Hamid Montazeri, wiceprezes ds. oprogramowania i sztucznej inteligencji w Locus Robotics – seria wywiadów

Jako wiceprezes ds. oprogramowania i sztucznej inteligencji w Locus Robotics, Hamid Montazeri posiada ponad 30-letnie doświadczenie w kierowaniu i skalowaniu zespołów rozproszonych na całym świecie. Specjalizuje się w modułowej i skalowalnej architekturze oprogramowania oraz w zastosowaniu transformacyjnych technologii, takich jak chmura, IoT, big data i AI/ML. W trakcie swojej kariery Hamid dostarczył rozwiązania i produkty, które różnią się od startupów po korporacje międzynarodowe, napędzając aplikacje w dziedzinie robotyki autonomicznej, inteligentnej automatyki magazynowej i systemów łańcucha dostaw obsługujących branże na całym świecie.

Locus Robotics projektuje i dostarcza rozwiązania automatyki magazynowej napędzanej przez sztuczną inteligencję, łącząc autonomiczne roboty mobilne z inteligentnym oprogramowaniem. Ich platforma, zwana LocusONE, orchestruje floty robotów do wykonywania zadań, takich jak pobieranie, umieszczanie, transport i operacje na półkach, zwiększając wydajność o dwa do trzech razy, przy jednoczesnym obniżeniu kosztów pracy. System integruje się bezproblemowo z istniejącymi środowiskami magazynowymi i skaluje się elastycznie, umożliwiając operacjom wdrożenie kilku robotów lub kilku tysięcy bez znaczących zakłóceń.

Pełniłeś role kierownicze w organizacjach od CNN po Stanley Black & Decker (SWK ), Dematic, KION Group, a teraz Locus Robotics. Jak ta różnorodna podróż ukształtowała twoją perspektywę na temat tego, gdzie sztuczna inteligencja i robotyka mogą dostarczyć największy wpływ?

Pełniąc role techniczne, które ściśle współpracują z AI i oprogramowaniem przez ponad trzy dekady, moja perspektywa została znacznie ukształtowana przez to, jak obserwowałem ewolucję branży.

Gdy zacząłem, branża znajdowała się w okresie, w którym wysiłki rozwojowe oprogramowania przechodziły od strukturalnych do obiektowych paradygmatów programistycznych, a od oprogramowania monolitycznego do komponentów, które mogą działać na różnych procesach systemu operacyjnego i wykorzystywać komunikację między procesami, aby osiągnąć cele w sposób rozproszony. Byliśmy na progu znaczącej zmiany, przenosząc oprogramowanie z uruchamiania na określonej maszynie do stania się rozproszonym, wykorzystując technologie komunikacji między procesami i/lub sieciowymi. Z czasem ten focus przesunął się w kierunku innych obszarów, napędzając nowe rozwoje od programowania podstawowych systemów do wykorzystania nowych możliwości sieciowych i internetowych, aby zwiększyć skalowalność systemów, a także wdrożenia, przechowywanie danych, prowadząc do ostatecznego rozwoju chmury.

Te zmiany były instrumentalne dla branży, ponieważ stopniowo wprowadziły pewien poziom elastyczności obliczeniowej i magazynowej, oraz wprowadziły nowe możliwości dla sztucznej inteligencji i robotyki. Te postępy kontynuowały się, gdy przebiegałem przez swoją karierę, i miałem okazję zobaczyć wpływ, jaki sztuczna inteligencja i robotyka mogą wywrzeć, szczególnie w branży łańcucha dostaw i logistyki. Jesteśmy teraz w punkcie, w którym roboty posiadają możliwość, pod względem obliczeń, magazynowania i sztucznej inteligencji, aby dokładnie nawigować i działać w ogromnych, wysokogęstnościowych środowiskach, takich jak magazyny, i dostarczyć znaczący wpływ biznesowy, w tym obniżone koszty, zwiększoną wydajność, poprawioną elastyczność i poprawioną wydajność pracy.

