Hamid Montazeri, SVP softwaru a umělé inteligence ve společnosti Locus Robotics – rozhovor

Jako senior viceprezident (SVP) softwaru a umělé inteligence ve společnosti Locus Robotics, Hamid Montazeri má 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 korporace, pohánějící aplikace v autonomních robotických, inteligentních skladových automatech a systémech dodavatelského řetězce, které slouží průmyslu po celém světě.

Locus Robotics navrhuje a dodává řešení pro automatizaci skladů poháněná umělou inteligencí kombinací autonomních mobilních robotů s inteligentním softwarem. Jejich platforma, nazvaná LocusONE, orchestruje flotily robotů pro úkoly, jako je výběr, uložení, transport a mezaninové operace, což zvyšuje produktivitu o dvě až tři krát a 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 majoritních rušení.

Máte vedení rolí v organizacích, od CNN po Stanley Black & Decker (SWK ), Dematic, KION Group a nyní Locus Robotics. Jak vám tato rozmanitá cesta utvořila vaši perspektivu na to, kde AI a robotika mohou mít největší dopad?

Při držení technických rolí, které úzce spolupracují s AI a softwarem po více než tři desetiletí, byla moje perspektiva silně ovlivněna tím, jak jsem svědkem evoluce průmyslu.

Když jsem poprvé začal, průmysl byl v době, kdy se softwarové vývojové úsilí přibližovalo k přechodu od strukturovaného k objektově orientovanému paradigmatu na straně programovacích jazyků a od samostatného procesu monolitu softwaru k softwarovým komponentám, které mohly běžet na různých operačních systémech a využívat meziprocesní komunikaci k dosažení cílů v distribuovaném prostředí. Byli jsme na prahu velké změny, která přesouvala software z běhu na konkrétním stroji k distribuovanému využití meziprocesní a/nebo síťové komunikace. S časem se tento zaměřený posunul do různých oblastí, pohánějíce nové vývojové trendy od programování základních systémů pro využití vznikajících síťových a internetových schopností ke zvýšení škálovatelnosti systémů, jakož i nasazení, úložiště dat, vedoucího k následnému rozvoji cloudu.

Tyto změny byly pro průmysl zásadní, protože postupně přinesly určitou úroveň výpočetní a úložné pružnosti a představily nové příležitosti pro AI a robotiku. Tyto pokroky pokračovaly, jak jsem postupoval v průběhu své kariéry, a dostal jsem první pohled na dopad, který AI a robotika mohou mít, zejména v oblasti dodavatelského řetězce a logistiky. Nyní jsme na bodě, kdy roboti disponují schopností, z hlediska výpočtu, úložiště a AI, přesně navigovat a fungovat v masivních vysokohustotních prostředích s komplexními geometriemi, jako jsou sklady, a dodávat významný obchodní dopad, včetně snížených nákladů, zvýšeného průtoku, lepší flexibility a vylepšené pracovní výkony.

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

Fyzická AI je budoucnost logistiky a automatizace skladů. Je to páteř, která pohání autonomní operace kombinací reálné percepci, rozhodování a kontinuálního učení, umožňující robotům okamžitě optimalizovat každé rozhodnutí.

S fyzickou AI nejsou roboti pouze napájeni k pohybu zboží ve vysoce strukturovaných a trvale pevných konfiguračních prostředích. Jsou vybaveni inteligencí, která jde nad rámec zapamatování specifické skladové dispozice a přenosu něčeho z bodu A do bodu B. Pokud se věci v jejich prostředí změní, mohou automaticky přizpůsobit a přeplánovat plánování, aby učinit nejlepší rozhodnutí na základě aktuálních podmínek.

