Ρομποτική και φυσική AI

Η ASUS θέτει στόχο συσκευασίας σε ανθρώπινο ρυθμό για το ανθρωποειδές ρομπότ Gallop

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Βασικά σημείαASUS tests Gallop on its own factory lines rather than rented space.
Δείτε περισσότερα
  • ASUS tests Gallop on its own factory lines rather than rented space.
  • Four fixed software layers let ASUS swap AI models without rebuilding the robot.
  • Customer pilots in 2027 must prove repeatable factory results before broader use.

Στις 13 Νοεμβρίου 2026, η ASUS παρουσίασε αναλυτικά το Gallop, το πρώτο ανθρωποειδές ρομπότ της, το οποίο μαθαίνει να συσκευάζει 15 εξαρτήματα μητρικών πλακετών σε ένα από τα εργοστάσια ηλεκτρονικών του ομίλου, με στόχο ποσοστό επιτυχίας 99,5% μέσα σε 20 δευτερόλεπτα ανά πλακέτα.

Πολλά από τα εξαρτήματα βρίσκονται μέσα σε λεπτές, διαφανείς σακούλες, γεγονός που καθιστά τη συγκεκριμένη θέση εργασίας δύσκολη υπόθεση για απλές αρπάγες. Η ASUS την επέλεξε για να δοκιμάσει αν το ρομπότ μπορεί να αναλάβει το μεγαλύτερο μέρος μιας εργασίας χωρίς να βρίσκεται διαρκώς κάποιος άνθρωπος δίπλα του. Η εταιρεία εφαρμόζει στους ανθρώπους το ίδιο κριτήριο ταχύτητας και επιτυχίας· οι αριθμοί για το Gallop είναι στόχοι και όχι αποτελέσματα που έχουν αναφερθεί ως επιτευχθέντα.

Ο πλήρης κύκλος επίδειξης, εκμάθησης και δοκιμών στη γραμμή παραγωγής λειτουργεί πλέον: ένας άνθρωπος δείχνει την εργασία, το ρομπότ τη μαθαίνει και η ASUS το δοκιμάζει στη γραμμή. Το ρομπότ αναπτύσσεται από τη μονάδα Humanoid Robotics, στο πλαίσιο του Physical AI Solutions Business Group, σε ένα πρόγραμμα που ξεκίνησε στις αρχές του 2026.

Το ευρύτερο επιχείρημα της ASUS υπέρ της ανθρωποειδούς μορφής είναι ότι τα χέρια και οι επιδέξιες παλάμες μπορούν να χρησιμοποιούν υπάρχοντες σταθμούς εργασίας, εργαλεία και δίσκους που έχουν σχεδιαστεί για ανθρώπους, αποφεύγοντας την ανάγκη ανακατασκευής ενός εργοστασίου γύρω από το ρομπότ, ενώ παράλληλα αναγνωρίζει ότι δεν απαιτούν όλες οι εργασίες ανθρωποειδές ρομπότ.

Εκπαίδευση με βάση την εμπειρία εξειδικευμένων εργαζομένων

Η ASUS ξεκινά με ανοικτά μοντέλα τεχνητής νοημοσύνης, αντί να κατασκευάσει εσωτερικά ένα τεράστιο μοντέλο. Έμπειροι εργαζόμενοι φορούν κάμερες κεφαλής με τη συγκατάθεσή τους, ώστε οι επιδείξεις τους να αποτυπώνουν τον πραγματικό τρόπο εκτέλεσης της εργασίας. Η προσομοίωση παράγει παραλλαγές αυτών των παραδειγμάτων και, στη συνέχεια, ένας χειριστής με κράνος εικονικής πραγματικότητας και γάντια καθοδηγεί το Gallop σε ασκήσεις με τα ίδια εξαρτήματα και τις ίδιες κάμερες που χρησιμοποιούνται στον πραγματικό σταθμό εργασίας.

Οι καταγραφές που γίνονται μετά την εγκατάσταση του ρομπότ τροφοδοτούν εκ νέου την εκπαίδευσή του. Η ASUS περιγράφει το πλεονέκτημά της ως την πρόσβαση στα κατάλληλα δεδομένα από πραγματικούς σταθμούς εργασίας και εξαρτήματα, καθώς και στους κανόνες ποιότητας, ενώ τα δικά της εργοστάσια παροχής υπηρεσιών κατασκευής ηλεκτρονικών προσφέρουν ένα περιβάλλον δοκιμών για το οποίο οι περισσότερες εταιρείες ρομποτικής πρέπει να πληρώνουν ενοίκιο.

Τέσσερα επίπεδα λογισμικού και υλικό που αναπτύσσεται εσωτερικά

Το λογισμικό του Gallop χωρίζεται σε τέσσερα επίπεδα. Ένας σχεδιαστής ερμηνεύει τη σκηνή και χωρίζει την εργασία σε βήματα· ένα δεύτερο σύστημα τεχνητής νοημοσύνης επιβλέπει κάθε βήμα και καταρτίζει νέο σχέδιο όταν προκύπτει πρόβλημα· ένα επίπεδο δεξιοτήτων χειρίζεται την προσέγγιση, τη σύλληψη και την τοποθέτηση· και ένα επίπεδο ελέγχου κινεί με ακρίβεια τα χέρια και τις παλάμες και τα σταματά αν κάτι δεν πάει καλά.

