Интервью
Массимилиано Моруззи, Основатель и Генеральный Директор Xaba – Интервью
Массимилиано Моруззи, основатель и генеральный директор Xaba, является опытным специалистом в области промышленной автоматизации и искусственного интеллекта с глубокими знаниями в области робототехники, систем управления, станков с ЧПУ и систем промышленного управления на основе ИИ. До основания Xaba в 2022 году он занимал руководящие должности в Augmenta, где возглавлял исследования и разработку в области автоматизации на основе ИИ, и ранее работал на руководящих инженерных и программных должностях в Ingersoll Machine Tools и IMTA. На протяжении более двух десятилетий в области промышленной технологии Моруззи сосредоточился на сокращении разрыва между передовой робототехникой и практическим внедрением производства, с особенным акцентом на ermögлении машин работать более интеллектуально, адаптивно и автономно.
Xaba – это торонтская промышленная компания по разработке ИИ, которая создает так называемые “синтетические мозги” для промышленных роботов и систем управления. Платформа компании объединяет генеративный ИИ, обучение с подкреплением, управление робототехникой и промышленной автоматизацией, чтобы позволить роботам, станкам с ЧПУ и системам с программным управлением программировать и адаптироваться в реальном времени без ручного программирования. Ее флагманские технологии, включая xCognition и PLCfy, предназначены для автоматизации программирования робототехники, оптимизации производственных процессов и ускорения внедрения в различных отраслях, таких как аэрокосмическая, автомобильная и передовая производственная. Xaba позиционирует свою технологию как способ модернизации автоматизации производства, заменяя жесткие, запрограммированные системы на системы, управляемые ИИ, которые могут учиться на операционных данных и динамически адаптироваться к меняющимся производственным условиям.
Что первоначально вызвало идею создания Xaba, и когда вы поняли, что промышленные роботы нуждаются в принципиально другом подходе – по сути, в синтетическом мозге, а не в дополнительных строках кода?
Идея возникла из наблюдения за тем, как большинство промышленных роботов терпят неудачу на самом базовом уровне вариативности. Эти машины механически точны, но когнитивно хрупки. Малые изменения в допусках деталей, параметрах процесса или поведении материала могут нарушить всю операцию.
Ответ отрасли был последовательным: написать больше кода, добавить дорогие жесткие крепления, чтобы исключить вариативность, добавить больше правил, положиться на человеческий надзор и постоянно перенастраивать систему.
Тогда меня осенило: это не проблема программного обеспечения – это отсутствие мозга.
Сегодня промышленные роботы и контроллеры слепо выполняют инструкции, не понимая, является ли результат хорошим или плохим. Они не рассуждают о физическом мире вокруг них.
Роботы не терпят неудач из-за отсутствия инструкций; они терпят неудачу, потому что им не хватает понимания. Люди не полагаются на тысячи строк кода, чтобы затянуть болт или нанести клей. Мы адаптируемся инстинктивно на основе силы, движения и физической обратной связи.
Стало ясно, что промышленные роботы нуждаются в синтетической системе рассуждения, основанной на физике, а не просто на еще одном слое программирования.
Как ваш опыт в Augmenta AI и на предыдущих должностях сформировал ваше мнение, которое вы принесли в Xaba, и какие конкретные пробелы или идеи побудили вас создать эту компанию?
В Augmenta AI мы были глубоко сосредоточены на принятии решений на основе ИИ, оптимизации и автономности. Стало очевидным, что большинство систем ИИ работают в абстрактной форме, оптимизируя представления данных, а не взаимодействуя с физической реальностью.
На предыдущих должностях я видел, как проекты по автоматизации застревали или терпели неудачу не потому, что роботы были не способны, а потому, что инженерные издержки были неустойчивыми. Пробел был очевиден: не было интеллектуального слоя, который мог бы соединить высокоуровневые намерения с реальной физикой. Xaba существует, чтобы заполнить этот пробел, давая машинам возможность рассуждать о силе, движении, ограничениях и результатах так же, как это делают опытные люди.
Xaba создает первую в мире физику-ориентированную систему GenAI для промышленных роботов. Как этот подход отличается от традиционного программирования роботов и от современных моделей ИИ?
Традиционное программирование роботов зависит от предопределенных путей, параметров процесса, сил и последовательностей действий. Оно предполагает, что окружающая среда ведет себя одинаково каждый раз, как в модели CAD.
