رباتهای انساننما وارد انبارهای واقعی میشوند — نخستین استقرارها واقعاً چگونهاند
در سال ۲۰۲۲، دموهای رباتهای انساننما عمدتاً در حوزه اجراهای صحنهای دقیقاً تمرینشده و ویدئوهای برجستهسازیشده بود. تا سال ۲۰۲۶، چندین شرکت ربات انساننما با تولیدکنندگان بزرگ و اپراتورهای لجستیک برای استقرار سیستمها در محیطهای تولید واقعی قرارداد امضا کردهاند. شکاف بین «دمو» و «استقرار» بسیار مهم است — و درک این که این استقرارهای اولیه واقعاً شامل چه چیزهایی هستند برای عبور از هیاهو ضروری است.
چه کسانی در چه مکانهایی مستقر میکنند
Figure AI در اوایل سال ۲۰۲۴ مشارکت خود با BMW را اعلام کرد که در آن رباتها در کارخانه تولیدی Spartanburg در کارولینای جنوبی فعالیت میکنند. وظایف محولشده با دقت محدود شدهاند: جابجایی قطعات بین ایستگاهها، بارگذاری قطعات در فیکسچرها، عملیات پایهای برداشتن و قرار دادن با اشیاء ثابت و قابل پیشبینی. BMW یکی از پیشرفتهترین تولیدکنندگان از نظر اتوماسیون در جهان است که دههها تجربه استقرار رباتهای صنعتی دارد — تمایل آنها به آزمایش رباتهای انساننما یک سیگنال معنادار است.
Digit از Agility Robotics در مراکز توزیع Amazon به صورت آزمایشی به کار گرفته شده است و جابجایی جعبههای حمل را انجام میدهد — حمل کانتینرهای استاندارد بین نوار نقالهها و مکانهای قفسهبندی. Amazon همچنین در Agility Robotics سرمایهگذاری کرده است که این رابطه را هم تجاری و هم راهبردی میکند. وظیفه جابجایی جعبه به عمد انتخاب شده است: جسم یکنواخت است، وزن قابل پیشبینی است و خطاها نسبت به جابجایی کالاهای شکننده یا با ارزش بالا عواقب کمی دارند.
ربات Apollo از Apptronik در حال آزمایش با Mercedes-Benz در آلمان است و بر تجمیع قطعات متمرکز است — مونتاژ مجموعه قطعات مورد نیاز برای یک خودروی خاص و آوردن آنها به خط مونتاژ. Sanctuary AI با Canadian Tire برای وظایف لجستیک خردهفروشی مشارکت دارد. Atlas از Boston Dynamics که اکنون در نسل سوم الکتریکی خود است، در محیطهای خودروسازی و تولید ارزیابی میشود.
«استقرار» امروز به چه معناست
عبارت «رباتهایی که در یک انبار کار میکنند» تصاویری از سیستمهای خودمختار که به طور مستقل و شبانهروزی فعالیت میکنند را تداعی میکند. واقعیت استقرارهای فعلی رباتهای انساننما محدودتر است. اینها برنامههای آزمایشی تحت نظارت هستند که معمولاً با اپراتورهای انسانی که میتوانند از راه دور مداخله کنند، در مناطق محدودی در داخل تأسیسات بزرگتر فعالیت میکنند و مجموعه باریکی از وظایف از پیش تأییدشده را انجام میدهند.
رباتها به معنای کلی به صورت خودمختار کار نمیکنند. آنها در محیطهای نقشهبرداریشدهای فعالیت میکنند که چیدمان آن به طور خاص مشخص شده است. آنها اشیایی را جابجا میکنند که قبلاً شناسایی و دستهبندی شدهاند. وقتی با موقعیت غیرمنتظرهای مواجه میشوند — یک شی ناآشنا، مانعی در موقعیت غیرعادی، سطحی که با توزیع دادههای آموزشی مطابقت ندارد — سیستمهای فعلی طوری طراحی شدهاند که مکث کنند و از انسان راهنمایی بخواهند، نه این که سعی به بداههپردازی کنند.
این امر عمدی و مناسب برای این مرحله از توسعه است. جایگزین — اجازه دادن به سیستمها برای تعمیم فراتر از آموزش خود — حالتهای خرابی را معرفی میکند که پیشبینی آنها دشوار و در محیطهای تولید بالقوه خطرناک است. مدل استقرار تحت نظارت به شرکتها اجازه میدهد دادههای عملیاتی دنیای واقعی را جمعآوری کنند، در حالی که استانداردهای قابل قبول ایمنی و قابلیت اطمینان را حفظ میکنند.
چرا انبارها و کارخانهها
انتخاب لجستیک و تولید برای استقرارهای اولیه رباتهای انساننما تصادفی نیست. این محیطها برای کارگران انسانی طراحی شدهاند، به این معنی که از نظر فیزیکی برای فرمفاکتورهای انساننما قابل دسترس هستند. به جز لیفتراکها، تجهیزات، ارتفاع قفسهها، سطوح کف و رابطهای ابزار، بدنی تقریباً به اندازه انسان با دو بازو و ایستاده را فرض میکنند. یک ربات چرخدار که برای یک وظیفه خاص انبار ساخته شده باشد میتواند کارآمدتر باشد، اما نیاز به بازطراحی محیط پیرامون ربات دارد. یک ربات انساننما میتواند از زیرساخت موجود استفاده کند.
