Hamid Montazeri, SVP of Software & AI at Locus Robotics – Interview Series

Jako senior viceprezident (SVP) pro software a umělou inteligenci ve společnosti Locus Robotics, Hamid Montazeri přináší více než 30 let zkušeností s vedením a škálováním globálně distribuovaných týmů. Specializuje se na modulární a škálovatelnou softwarovou architekturu a aplikaci transformačních technologií, jako je cloud, IoT, big data a AI/ML. Během své kariéry Hamid dodal diferencované řešení a produkty pro společnosti od startupů po multinacionální společnosti, pohánějící aplikace v autonomních robotice, inteligentní skladové automatizaci a systémech dodavatelského řetězce, které slouží průmyslu celosvětově.

Locus Robotics navrhuje a dodává AI-poháněná skladová automatizační řešení kombinací autonomních mobilních robotů s inteligentním softwarem. Jejich platforma, nazvaná LocusONE, orchestruje flotily robotů pro úkoly, jako je výběr, umístění, transport a mezaninové operace – zvyšuje produktivitu o dvě až tři krát, zatímco snižuje náklady na pracovní sílu. Systém se integruje bezproblémově do stávajících skladových prostředí a škáluje flexibilně, což umožňuje operátorům nasadit několik robotů nebo tisíc bez větších problémů.

Máte zkušenosti s vedoucími roli ve společnostech, od CNN po Stanley Black & Decker, Dematic, KION Group a nyní Locus Robotics. Jak vás tato rozmanitá cesta ovlivnila ve vašem pohledu na to, kde AI a robotika mohou mít největší dopad?

Při držení technických rolí, které úzce spolupracují s AI a softwarem po dobu více než tří desetiletí, můj pohled byl silně ovlivněn tím, jak jsem svědkem vývoje průmyslu.

Když jsem poprvé začal, průmysl byl v době, kdy se softwarové vývojové úsilí přecházelo z přechodu z strukturovaného na objektový paradigm na programovacích jazycích a z monolitického softwaru na softwarové komponenty, které mohly běžet na různých operačních systémech a využívat meziprocesní komunikaci k dosažení cílů v distribuovaném režimu. Byli jsme na prahu velké změny, která odstraňovala software z konkrétního stroje a místo toho se stávala distribuovanou pomocí meziprocesní a / nebo síťové komunikace. V průběhu času se tento zaměř se přesunul do různých oblastí, což vedlo k novým vývojům od programování základních systémů pro využití vznikajících síťových a internetových schopností ke zvýšení škálovatelnosti systémů, jakož i nasazení, úložiště dat, což vedlo k následnému vývoji cloudu.

Tyto změny byly pro průmysl zásadní, protože postupně přinesly určitou úroveň výpočetní a úložné elasticity a představily nové příležitosti pro AI a robotiku. Tyto pokroky pokračovaly, jak jsem postupoval v průběhu své kariéry, a dostal jsem možnost vidět dopad, který AI a robotika mohou mít, zejména v oblasti dodavatelského řetězce a logistiky. Nyní jsme na bodě, kdy roboti mají schopnost, z hlediska výpočtu, úložiště a AI, přesně navigovat a operovat v obrovských vysokohustotních prostředích s komplexními geometriemi, jako jsou sklady, a dodávat významný obchodní dopad, včetně snížení nákladů, zvýšení propustnosti, zlepšení flexibility a zlepšení výkonu práce.

Co znamená “fyzická AI” v kontextu skladové automatizace a jak se liší od tradiční robotiky nebo obecných modelů AI?

Fyzická AI je budoucnost logistiky a skladové automatizace. Je to páteř, která pohání autonomní operace prostřednictvím kombinace reálného vnímání, rozhodování a kontinuálního učení, což umožňuje robotům okamžitě optimalizovat každé rozhodnutí.

S fyzickou AI nejsou roboti pouze vybaveni inteligencí, která jde za hranice memorování konkrétní skladové dispozice a přenášení něčeho z bodu A do bodu B. Pokud se věci v jejich prostředí změní, mohou se automaticky přizpůsobit a přeprogramovat plánování, aby učinit nejlepší rozhodnutí na základě aktuálních podmínek.

