ظروف جديدة ، ولا يتطلب بنية تحتية معقدة.

لذلك ، لماذا تستمر الصناعة في الاستثمار في الروبوتات اليوم؟ الإجابة في الغالب استراتيجية.

ت理解 العديد من الشركات أن هناك نوعًا من السباق من أجل القيادة التكنولوجية جاريًا. هم يطورون حلولًا ، على الرغم من التكاليف العالية ، لتكون في المقدمة عندما تتغير اقتصاديات الروبوتات.

随着 تقدم الإلكترونيات ، ينخفض ​​تكلفة المكونات ، وتتحسن كفاءة الحوسبة ، سوف تصبح الروبوتات في النهاية أكثر ملاءمة. وعندما يحدث ذلك ، ستكون الميزة للشركات التي بنت بالفعل نماذجًا وجمعت بياناتًا وأنشأت البنية التحتية التكنولوجية اللازمة.

تخيل ، على سبيل المثال ، أن تنشأ لوائح جديدة تسمح باستخدام الروبوتات الإنسانية على نطاق واسع في التصنيع. أو أن الحكومات تبدأ في دعم روبوتات الصناعات. في مثل هذا السيناريو ، يمكن أن ينمو السوق بشكل كبير في غضون بضع سنوات فقط. وستكون الشركات التي أعدت مسبقًا ، تلك التي لديها نماذج موجودة وأبحاث وبيانات وبنية تكنولوجية جاهزة ، هي التي ستستفيد أكثر.

لهذا السبب ، يستمر التطوير حتى الآن ، على الرغم من أن اقتصاديات الأعمال قد لا تبدو مثالية بعد.对于 العديد من الشركات ، هذا هو استثمار في المستقبل – في اللحظة التي تصبح فيها التكنولوجيا أكثر سهولة وccess ، ويتزايد الطلب بشكل حاد.

وفي هذا السباق ، كما في العديد من الثورات التكنولوجية ، غالبًا ما يثبت أن أحد العوامل حاسمًا: من بدأ في وقت سابق. في هذا الصدد ، تشبه الروبوتات اليوم مراحل الذكاء الاصطناعي المبكرة. في ذلك الوقت ، كان هناك أيضًا أكثر من أسئلة مما توجد إجابات. ومع ذلك ، كانت الفرق التي بدأت العمل مع البيانات والبنية التحتية في وقت سابق من الآخرين هي التي حددت في النهاية اتجاه الصناعة بأكملها.