ハミド・モンタゼリ、ロクス・ロボティクスのソフトウェア＆AI担当上級副社長 – インタビュー・シリーズ

ロクス・ロボティクスのソフトウェアおよび人工知能担当上級副社長であるハミド・モンタゼリは、30年以上にわたるグローバルに分散したチームをリードし、拡大させる経験を持つ。モジュラーでスケーラブルなソフトウェアアーキテクチャ、およびクラウド、IoT、ビッグデータ、AI/MLなどの変革的なテクノロジーの応用に特化している。彼のキャリアを通じて、ハミドは、スタートアップから多国籍企業まで、自律ロボティクス、知能型倉庫自動化、世界中の産業にサービスを提供するサプライチェーンシステム向けに、差別化されたソリューションと製品を提供してきた。

ロクス・ロボティクスは、自律移動ロボットと知能型ソフトウェアを組み合わせて、AI駆動型の倉庫自動化ソリューションを設計および提供している。LocusONEというプラットフォームは、ピッキング、プットアウェイ、輸送、メザニン作業などのタスクを処理するロボットのフリートをオーケストレートすることで、生産性を2倍から3倍に高め、労働コストを削減する。システムは既存の倉庫環境にシームレスに統合され、柔軟にスケーリングできるため、運用はわずかな障害でロボットを数台または数千台展開できる。

あなたは、CNNからスタンレー・ブラック＆デッカー、デマティック、KIONグループ、そして現在のロクス・ロボティクスまで、さまざまな組織でリーダーシップを担ってきました。どのようにして、AIとロボティクスが最も大きな影響を与えることができる場所についてのあなたの視点が形成されてきたのでしょうか。

30年以上にわたるAIおよびソフトウェアの技術役割を通じて、業界がどのように進化してきたかを見てきたので、視点は大きく形作られてきました。

初めてこの業界に入ったとき、ソフトウェア開発は、構造化されたアプローチからオブジェクト指向のパラダイムへの移行を経験しており、単一のプロセスから分散型のソフトウェアコンポーネントへの移行を経験していました。ソフトウェアは特定のマシンで実行されるのではなく、分散型のアーキテクチャを使用して、インタープロセスおよび/またはネットワーク通信技術を利用して目標を達成するように設計されていました。時間の経過とともに、焦点は別の分野に移り、プログラミング言語の基礎システムの開発から、ネットワークおよびインターネットの機能を活用してシステムのスケーラビリティを高めることに重点が置かれ、クラウドコンピューティングの開発につながりました。

これらの変化は業界にとって重要でした。コンピューティングおよびストレージのエラスティシティを段階的にもたらすとともに、AIおよびロボティクスに新たな機会をもたらしました。進化は続き、私はキャリアを通じて、AIおよびロボティクスがサプライチェーンおよびロジスティクス業界に与える影響を直接見てきました。現在、ロボットは、コンピューティング、ストレージ、AIの能力を備え、巨大な高密度環境、複雑な幾何学を持つ環境、たとえば倉庫で効果的にナビゲートおよび操作できるようになっています。

倉庫自動化の文脈では、「物理AI」とは何を意味するのでしょうか。また、従来のロボティクスまたは一般的なAIモデルとはどのように異なるのでしょうか。

物理AIは、ロジスティクスおよび倉庫自動化の未来です。リアルタイムの認識、意思決定、継続的な学習の組み合わせによって自律操作を可能にし、ロボットが毎回最適な決定を下すことができるようにします。

物理AIを使用すると、ロボットは、構造化された固定構成環境でのみ動作するのではなく、環境内の変更に自動的に適応し、計画を最適な方法で再ルーティングすることができます。

物理AIを使用しないロボティクスは、適用可能性が限られます。興味深いことに、現代の一般的な基礎モデルを適用しても、物理AIがアプリケーション ドメインのニーズを解決することはできません。倉庫自動化を目指す場合、プロセスを可能な限り効率的にすることが目標です。一般的なモデルは、効率的なナビゲーションや倉庫環境でのアソシエイトとのやり取りなどのドメイン固有の懸念に対処するように設計されていないため、実際にこれを達成することはできません。物理AIは、特別に開発された倉庫基礎モデルを備え、ロボットが常に最も効率的な方法で動作することを保証する、目的のあるアプローチを提供します。

AI駆動型ロボティクス・システムは、常に変化する環境、たとえば新しいSKU、レイアウトの変更、または需要の急激な増加に対してどのように適応するのでしょうか。

これらはすべて、物理AIが優れている分野です。需要の急増、レイアウトの変更、または新しいSKUの導入が発生すると、物理AIを搭載したロボットは、シームレスに変化する環境に適応できます。