Robotika, která nevyužívá fyzickou AI, bude stále více omezená ve své aplikovatelnosti. Zajímavé je, že i aplikace moderních obecných základních modelů nejsou příliš efektivní při vytváření typu fyzické AI, která řeší potřeby aplikační domény. Když se podíváte na automatizaci skladů, cílem je mít procesy co nejefektivnější a obecné modely nemohou skutečně dodat toto. Realita s obecnými modely je taková, že nejsou navrženy pro efektivní řešení specifických doménových problémů, jako je efektivní navigace a interakce s asociáty ve skladových prostředích. Fyzická AI, vybavená speciálně vyvinutým modelem základny skladu, poskytuje účelově vytvořený přístup, který zajišťuje, že roboti fungují 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 rozložení nebo náhlé špičky poptávky?

Tyto oblasti jsou všechny ty, ve kterých fyzická AI, vybavená základním modelem domény, vyniká. Když poptávka špičkově stoupá, mění se rozložení nebo jsou zavedeny nové SKU, roboti poháněni fyzickou AI jsou vybaveni pro bezproblémovou navigaci stálých změn.

To je důvod, proč roboti poháněni fyzickou AI jsou optimální pro logistiku. Tento účelově vytvořený přístup může skutečně držet krok se stálou fluktuací, kterou průmysl typicky čelí.

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

Doménově specifická AI je nejúčinnější pro dodavatelský řetězec a logistiku obecně, ale zejména v oblasti automatizace skladů.

Když jde o automatizaci skladů, mít doménově specifické modely je to, co nakonec bere automatizaci na další úroveň. Obecný základový model není navržen pro řešení problémů, kterým skladová prostředí typicky čelí – jako je bezpečnost a navigace v komplexních rozloženích – což znamená, že operátoři budou i nadále čelit břemeni těchto překážek.

Naproti tomu doménově specifické modely jsou vybaveny nezbytnou odbornou znalostí, aby skutečně řešily tyto problémy. Využívání doménově specifických modelů snižuje tlak na operátory a automaticky přitahuje doménovou odbornost, aby nabídla a aplikovala řešení na problémy, jakmile vzniknou.

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

V Locus Robotics, naše řešení poháněná účelově vytvořenou fyzickou AI dodala významné výsledky napříč našimi zákaznickými sklady, včetně:

• Zlepšení přesnosti objednávek na 99%
• Snižování chybových sazeb 04% na 0,01%
• Snižování prostojů tak, že jsou místa spuštěna za týdny místo měsíců
• Zlepšování propustnosti, umožňující zákazníkům zdvojnásobit nebo ztrojnásobit svou provozní propustnost

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

Když automatizujete vysokovýkonné operace, jako jsou sklady, přístup k bezpečnosti, spolehlivosti a lidskému dohledu začíná s řešeními, které jste vybrali.

Tyto oblasti jsou kritické v rámci návrhového procesu a zdůrazňují, proč by ti, kteří chtějí automatizovat, měli priorizovat řešení, která jsou účelově vytvořena během rozhodovacího procesu.

V Locus Robotics, naše autonomní mobilní roboty (AMR) jsou navrženy tak, aby splňovaly a překračovaly průmyslové bezpečnostní standardy. Naše LocusBots využívají vícesenzorové 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. V 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, zajistili, aby byli vždy vybaveni přizpůsobit se špičkám, kdykoli nastanou.

V vysokovýkonných operacích bude lidský dohled vždy vyžadován, ale klíčem k úspěšné automatizaci je využití řešení, která jsou schopna 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 nejefektivnější využití botů ve svých prostředích, pomáhají streamovat výběr času a zajistit, aby objednávky byly odeslány včas – dvě kritické složky pro všechny operátory.

Jaké výzvy vznikají při integraci AI poháněné robotiky s existujícími systémy pro řízení skladů a ERP, a jak je řešíte?

Čas implementace integrace je obvykle považován za největší výzvu, která přichází s automatizací. Operátoři budou muset prozkoumat své stávající technologické zásoby a zvažovat přechod od zastaralých systémů. Vzhledem k tomu, že AI používá大量né množství dat, budou také chtít prozkoumat svou stávající infrastrukturu, aby zajistili, že je schopna vydržet a podporovat modely AI.