Οι σταθερές διεπαφές μεταξύ των επιπέδων έχουν σχεδιαστεί ώστε να επιτρέπουν στην ASUS να αντικαθιστά τα μοντέλα τεχνητής νοημοσύνης χωρίς να χρειάζεται να ανακατασκευάζει το ρομπότ. Το σύστημα λειτουργεί σε έναν υπολογιστή NVIDIA Jetson AGX Thor μέσα στο Gallop, χρησιμοποιώντας τυπικό λογισμικό ρομποτικής.

Η ASUS σχεδιάζει εσωτερικά το σώμα και μια επιδέξια παλάμη με αισθητήρες αφής, ενώ προμηθεύεται κινητήρες και άλλα τυπικά εξαρτήματα από καθιερωμένους συνεργάτες. Το τρέχον ρομπότ έχει σταθερή βάση και δύο βραχίονες για εργασίες συλλογής και τοποθέτησης σε σταθερό σημείο· η παλάμη που αναπτύχθηκε εσωτερικά δεν έχει ακόμη ενσωματωθεί.

Σχέδια για πιλοτικές δοκιμές και εμπορική διάθεση

Η ASUS σχεδιάζει να ενσωματώσει την παλάμη, να προσθέσει τροχούς και να παρουσιάσει το Gallop στους πελάτες στην Computex 2027, ενώ για την ίδια χρονιά προβλέπονται και πιλοτικές δοκιμές με πελάτες. Στόχος είναι να διατεθεί στην αγορά το δεύτερο εξάμηνο του 2028.

Η κατασκευή ηλεκτρονικών είναι η πρώτη αγορά στην οποία προορίζεται να απευθυνθεί. Η ASUS αναμένει ότι οι δεξιότητες συλλογής και τοποθέτησης που αποκτώνται σε μία εργασία θα μπορούν να μεταφερθούν και σε άλλες, ανοίγοντας ενδεχομένως τον δρόμο για μελλοντικές εφαρμογές σε νοσοκομεία και χώρους παροχής υπηρεσιών.

Η ASUS προορίζει το ρομπότ για επαναλαμβανόμενες, σωματικά απαιτητικές θέσεις εργασίας που είναι δύσκολο να στελεχωθούν, όχι για να αντικαταστήσει τους εργαζομένους. Οι εργαζόμενοι που θα το εκπαιδεύουν θα αναλάβουν τη ρύθμιση, την επίβλεψη και τη βελτίωση των ρομπότ.

Οι προγραμματισμένες πιλοτικές δοκιμές θα εξετάσουν αν η εκμάθηση από εξειδικευμένους εργαζομένους και τα δεδομένα που αφορούν συγκεκριμένους σταθμούς εργασίας μπορούν να διασφαλίσουν την ποιότητα και τον ρυθμό παραγωγής του εργοστασίου στην καθημερινή λειτουργία. Η ASUS έχει θέσει αυτή τη συνέπεια ως προϋπόθεση για ευρύτερη χρήση: ο λειτουργικός κύκλος εκπαίδευσης του Gallop αποτελεί το σημείο εκκίνησης και οι πιλοτικές δοκιμές πρέπει να δείξουν ότι μπορεί να παράγει επαναλήψιμα αποτελέσματα υπό τις καθημερινές συνθήκες ενός εργοστασίου.

Ο Orion Sato είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη, που επικεντρώνεται στη ρομποτική, την αυτοματοποίηση και τις έξυπνες μηχανές. Τα γραπτά του εξετάζουν πώς οι πρόοδοι στη ρομποτική επανασχεδιάζουν την παραγωγή, την εφοδιαστική, την υγεία και την καθημερινή ζωή μέσω ολοένα και πιο αυτόνομων συστημάτων.
Από μια τεχνική οπτική με έμφαση στην υλοποίηση, ο Orion αναλύει ρομποτικές αρχιτεκτονικές, σύντηξη δεδομένων αισθητήρων, συστήματα ελέγχου και τη σύγκλιση της τεχνητής νοημοσύνης με τη μηχανική νοημοσύνη. Ενδιαφέρεται ιδιαίτερα για το πώς η αυτοματοποίηση μεταφέρεται από ελεγχόμενα περιβάλλοντα σε πραγματικές εφαρμογές, όπου η αξιοπιστία, η ασφάλεια και η αποτελεσματικότητα έχουν τη μεγαλύτερη σημασία.
Τα άρθρα που γράφονται από τον Orion Sato δημιουργούνται από τεχνητή νοημοσύνη και ελέγχονται από την συντακτική ομάδα της Unite.AI για να διασφαλιστεί η τεχνική ακρίβεια, η σαφήνεια και η συμμόρφωση με τα συντακτικά πρότυπα.