Современные модели ИИ используют другой подход, но они все еще в основном статистические. Они хорошо подходят для прогнозирования и имитации, но они не真正 понимают физическую причинно-следственную связь.
Подход Xaba представляет собой третью парадигму. Вместо того, чтобы полагаться в основном на визуальные данные или статические инструкции, мы используем временные ряды данных от датчиков, таких как сила, температура, ускорение, напряжение, акустика и вибрация, чтобы понять лежащую в основе физику процесса.
Это дает системе понимание того, как действия влияют на результаты. Вместо того, чтобы просто следовать инструкциям, машина может адаптироваться в реальном времени, когда условия меняются.
Мы переводим промышленных роботов из жесткой автоматизации в системы, которые могут рассуждать физически о выполняемой работе.
Как синтетическое рассуждение улучшает качество, повторяемость и адаптивность в реальном времени на заводском полу?
Синтетическое рассуждение позволяет роботам адаптироваться во время выполнения задачи. Если сопротивление меняется, робот компенсирует это соответственно. Если поведение материала меняется, оно адаптирует движение. Это приводит к более высокому качеству, потому что робот реагирует на реальность, а не на предположения.
Повторяемость улучшается, потому что система не воспроизводит хрупкие траектории; она заново решает задачу каждый раз на основе физических намерений. И адаптивность становится родной, а не исключением, которое требует перепрограммирования.
Почему вы считаете, что следующий крупный прорыв в ИИ произойдет в физических системах, а не в чисто цифровых?
Потому что реальный мир работает на физике, а не на корреляциях. Большинство современных систем ИИ построены вокруг распознавания закономерностей и прогнозирования.
Самые значительные прорывы в ИИ на данный момент произошли в цифровых средах, где распознавание закономерностей часто достаточно. Но физические системы, такие как сварка, обработка и сборка, работают иначе. Они зависят от причинно-следственных связей между силой, энергией, температурой, движением и поведением материала. В этих средах небольшие вариации могут нарушить процесс, и ошибки имеют реальные последствия.
Поэтому следующий прорыв требует сдвига от прогнозирования, основанного на данных, к рассуждениям, основанным на физике.
Физика-ИИ позволяет сделать этот сдвиг. Используя временные ряды данных от датчиков для извлечения управляющих уравнений процесса, ИИ может перейти от прогнозирования результатов к пониманию того, как система ведет себя. Это позволяет машинам адаптироваться в реальном времени, даже под вариативностью.
- Цифровой ИИ → в основном построен вокруг корреляции, прогнозирования и генерации контента.
- Физика-ИИ → позволяет машинам рассуждать, адаптироваться и реагировать на реальные условия в реальном времени.
Следующая волна ИИ не будет определяться лучшими моделями языка или имитационными играми, а машинами, которые могут понять и контролировать реальность.
Что делает сегодняшнюю инфраструктуру автоматизации устаревшей, и что необходимо, чтобы исправить это на уровне отрасли?
Сегодняшняя инфраструктура построена на предположении, что вариативность – это враг. Все жесткое, переинжинирное и дорогое в обслуживании. Она не масштабируется хорошо, потому что каждое новое изделие или вариация процесса требует значительного человеческого вмешательства.
Чтобы исправить это, необходимо перейти от программирования к когнитивным способностям. Вам нужен универсальный интеллектуальный слой, который может сидеть на существующем оборудовании и сделать его адаптивным. Это то, как вы модернизируете автоматизацию, не разрывая десятилетия инвестиций.
Многие производители сталкиваются с задачами, которые все еще требуют тысяч строк кода и недель калибровки. Как Xaba устраняет этот узкий проход?
Производители сталкиваются с этим узким проходом, потому что сегодняшние системы управляются кодом и основаны на имитации, а не на понимании. Они полагаются на тысячи строк логики или на модели ИИ, обученные на пикселях и видео, которые мы часто называем имитационной игрой. Эти подходы захватывают закономерности, но они не понимают лежащую в основе процесс.
Xaba идет по фундаментально другому пути.
Мы используем временные ряды данных от датчиков, силы, температуры, тока и вибрации для построения нового класса фундаментальных моделей, основанных на физике. Вместо того, чтобы учиться на корреляциях, наша Физика-ИИ извлекает управляющие уравнения процесса. Это дает системе истинное причинно-следственное понимание того, как действия влияют на результаты.
Из этого система генерирует физически действительные действия в реальном времени. Робот не воспроизводит примеры или следует предопределенному коду; он рассуждает о процессе до того, как действовать, и адаптируется непрерывно под вариативность.