Robotika, která nevyužívá fyzickou AI, bude mít stále více omezenou použitelnost. Zajímavé je, že i aplikace moderních obecných základních modelů nejsou příliš účinné při vytváření fyzické AI, která řeší potřeby aplikační domény. Když se podíváte na skladovou automatizaci, cílem je mít procesy co nejúčinnější a obecné modely nemohou skutečně dodat toto. Realita s obecnými modely je taková, že nejsou navrženy tak, aby efektivně řešily doménově specifické otázky, jako je efektivní navigace a interakce s asociáty ve skladových prostředích. Fyzická AI, vybavená zvlášť vyvinutým skladovým základním modelem, poskytuje účelově navrženým přístupem, který zajišťuje, že roboti pracují co nejefektivněji s možností automaticky přizpůsobit a upravit, aby dodali nejlepší výsledek ve všech případech.

Jak se AI-poháněné robotické systémy přizpůsobují neustále se měnícím prostředím, jako jsou nové SKU, měnící se dispozice nebo náhlé výkyvy v poptávce?

Tyto oblasti jsou všechny takové, ve kterých fyzická AI, vybavená základním modelem domény, vyniká. Když poptávka vzroste, dispozice se změní nebo jsou zavedeny nové SKU, roboti vybavení fyzickou AI jsou vybaveni pro bezproblémovou navigaci v neustálé změně.

To je důvod, proč roboti vybavení fyzickou AI jsou optimální pro logistiku. Tento účelově navrženým přístup může skutečně držet krok s neustálým tokem, který průmysl obvykle čelí.

Proč věříte, že doménově specifická AI je účinnější než pronásledování širokých základních modelů, pokud jde o dodavatelský řetězec a logistiku?

Doménově specifická AI je nejúčinnější pro dodavatelský řetězec a logistiku obecně, ale zejména ve skladové automatizaci.

Když jde o skladovou automatizaci, mít doménově specifické modely je to, co nakonec vede automatizaci na další úroveň. Obecný základový model není navržen tak, aby řešil výzvy, kterým skladová prostředí obvykle čelí – jako je bezpečnost a navigace v komplexních dispozicích – což znamená, že operátoři budou i nadále čelit břemeni těchto překážek.

Naopak doménově specifické modely jsou vybaveny nezbytnou odbornou znalostí, aby rozuměly, jak skutečně řešit tyto výzvy. Využívání doménově specifických modelů snižuje tlak na operátory a automaticky přitahuje doménovou odbornost, aby nabídla a aplikovala řešení, když se objeví.

Jaké měřitelné výsledky jste viděli z nasazení fyzické AI ve skladech, ať už ve zvýšení propustnosti, snížení prostojů nebo snížení chybovosti?

Ve společnosti Locus Robotics naše řešení, vybavená účelově navrženými fyzickými AI, dodala působivá výsledky napříč našimi zákazníky ve skladech, včetně:

• Zlepšení přesnosti objednávek na 99%
• Snižování chybovosti 04% na 0,01%
• Snižování prostojů tak, že místa jsou uvedena do provozu během týdnů místo měsíců
• Zlepšení propustnosti, umožňující zákazníkům zdvojnásobit nebo ztrojnásobit svou provozní propustnost

Jak přistupujete k bezpečnosti, spolehlivosti a lidskému dohledu při nasazení autonomních systémů ve vysokovýkonných operacích?

Při automatizaci vysokovýkonných operací, jako jsou sklady, přístup k bezpečnosti, spolehlivosti a lidskému dohledu začíná řešeními, které jste vybrali.

Tyto oblasti jsou kritické v procesu návrhu a zdůrazňují, proč by ti, kteří se snaží automatizovat, měli prioritizovat řešení, která jsou účelově navržena během procesu rozhodování.

Ve společnosti Locus Robotics naše autonomní mobilní roboty (AMR) jsou navrženy tak, aby splňovaly a překračovaly průmyslové bezpečnostní standardy. Naše LocusBots využívají multi-senzorové bezpečnostní systémy s kamerami a světelnou detekcí a rozsahem (LiDAR), které jim pomáhají vyhnout se srážkám a překážkám, udržují skladové operace a pracovníky v bezpečí.