これが、ロジスティクスにおいて物理AIが優れている理由です。この目的のあるアプローチは、業界が通常直面する不断の変化に追随できます。

なぜ、サプライチェーンおよびロジスティクスにおいて、広範な基礎モデルを追求するよりも、ドメイン固有のAIがより効果的であると考えるのでしょうか。

一般に、サプライチェーンおよびロジスティクスにおいて、ドメイン固有のAIが最も効果的です。特に、倉庫自動化の場合、ドメイン固有のモデルを持つことは、自動化を次のレベルに引き上げるための鍵となります。

倉庫自動化の場合、一般的な基礎モデルは、安全性や複雑なレイアウトのナビゲーションなどの、倉庫環境が通常直面する課題に対処するように設計されていません。したがって、オペレーターは、これらの課題が発生したときに、それらに対処する負担を負うことになります。

一方、ドメイン固有のモデルは、実際にこれらの課題を解決するために必要な業界の専門知識を備えています。ドメイン固有のモデルを使用することで、オペレーターは課題が発生したときに解決策を提供し、適用するためのドメインの専門知識を活用できます。

倉庫で物理AIを展開した場合の、測定可能な成果、たとえば生産性の向上、ダウンタイムの削減、またはエラー率の低減についてはどうでしょうか。 

ロクス・ロボティクスでは、目的のある物理AIを備えたソリューションが、顧客の倉庫で次のような影響をもたらしています。

• オーダーアキュラシーの向上：99%
• エラー率の低減：04%から0.01%
• ダウンタイムの削減：数週間でサイトを稼働させる
• 生産性の向上：顧客が運用の生産性を2倍または3倍にできる

高容量運用における安全性、信頼性、人間の監視については、どのようにアプローチしていますか。

高容量運用の自動化において、安全性、信頼性、人間の監視はすべて、ソリューションの選択から始まります。

これらの分野は設計プロセスにおいて重要であり、自動化の選択時に優先順位を付ける理由を強調しています。

ロクス・ロボティクスでは、自律移動ロボット（AMR）は、業界の安全性基準を満たすように設計されています。LocusBotsは、マルチセンサーセーフティシステムを使用し、カメラと光検出および距離測定（LiDAR）を備え、衝突や障害物を回避し、倉庫運用および労働者を安全に保ちます。

信頼性も私たちの核心です。倉庫オペレーターにとって、需要の急増を乗り切ることはビジネスの現実です。ロクス・ロボティクスでは、ロボティクスとしてのサービス（RaaS）モデルにより、オペレーターは自動化のための前払いコストや時間的投資なしに倉庫環境を自動化できます。代わりに、私たちのソリューションにより、オペレーターは需要の変化に応じて自動的にスケールアップまたはスケールダウンできます。

高容量運用では、人間の監視は常に必要です。しかし、自動化の成功の鍵は、より大きな責任を負うことができるソリューションを利用することです。ロクスのAMRの重要な特徴は、離散イベントシミュレーション（DES）技術と詳細なロボット自律性モデルを組み合わせたことです。これにより、オペレーターは運用の概念を設計し、環境内でのボットの最も効率的な使用方法を正確にシミュレートできます。これにより、ピッキング時間の最適化と、注文が時間通りに出荷されることを保証するために重要な2つの要素が可能になります。

AI駆動型ロボティクスを既存の倉庫管理およびERPシステムと統合する際に生じる課題についてはどうでしょうか。また、それらをどのように解決していますか。

統合の実装時間は、自動化の最大の課題と見なされています。オペレーターは、既存のテクノロジー・スタックを調査し、古いレガシーシステムから移行することを検討する必要があります。AIは大量のデータを使用するため、AIモデルをサポートするためにインフラストラクチャが十分かどうかも検討する必要があります。

選択したソリューションによっては、オペレーターは大きな時間的コミットメントを必要とする可能性があり、システムの移行やワークフォースの広範なトレーニングが必要になる場合があります。

ロクス・ロボティクスは、オペレーターが時間を課題とみなさないようにします。私たちのAMRは、これらのシステムとシームレスに統合するように設計されており、他のソリューションが必要とする移行とトレーニングのための高価な前払い時間的投資を回避するのに役立ちます。

これらのソリューションは、さまざまな倉庫や地理的地域でどれだけスケーラブルですか。また、通常どれくらいのカスタマイズが必要ですか。

柔軟な自動化の理想的なスケーラビリティが、これらのソリューションの特徴です。従来の自動化システムでは、前払いコストと長期的な時間的コミットメントが必要です。

ロクス・ロボティクスなどのロボティクスとしてのサービス（RaaS）モデルを使用する自動化により、倉庫は需要に応じてロボットのフリートを展開および調整できます。つまり、需要が変化すると、オペレーターは運用を柔軟にスケールできます。