На практике это означает, что нет тысяч строк кода, нет зависимости от имитации на основе пикселей и нет постоянной перенастройки, когда условия меняются. Вместо этого вы получаете систему, которая понимает физику и контролирует ее. Это то, как мы переходим от программирования и имитации к истинному физическому рассуждению и автономному контролю.
Роботы, обучающиеся на демонстрации, – это смелый сдвиг. Какие технические вехи сделали это возможным, и какие ограничения все еще существуют сегодня?
Роботы, обучающиеся на демонстрации, – это важный шаг, но это все еще в основном имитационный подход. Эти системы сопоставляют наблюдения (такие как пиксели или траектории) с действиями без понимания лежащей в основе физики задачи.
С точки зрения Физики-ИИ реальная веха – это переход от имитации к причинно-следственному пониманию.
Что сделало это возможным, это:
- Прогресс в области восприятия (модели языка и зрения, многомодальное данные)
- Большие наборы данных поведения человека и робота
- Улучшенные политики, которые могут сопоставить наблюдения с действиями
Но эти системы все еще фундаментально корреляционно-ориентированы. Они могут воспроизвести то, что они видели, но они борются, когда:
- Материалы ведут себя по-разному
- Параметры процесса меняются
- Геометрия или допуски варьируются
- Физика реального мира отклоняется от данных обучения
Вот где ограничения становятся очевидными.
В Xaba мы используем другой подход. Вместо того, чтобы учиться тому, что делать на демонстрациях, мы учимся, почему это работает.
Используя временные ряды данных от датчиков, Xaba извлекает управляющие физические уравнения процесса. Это создает фундаментальную модель Физики-ИИ, которая понимает, как система ведет себя при разных условиях.
Настоящий прорыв происходит от способности машины рассуждать о силах, энергии и поведении материала, адаптироваться в реальном времени и генерировать физически действительные действия.
Как система Xaba адаптируется к непредсказуемым реальным условиям – вариациям материала, износу инструмента или тонким изменениям окружающей среды?
Потому что система непрерывно рассуждает о силе, движении и результатах, она может обнаружить, когда реальность отклоняется от ожиданий, и скорректировать в реальном времени. Износ инструмента становится переменной, а не неудачей. Вариация материала становится частью цикла рассуждения.
Это фундаментально отличается от обработки ошибок на основе порогов – это непрерывная адаптация.
Оглядываясь вперед на пять лет, как вы видите развитие физики-ориентированного GenAI, и какой видит полностью автономный завод, обеспеченный синтетическим рассуждением?
С моей точки зрения, следующие пять лет будут означать переход от автоматизации к真正шему когнитивному производству.
Физика-ориентированный GenAI будет развиваться от оптимизации отдельных задач к построению фундаментальных моделей для целых промышленных систем. Вместо обучения на пикселях или прошлых траекториях эти системы будут непрерывно учиться на силе, температуре, энергии и динамике, обеспечивая причинно-следственное понимание каждой операции.
Сдвиг глубокий:
- От программирования → самогенерируемых стратегий управления
- От статических моделей → непрерывно обучающихся систем
- От корреляции → рассуждений, основанных на физике
Полностью автономный завод, обеспеченный синтетическим рассуждением, будет выглядеть фундаментально иначе. Машины будут само-программироваться на основе желаемых результатов, адаптироваться в реальном времени к вариативности материалов и геометрии, и внутренне контролировать качество, а не проверять его после факта. Знания не будут изолированы – они будут распространяться по машинам, линиям и даже заводам, непрерывно улучшая производительность.
Но наиболее важной трансформацией будет человеческая. С настоящим синтетическим мозгом для производства связь между людьми и машинами станет двусторонней. Люди не будут просто программировать машины, но будут учиться на них, как машины учатся на человеческих намерениях и опыте.
Автоматизация перестанет быть функцией работы и станет платформой для карьерного роста, непрерывного обучения и открытий. Инженеры, операторы и техники будут сотрудничать с системами, которые объясняют, адаптируются и повышают их понимание физических процессов.
В этом мире нет недель калибровки или тысяч строк кода. Завод работает как скоординированная, физика-ориентированная система, которая усиливает человеческие возможности и понимание.
В конечном итоге мы переходим от заводов, которые выполняют инструкции, к заводам, которые понимают, рассуждают и коэволюционируют с людьми. Это будущее, которое мы строим в Xaba.
Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Xaba.