Spolehlivost je také jádrem toho, co děláme. Pro skladové operátory je konzistentní zvládání poptávkových špiček realitou jejich podnikání, ale věříme, že to nemusí být bolestivým bodem. Ve společnosti Locus Robotics náš model robotiky jako služby (RaaS) umožňuje operátorům automatizovat své skladové prostředí bez počátečních nákladů nebo časového úsilí, které automatizace obvykle vyžaduje. Místo toho naše řešení umožňují operátorům automaticky škálovat nahoru nebo dolů, aby splnili aktuální poptávku, což zajišťuje, že jsou vždy vybaveni, aby se přizpůsobili špičkám, kdykoli se objeví.

Ve vysokovýkonných operacích bude lidský dohled vždy vyžadován, ale klíčem k úspěšné automatizaci je využití řešení, která mohou převzít větší odpovědnost. Klíčovým rozlišovacím znakem Locus AMR je naše kombinace technik Discrete Event Simulation (DES) s podrobnými modely robotické autonomie, které umožňují operátorům navrhnout koncepty operací a přesně simulovat nejúčinnější využití botů ve svých prostředích, což pomáhá streamlinovat čas výběru a zajistit, aby objednávky byly odeslány včas – dvě kritické složky pro všechny operátory.

Jaké výzvy vznikají při integraci AI-poháněných robotických systémů se stávajícími systémy pro řízení skladu a ERP, a jak je řešíte?

Doba implementace integrace je obvykle považována za největší výzvu, která vzniká s automatizací. Operátoři budou muset prozkoumat své stávající technologické stavy a zvážit přechod od zastaralých systémů. Vzhledem k tomu, že AI používá大量né množství dat, budou chtít také prozkoumat svou stávající infrastrukturu, aby se ujistili, že je schopna vydržet a podporovat AI modely.

V závislosti na řešení, které si vyberou, operátoři se mohou ocitnout v situaci, kdy jejich přechod vyžaduje velký časový závazek, protože mohou muset migrovat systémy a podstoupit rozsáhlé školení pro svou pracovní sílu.

Společnost Locus Robotics se snaží odstranit čas jako výzvu pro operátory. Naše AMR jsou navrženy tak, aby se bezproblémově integrovaly s těmito systémy, což pomáhá zákazníkům vyhnout se nákladnému počátečnímu časovému úsilí, které je vyžadováno pro přechod a školení jinými řešeními na trhu.

Jak jsou tyto řešení škálovatelná napříč různými sklady a geografickými oblastmi, a kolik přizpůsobení je obvykle vyžadováno?

Snadná škálovatelnost je tím, co dělá flexibilní automatizaci tak ideální pro skladové prostředí. Tradiční automatizační systémy vyžadují významné počáteční náklady a dlouhodobý časový závazek.

Automatizace, která využívá model RaaS, jako je Locus Robotics, umožňuje skladům nasadit a bezproblémově upravit velikost své flotily na základě poptávky. To znamená, že když poptávka kolísá, operátoři mohou škálovat své operace podle toho.

Jako globální lídr ve skladové automatizaci jsou naše řešení škálovatelná napříč všemi geografickými oblastmi pro naše zákazníky. Naše panely nabízejí přehledy o klíčových metrikách výkonu skladu v reálném čase – jako je jednotky a výběr za hodinu, stejně jako produktivita pracovníků. Tato sjednocená viditelnost umožňuje operátorům snadno škálovat řešení napříč prostředím, aby splnili provozní potřeby na základě specifických požadavků skladu.

S řešením Locus Robotics je přizpůsobení snadno proveditelné bez úsilí ze strany zákazníků; věci jsou navrženy tak, aby pomohly každému jednotlivému zákazníkovi škálovat na základě svých vlastních jedinečných potřeb.

Jak tyto technologie mění roli lidských pracovníků ve skladech, a jaký druh dalšího vzdělávání nebo změny řízení je zapotřebí?

AMR zcela mění standardní skladové pozice pro lidské pracovníky tím, že vytvářejí bezpečnější pracovní prostředí a otevírají nové příležitosti pro lidskou pracovní sílu.