Czym jest „fizyczna sztuczna inteligencja” w kontekście automatyki magazynowej, i jak różni się od bardziej tradycyjnej robotyki lub ogólnych modeli sztucznej inteligencji?

Fizyczna sztuczna inteligencja jest przyszłością logistyki i automatyki magazynowej. Jest to podstawa napędzająca operacje autonomiczne poprzez połączenie percepcji w czasie rzeczywistym, podejmowania decyzji i ciągłego uczenia, umożliwiając robotom natychmiastowe optymalizowanie każdej decyzji.

Z fizyczną sztuczną inteligencją roboty nie są tylko zasilane, aby poruszać towarami w wysoko ustrukturyzowanych i trwale ustalonych środowiskach. Są wyposażone w inteligencję, która wykracza poza zapamiętanie konkretnego układu magazynu i przeniesienie czegoś z punktu A do punktu B. Jeśli coś w ich środowisku ulega zmianie, mogą automatycznie dostosować i przekierować planowanie, aby podjąć najlepsze decyzje na podstawie bieżących warunków.

Robotyka, która nie wykorzystuje fizycznej sztucznej inteligencji, będzie coraz bardziej ograniczona w swoim zastosowaniu. Co ciekawe, nawet zastosowanie nowoczesnych ogólnych modeli podstawowych nie jest szczególnie skuteczne w tworzeniu rodzaju fizycznej sztucznej inteligencji, który odpowiada potrzebom dziedziny aplikacji. Gdy spójrzysz na automatykę magazynową, celem jest to, aby procesy były jak najbardziej wydajne, a ogólne modele nie mogą naprawdę dostarczyć tego. Rzeczywistością z ogólnymi modelami jest to, że nie są one zaprojektowane, aby efektywnie radzić sobie z konkretnymi problemami dziedziny, takimi jak efektywna nawigacja i interakcja z pracownikami w środowiskach magazynowych. Fizyczna sztuczna inteligencja, wyposażona w specjalnie opracowany model podstawowy magazynu, zapewnia podejście zaprojektowane w celu zapewnienia, że roboty działają jak najbardziej wydajnie, z możliwością automatycznego dostosowania i korygowania, aby dostarczyć najlepszy wynik we wszystkich czasach.

Jak systemy robotyki napędzanej przez sztuczną inteligencję adaptują się do stale zmieniających się środowisk, takich jak nowe jednostki SKU, zmieniające się układy lub nagłe skoki popytu?

Te obszary to wszystko, w których fizyczna sztuczna inteligencja, wyposażona w podstawowy model dziedziny, wyróżnia się. Gdy popyt skacze, układy się zmieniają lub nowe jednostki SKU są wprowadzane, roboty zasilane przez fizyczną sztuczną inteligencję są wyposażone, aby bezproblemowo nawigować stałą zmianę.

To jest powodem, dla którego roboty zasilane przez fizyczną sztuczną inteligencję są optymalne dla logistyki. To podejście zaprojektowane w celu zapewnienia, że może ono nadążyć za stałą zmianą, jaką charakteryzuje się branża.

Dlaczego uważasz, że dziedzinowa sztuczna inteligencja jest bardziej skuteczna niż pogoń za ogólnymi modelami podstawowymi w przypadku łańcucha dostaw i logistyki?

Dziedzinowa sztuczna inteligencja jest najbardziej skuteczna dla łańcucha dostaw i logistyki ogólnie, a szczególnie w automatyce magazynowej.

Gdy chodzi o automatykę magazynową, posiadanie modeli dziedzinowych jest tym, co ostatecznie podnosi automatykę na następny poziom. Ogólny model podstawowy nie jest zaprojektowany, aby radzić sobie z wyzwaniami, jakie typowo stawiają środowiska magazynowe – takimi jak bezpieczeństwo i nawigacja w złożonych układach – co oznacza, że operatorzy będą nadal musieli radzić sobie z tymi przeszkodami.