ロクス・ロボティクスは、倉庫自動化のグローバルリーダーとして、ソリューションはすべての地理的地域でスケーラブルです。私たちのダッシュボードは、ユニット/時間やピック/時間などの主要な倉庫パフォーマンスメトリックに関するリアルタイムの洞察を提供し、オペレーターが倉庫の特定の要件に基づいてソリューションをスケールすることを可能にします。

ロクス・ロボティクスのソリューションでは、カスタマイズは容易に実行でき、顧客の努力は必要ありません。すべてが、各顧客のユニークなニーズに基づいてスケールするように設計されています。 

これらのテクノロジーは、倉庫内の人間の労働者の役割をどのように変えますか。また、どのようなスキルアップまたは変更管理が必要ですか。

AMRは、安全な作業環境を作り出し、新しい機会を人間の労働者に提供することで、標準的な倉庫の役割を再定義しています。

ロクス・ロボティクスでは、ロボットと人間の労働者とのやり取りを特別に設計しており、ロボティクス自動化の展開と運用のための従業員トレーニング/変更管理を非常に簡単に実現しています。たとえば、ロクスボットを現場に展開すると、トレーニングにより、従業員はわずか10分でロボットと共同作業を開始できます。つまり、オペレーターと従業員は、ストレスの多い時間的コストのかかるトレーニングに悩まされる必要はありません。

AMRは、物理的に厳しい作業や長距離の移動などのタスクを減らし、人間の労働者の負担を軽減することで、人間の労働者の安全性と健康を向上させることができます。また、繰り返しのタスクから人間の労働者を解放し、より複雑なタスクに集中できるようにすることで、人間の労働者に新たな機会を提供することもできます。

倉庫にAMRを導入することは、人間の労働者の役割を強化する機会です。自動化を検討する場合、人間の労働者がより高度な責任を負う機会や、ボットと直接協力する役割、たとえばボットのパフォーマンスデータを分析するアナリストなどの新しい役割を特定することに重点を置く必要があります。

これらのシステムを動かしているAIモデルとアプローチについてはどうでしょうか。また、エッジで動作するのか、クラウドで動作するのかについてはどうでしょうか。 

ロクス・ロボティクスでは、ソリューションのAIは3つの特性を持つことについて重点を置いています。物理的（倉庫に埋め込まれたAIで、環境に適応するように設計されている）、信頼性（決定を説明できるAI）、およびホリスティック（倉庫全体をシステムとしてオーケストレートするAI）です。私たちにとって、倉庫を真正に理解し、顧客の環境に実際の結果をもたらすことができるAIを構築することです。

データはどのモデルの基盤です。ロクス・ロボティクスの深い業界の専門知識と、実際の世界のデータ、約60億ユニットのピッキングデータを組み合わせることで、ドメイン固有のモデルを構築し、倉庫を優先するシステムを開発できます。

ロクス・ロボティクスでは、エッジとクラウドの両方でAIを利用しています。私たちのAMRは、物理的で信頼性の高いAIを実現するためにエッジAIを利用していますが、倉庫全体のシステムレコードからシステムへのアクション戦略や倉庫基礎モデルは、クラウドが提供するスケーラブルな計算能力に依存しています。

5年先を見て、ロジスティクスおよびサプライチェーンのAI駆動型ロボティクスではどのような大きな進歩または変化が予想されますか。

最も大きな変化は、物理AIが主流になることです。企業がAI投資のROIを評価し続けるにつれて、オペレーターは自動化の結果を慎重に評価するでしょう。

物理AIを搭載していない自動化ソリューションに予算を割いた企業は、倉庫で期待したROIを達成できないでしょう。物理AIを搭載していないソリューションは、倉庫環境で優れたパフォーマンスを発揮するために必要な理解を欠いています。これにより、オペレーターは物理AIソリューションに予算を割き、リアルタイムで最適な決定を下すことができるようになり、期待した結果を達成するでしょう。

物理AIの台頭とともに、ロジスティクスおよびサプライチェーンのロボティクスは、汎用的な基礎モデルからドメイン固有のモデルへの開発に重点を置くでしょう。オペレーターはROIの向上を求めているため、ドメイン固有のモデルを使用するソリューションが重要な役割を果たすことになります。

AIが成功するには、サプライチェーンおよびロジスティクス環境内で活躍するための真正なドメインの専門知識から利益を得ること、およびそれを組み込むことの重要性を業界がよりよく理解する必要があります。したがって、私たちは、サプライチェーンおよびロジスティクス環境内で活躍するように設計されたAIに開発とリソースを投入することに重点を置きます。

素晴らしいインタビュー、詳細を知りたい読者はロクス・ロボティクスを訪問してください。