Locus Robotics poskytuje jedinečně intuitivní přístup k interakci mezi AMR a asociáty a činí školení a změnu řízení pro nasazení a provoz robotické automatizace velmi lehkou zátěží pro operátory. Například při nasazení LocusBotů na místě může školení umožnit asociátům začít pracovat s roboty za méně než 10 minut – což znamená, že operátoři a zaměstnanci se nemusí bát, že budou zdržováni stresujícím a časově náročným a nákladným školením.

AMR mohou snížit zátěž fyzicky náročných úkolů, minimalizovat riziko zranění a únavy lidských pracovníků. Převzít odpovědnost za úkoly, jako je zvedání těžkých předmětů a dlouhé cesty ve skladu, AMR zlepšují podmínky pro lidské pracovníky tím, že přebírají úkoly, které vyžadují úsilí. Můžou také ulevit lidským pracovníkům od repetitivních odpovědností, jako je výběr, a poskytnout příležitost soustředit se na složitější úkoly.

Zavedení AMR do skladu je skvělou příležitostí k posílení rolí lidských pracovníků. Ti, kteří se snaží automatizovat, by se také měli soustředit na identifikaci příležitostí pro další vzdělávání, které toto přináší pro svou lidskou pracovní sílu, a prozkoumat oblasti, kde lze zavést zcela nové role, včetně pozic, které pracují přímo s boty, jako jsou analytici, kteří dohlížejí na data o výkonu bot.

Můžete sdílet, jaké druhy modelů AI a přístupů pohánějí tyto systémy, a zda fungují více na okraji nebo v cloudu?

Ve společnosti Locus Robotics se naše AI řešení zaměřují na tři vlastnosti: fyzické (AI zabudované ve skladu a navržené tak, aby se přizpůsobilo svému prostředí), důvěryhodné (AI schopné vysvětlit svá rozhodnutí) a holistické (AI, které orchestruje sklad jako systém, a not just pohání jeden bot nebo úkol). Pro nás je to o budování AI, která skutečně rozumí skladu a může dodat skutečné výsledky pro prostředí našich zákazníků.

Data jsou základem každého modelu, a hluboká odborná znalost Locus, kombinovaná s našimi skutečnými daty – včetně téměř 6 miliard vybraných jednotek – umožňuje nám budovat doménově specifické modely a systémy, které jsou navrženy tak, aby byly sklad-first.

Ve společnosti Locus Robotics využíváme AI jak na okraji, tak v cloudu: naše AMR využívají AI na okraji, aby splnily to, co fyzická a důvěryhodná AI vyžaduje, zatímco naše “skladové široké systémy záznamů na systémy akcí” strategie a skladový základový model pracuje s využitím škálovatelné výpočetní síly, kterou cloud poskytuje.

Pohledem vpřed pět let, jaké hlavní pokroky nebo posuny očekáváte v AI-poháněné robotice pro logistiku a dodavatelské řetězce?

Největší posun, který uvidíme, je, že fyzická AI bude dominovat. Když budou podniky pokračovat v zkoumání návratnosti investic (ROI), které získávají ze svých investic do AI, operátoři budou pečlivě hodnotit výsledky, které vidí z automatizace.

Můžeme očekávat, že ti, kteří umístili rozpočet za automatizaci s řešeními, která nejsou účelově navržena, neuvidí ROI ve svých skladech, které doufají. Řešení, která nejsou poháněna fyzickou AI, postrádají nezbytné porozumění, aby vynikly v těchto prostředích. To bude nutit operátory, aby prioritizovali umístění rozpočtu za fyzické AI řešení, která mohou optimalizovat každé rozhodnutí v reálném čase a dodat výsledky, které hledají.

Spolu s vzestupem fyzické AI uvidíme také posun v robotice v logistice a dodavatelském řetězci od obecných / obecných základních modelů k vývoji doménově specifických. Operátoři budou hledat způsoby, jak zvýšit svůj ROI, a řešení, která využívají doménově specifické modely, jsou kritickou součástí toho.

Aby AI uspěla, uvidíme, že průmysl získá lepší porozumění pro to, proč musí investovat do AI, která těží z a zahrnuje skutečnou doménovou odbornost. V souladu s tím se zaměříme na umístění vývoje a zdrojů za AI, která je navržena tak, aby vynikla v prostředí dodavatelského řetězce a logistiky.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Locus Robotics.