V závislosti na řešení, která vyberou, operátoři mohou skončit v pozici, kde jejich přechod vyžaduje velký časový závazek, protože mohou potřebovat migrovat systémy a podstoupit rozsáhlé školení pro svou pracovní sílu.

Locus Robotics se snaží odstranit čas jako výzvu pro operátory. Naše AMR jsou navrženy tak, aby se bezproblémově integrovaly s těmito systémy, pomáhají zákazníkům vyhnout se nákladnému počátečnímu časovému úsilí vyžadovanému 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 to, co dělá flexibilní automatizaci ideální pro skladová prostředí. Tradiční systémy automatizace vyžadují významné počáteční náklady a dlouhodobý časový závazek.

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

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

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

Jak tyto technologie mění roli lidských pracovníků ve skladech a jaký typ školení nebo změny řízení je potřebný?

AMR zcela předefinují standardní skladové pozice pro lidské pracovníky, 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 řízení změn 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 10 minut nebo méně – což znamená, že operátoři a zaměstnanci se nemusí obávat, že budou zdržováni stresujícím a časově náročným a nákladným školením.

AMR mohou snížit břemeno 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, přebírají úkoly, které vyžadují úsilí. Mohou také ulevit lidským pracovníkům od opakujících se odpovědností, jako je výběr, a poskytnout příležitost k soustředění se na složitější úkoly.

Zavedení AMR do skladu je skvělou příležitostí ke zlepšení rolí lidských pracovníků. Ti, kteří chtějí automatizovat, by se měli také soustředit na identifikaci příležitostí ke školení, které toto přináší pro svou lidskou pracovní sílu, aby prozkoumali vyšší odpovědnosti a identifikovali oblasti, kde lze zavést zcela nové role, včetně pozic, které pracují přímo s boty, jako jsou analytici, kteří dohlíží na výkon botů.

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

V Locus Robotics, naše řešení AI se soustředí na tři rysy: fyzické (AI zabudované ve skladu a navržené pro přizpůsobení se jeho prostředí), důvěryhodné (AI schopné vysvětlit svá rozhodnutí) a holistické (AI, které orchestrují sklad jako systém, nikoli pouze pohánějí 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, spojená s našimi skutečnými daty – včetně téměř 6 miliard vybraných jednotek – umožňuje nám budovat doménově specifické modely a vyvíjet systémy, které jsou navrženy jako sklad-first.

V Locus Robotics, využíváme AI jak na okraji, tak v cloudu: naše AMR využívají AI na okraji k dosažení toho, co fyzická a důvěryhodná AI vyžaduje, zatímco naše „systém záznamů o skladu – systém akcí“ strategie a model základny skladu využívají výpočetní sílu cloudu.

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. Jak podniky budou pokračovat v hodnocení 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 vytvořena, neuvidí ROI ve svých skladech, které doufají. Řešení, která nejsou poháněna fyzickou AI, postrádají nezbytné porozumění, aby vynikly v těchto prostředích. To bude pohánět operátory k priorizaci umístění rozpočtu za fyzickou AI, která může optimalizovat každé rozhodnutí v reálném čase a dodat výsledky, které hledají.

Spolu s růstem fyzické AI uvidíme také posun v robotice logistiky a dodavatelského řetězce od obecných/generických základních modelů k rozvoji doménově specifických. Jak jsem již zmínil, operátoři budou hledat způsoby, jak zvýšit svůj ROI, a řešení, která využívají doménově specifické modely, jsou kritickou součástí toho.

Pro AI, aby uspělo, uvidíme, že průmysl získá lepší porozumění, proč musí investovat do AI, které těží z a začleňuje skutečnou odbornou znalost domény. Podle toho se zaměříme na umístění vývoje a zdrojů za AI, které jsou navrženy pro prosperitu v dodavatelském řetězci a logistických prostředích.

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