Natomiast modele dziedzinowe są zasilane niezbędną wiedzą branżową, aby zrozumieć, jak rozwiązać te wyzwania. Wykorzystanie modeli dziedzinowych zmniejsza presję na operatorów i automatycznie ściąga wiedzę dziedzinową, aby zastosować rozwiązania wobec wyzwań, które pojawiają się.

Jakie mierzalne wyniki widziałeś w przypadku wdrożenia fizycznej sztucznej inteligencji w magazynach, czy to w postaci zwiększonej wydajności, zmniejszenia przestojów lub obniżenia wskaźników błędów? 

W Locus Robotics nasze rozwiązania zasilane przez fizyczną sztuczną inteligencję dostarczyły znaczące wyniki w magazynach naszych klientów, w tym:

• Poprawienie dokładności zamówień do 99%
• Obniżenie wskaźników błędów o 4% do 0,01%
• Zmniejszenie przestojów, uruchamiając placówki w zaledwie tygodniach zamiast miesięcy
• Zwiększenie wydajności, umożliwiając klientom podwojenie lub potrojenie wydajności operacyjnej

Jak podchodzisz do bezpieczeństwa, niezawodności i nadzoru ludzkiego przy wdrażaniu autonomicznych systemów w operacjach o wysokiej wydajności?

Gdy automatyzuje się operacje o wysokiej wydajności, takie jak magazyny, podejście do bezpieczeństwa, niezawodności i nadzoru ludzkiego zaczyna się od rozwiązań, które się wybiera.

Te obszary są kluczowe w procesie projektowania i podkreślają, dlaczego ci, którzy chcą zautomatyzować, powinni priorytetowo traktować rozwiązania, które są zaprojektowane z myślą o tym procesie.

W Locus Robotics nasze autonomiczne roboty mobilne (AMR) są zaprojektowane, aby spełniać i przewyższać normy bezpieczeństwa branżowe. Nasze LocusBots wykorzystują systemy bezpieczeństwa z wieloma czujnikami, kamerami i detekcją laserową, które pomagają im unikać kolizji i przeszkód, utrzymując bezpieczeństwo operacji magazynowych i pracowników.

Niezawodność również jest podstawą tego, co robimy. Dla operatorów magazynowych, ciągłe negocjowanie szczytów popytu jest rzeczywistością ich biznesu, ale uważamy, że nie musi to być punkt bólu. W Locus Robotics nasz model robotyki jako usługi (RaaS) pozwala operatorom zautomatyzować swoje środowiska magazynowe bez początkowych kosztów lub czasu inwestycyjnego, który zwykle wymaga automatyki. Zamiast tego, nasze rozwiązania umożliwiają operatorom automatyczne skalowanie w górę lub w dół, aby sprostać bieżącemu popytowi, zapewniając, że zawsze są wyposażeni, aby dostosować się do szczytów, gdy tylko się pojawiają.

W operacjach o wysokiej wydajności nadzór ludzki zawsze będzie wymagany, ale kluczem do pomyślnej automatyki jest wykorzystanie rozwiązań, które mogą przyjmować większe odpowiedzialności. Kluczową różnicą naszych AMR jest nasze połączenie technik symulacji zdarzeń dyskretnych (DES) z detalami modeli autonomii robota, co pozwala operatorom projektować koncepcje operacji i dokładnie symulować najbardziej efektywne wykorzystanie botów w swoich środowiskach, pomagając w usprawnieniu czasu pobierania i zapewniając, że zamówienia są wysyłane na czas – dwa kluczowe składniki dla wszystkich operatorów.

Jakie wyzwania pojawiają się przy integrowaniu robotyki napędzanej przez sztuczną inteligencję z istniejącymi systemami zarządzania magazynem i ERP, i jak je rozwiązujesz?

Czas wdrożenia jest zwykle postrzegany jako największe wyzwanie, które pojawia się przy automatyce. Operatorzy będą musieli zbadać swoje istniejące stosy technologiczne i rozważyć odejście od przestarzałych systemów legacy. Biorąc pod uwagę, że sztuczna inteligencja wykorzystuje ogromne ilości danych, będą również chcieli zbadać swoją istniejącą infrastrukturę, aby upewnić się, że jest ona w stanie wytrzymać i wspierać modele sztucznej inteligencji.

W zależności od wybranych rozwiązań operatorzy mogą znaleźć się w sytuacji, w której ich przejście wymaga znacznego zaangażowania czasowego, ponieważ mogą musieć przenieść systemy i przejść obszerny trening dla swojej siły roboczej.

Locus Robotics ma na celu usunięcie czasu jako wyzwania dla operatorów. Nasze AMR są zaprojektowane, aby bezproblemowo integrować się z tymi systemami, pomagając klientom uniknąć kosztownych, początkowych inwestycji czasowych wymaganych przez inne rozwiązania na rynku.

Jak skalowalne są te rozwiązania w różnych magazynach i geografiach, i jaki poziom dostosowania jest zwykle wymagany?

Łatwa skalowalność jest tym, co sprawia, że elastyczna automatyka jest idealna dla środowisk magazynowych. Tradycyjne systemy automatyki wymagają znaczących kosztów początkowych i długoterminowych zobowiązań czasowych.

Automatyka, która wykorzystuje model RaaS, jak Locus Robotics, pozwala magazynom wdrożyć i bezproblemowo dostosować rozmiar floty na podstawie popytu. Oznacza to, że gdy popyt maleje lub rośnie, operatorzy mogą skalować swoje operacje odpowiednio w swoich magazynach.

Jako globalny lider w dziedzinie automatyki magazynowej, nasze rozwiązania są skalowalne we wszystkich geografiach dla naszych klientów. Nasze pulpity dostarczają informacje w czasie rzeczywistym o kluczowych wskaźnikach wydajności magazynu – takich jak jednostki i pobieranie na godzinę, a także produktywność pracowników. To zunifikowana widoczność umożliwia operatorom łatwe skalowanie rozwiązań w różnych środowiskach, spełniając potrzeby operacyjne na podstawie konkretnych wymagań magazynowych.

W przypadku rozwiązań Locus Robotics dostosowanie jest łatwo dostępne bez wysiłku ze strony klientów; rzeczy są zaprojektowane, aby pomóc każdemu klientowi skalować na podstawie jego własnych, unikalnych potrzeb. 

Jak te technologie zmieniają rolę pracowników ludzkich w magazynach, i jaki rodzaj podnoszenia kwalifikacji lub zarządzania zmianą jest wymagany?

Autonomiczne roboty mobilne (AMR) całkowicie zmieniają standardowe stanowiska pracy w magazynach, tworząc bezpieczniejsze środowiska pracy i otwierając nowe możliwości dla siły roboczej ludzkiej.

Locus Robotics oferuje unikalnie intuicyjne podejście do interakcji między robotami a pracownikami i sprawia, że szkolenie pracowników w celu wdrożenia i obsługi robotyki jest bardzo łatwym zadaniem dla operatorów. Na przykład, gdy wdrożenie LocusBots na miejscu, szkolenie może umożliwić pracownikom rozpoczęcie pracy z robotami w 10 minut lub mniej – co oznacza, że operatorzy i pracownicy nie muszą martwić się o to, że będą powstrzymywani przez stresujące i czasochłonne oraz kosztowne szkolenia.

AMR mogą zmniejszyć ciężar pracy fizycznej, minimalizując ryzyko urazów i zmęczenia pracowników. Przejmując odpowiedzialność za zadania, takie jak podnoszenie ciężkich przedmiotów i długie podróże w magazynie, AMR poprawiają warunki pracy dla pracowników ludzkich, przejmując zadania, które wymagają dużego wysiłku. Mogą również ulżyć pracownikom ludzkim w zadaniach powtarzalnych, takich jak pobieranie, dając im możliwość skupienia się na bardziej złożonych zadaniach.

Wprowadzenie AMR do magazynu jest doskonałą okazją do podniesienia kwalifikacji pracowników ludzkich. Ci, którzy chcą zautomatyzować, powinni również skupić się na identyfikowaniu możliwości podnoszenia kwalifikacji, jakie to przynosi dla ich siły roboczej, aby mogli oni rozwinąć się w kierunku bardziej złożonych zadań i zidentyfikować obszary, w których można wprowadzić nowe role, w tym role, które pracują bezpośrednio z robotami, takie jak analitycy, którzy nadzorują dane wydajności robotów.

Czy możesz podzielić się, jakimi modelami sztucznej inteligencji i podejściami napędzają te systemy, i czy działają one bardziej na krawędzi, czy w chmurze? 

W Locus Robotics nasze rozwiązania sztucznej inteligencji koncentrują się na trzech cechach: fizycznej (sztucznej inteligencji wbudowanej w magazyn i zaprojektowanej do adaptacji do jego środowiska), godnej zaufania (sztucznej inteligencji, która może wyjaśnić swoje decyzje) i holistycznej (sztucznej inteligencji, która orchestruje magazyn jako system, a nie tylko napędza jeden robot lub zadanie). Dla nas chodzi o budowanie sztucznej inteligencji, która naprawdę rozumie magazyn i może dostarczyć realne wyniki dla środowisk naszych klientów.

Dane są podstawą każdego modelu, a głęboka wiedza branżowa Locus, w połączeniu z naszym skarbem danych z prawdziwego świata – obejmującym prawie 6 miliardów jednostek pobranych – pozwala nam budować modele dziedzinowe i rozwijać systemy zaprojektowane z myślą o magazynie.

W Locus Robotics wykorzystujemy sztuczną inteligencję zarówno na krawędzi, jak i w chmurze: nasze AMR wykorzystują sztuczną inteligencję na krawędzi, aby osiągnąć to, czego wymaga fizyczna i godna zaufania sztuczna inteligencja, podczas gdy nasze „magazynowe systemy rekordów i systemy działań” strategie i model podstawowy magazynu wykorzystują skalowalną moc obliczeniową, jaką zapewnia chmura.

Spójrzając w przyszłość, przez najbliższe pięć lat, jakie znaczące postępy lub zmiany oczekujesz w robotyce napędzanej przez sztuczną inteligencję dla logistyki i łańcucha dostaw?

Największa zmiana, której będziemy świadkami, to dominacja fizycznej sztucznej inteligencji. Gdy biznesy będą nadal oceniać zwrot z inwestycji w sztuczną inteligencję, operatorzy będą ściśle oceniać wyniki, które uzyskują dzięki automatyce.

Możemy oczekiwać, że ci, którzy zainwestowali w automatykę z rozwiązaniami, które nie są zaprojektowane w celu, nie zobaczą zwrotu z inwestycji w swoich magazynach, o których marzą. Rozwiązania, które nie są napędzane przez fizyczną sztuczną inteligencję, nie posiadają niezbędnej wiedzy, aby osiągnąć sukces w tych środowiskach. To spowoduje, że operatorzy będą priorytetowo traktować inwestowanie w fizyczną sztuczną inteligencję, która może optymalizować każdą decyzję w czasie rzeczywistym i dostarczać wyniki, których szukają.

Wraz ze wzrostem fizycznej sztucznej inteligencji zobaczymy również, jak robotyka w logistyce i łańcuchu dostaw oddala się od ogólnych, podstawowych modeli i skupia się na rozwijaniu modeli dziedzinowych. Jak wspomniano, operatorzy będą szukać sposobów, aby zwiększyć swój zwrot z inwestycji, a rozwiązania, które wykorzystują modele dziedzinowe, są kluczową częścią tego.

Aby sztuczna inteligencja odniosła sukces, zobaczymy, jak branża zyska lepsze zrozumienie, dlaczego musimy inwestować w sztuczną inteligencję, która korzysta z prawdziwej wiedzy dziedzinowej i ją włącza. Odpowiednio, będziemy koncentrować się na przydzielaniu rozwoju i zasobów sztucznej inteligencji zaprojektowanej do prosperowania w środowiskach łańcucha dostaw i logistyki.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Locus Robotics.