اقتصاد نیروی کار این مورد را تقویت میکند. کار در انبار شامل نرخ بالای آسیبدیدگی، جابجایی قابل توجه کارکنان و تقاضای پایدار نیروی کار است که در بسیاری از بازارها تأمین آن دشوار است. شرکتهایی که در حال حاضر هزینههای بالایی برای کارکنان، غرامت کارگران و استخدام میپردازند، یک مورد تجاری معتبر برای استقرار رباتها حتی با هزینهها و قابلیتهای فعلی رباتها میبینند — به شرط آن که قابلیت اطمینان به اندازه کافی بالا باشد.
مشکل مهارت دستکاری
مهمترین شکاف بین قابلیتهای فعلی رباتهای انساننما و آنچه آنها را به طور گسترده مفید میکند، مهارت دستکاری است. جابجایی جعبهها و کانتینرهای استاندارد ساده است زیرا اشیاء برای جابجایی مکانیکی طراحی شدهاند. برداشتن اقلام با شکل نامنظم از یک سطل، جابجایی کالاهای نرم یا تغییرشکلپذیر، کار با ابزارهای طراحیشده برای دست انسان — این وظایف نیازمند قابلیت دستکاری است که سیستمهای فعلی آن را به طور ناپایدار انجام میدهند.
دست انسان دارای ۲۷ درجه آزادی و حس لامسه در سراسر سطح نوک انگشتان است که هیچ سیستم مصنوعی با هزینه تولید آن را تکرار نکرده است. دستهای رباتیک فعلی معمولاً ۳-۵ درجه آزادی با بازخورد لمسی محدود دارند. این برای طیف شگفتآوری از وظایف کافی است اما برای کلیت کامل آنچه یک کارگر انسانی در همان محیط انجام میدهد، ناکافی است.
چندین شرکت به طور خاص روی مشکل دست کار میکنند: Dexterous Robotics، Shadow Robot و چندین استارتآپ متمرکز بر هوش مصنوعی در حال توسعه هم سختافزار و هم رویکردهای یادگیری مورد نیاز برای بهبود دستکاری در محیطهای بدون ساختار هستند. این موضوع به طور گسترده به عنوان گلوگاه بحرانی برای گسترش قابلیت رباتهای انساننما فراتر از مجموعه وظایف انتخابی درک میشود.
حرکت دوپا در مقابل چرخدار: یک بحث جاری
همه بر این باور نیستند که حرکت دوپا پلتفرم مناسبی برای اتوماسیون در محیطهای انسانی است. رباتهای چرخدار و زنجیردار سریعتر، پایدارتر، ارزانتر و مصرف انرژی کمتری برای حرکت دارند. شرکتهایی مانند 1X Technologies سیستمهایی طراحی کردهاند که دوپا هستند اما به آرامی و با احتیاط حرکت میکنند و پایداری را بر سرعت ترجیح میدهند. دیگران، مانند Boston Dynamics با Spot، نشان دادهاند که فرمهای غیرانساننما میتوانند در محیطهای صنعتی بسیار توانمند باشند.
استدلال برای حرکت دوپا به طور خاص (در مقابل بدنهای بالایی تقریباً انساننما روی پایههای چرخدار) این است که پلهها، نردبانها و زمینهای ناهموار در بسیاری از محیطهای دنیای واقعی وجود دارند و نیاز به پا دارند. تأسیسات طراحیشده برای انسانها دارای پله در اسکلههای بارگیری، پلههای بین طبقات و سطوحی هستند که چرخها به خوبی از عهده آنها برنمیآیند. این که آیا مزیت تحرک، پیچیدگی مکانیکی و چالشهای پایداری حرکت دوپا را توجیه میکند، شدیداً به محیط استقرار خاص بستگی دارد.
اقتصاد: اعداد صادقانه
رباتهای انساننما در سال ۲۰۲۶ تقریباً ۱۰۰,۰۰۰ تا ۲۵۰,۰۰۰ دلار به ازای هر واحد هزینه دارند، بسته به تولیدکننده و پیکربندی. هزینههای عملیاتی — نگهداری، برق، اتصال، مجوز نرمافزار — به هزینه کل مالکیت اضافه میشود. در این نقاط قیمتی، اقتصاد در محیطهایی با هزینه نیروی کار بالا، شرایط کاری دشوار یا تقاضای عملیاتی ۲۴/۷ که استخدام انسانی از نظر ساختاری چالشبرانگیز است، کار میکند.
انتظار میرود منحنی هزینه از الگوی سایر سختافزارهای رباتیک پیروی کند: تولید انبوه قیمتها را در یک دوره ۵-۷ ساله به طور قابل توجهی کاهش خواهد داد. شرکتهایی مانند Figure، 1X و Agility به صراحت به سمت مقیاس تولید به عنوان یک هدف راهبردی حرکت میکنند، نه به این دلیل که اقتصاد امروز در هر حجمی کار میکند، بلکه برای ایجاد زیرساخت تولیدی که اقتصاد را در مقیاس کارآمد میکند.
چشمانداز ۳-۵ ساله
محتملترین مسیر کوتاهمدت گسترش دامنه وظایف در محیطهای کنترلشده است، نه استقرار سریع در انواع جدید محیط. سیستمهای فعال در BMW و Amazon با افزایش اعتماد به قابلیت اطمینان آنها، وظایف متنوعتری را بر عهده خواهند گرفت. قابلیتهای دستکاری به تدریج بهبود خواهند یافت و امکان جابجایی انواع بیشتری از اشیاء را فراهم میکنند. تعداد استقرارها از دهها واحد در هر تأسیسات به صدها واحد افزایش خواهد یافت.
خودمختاری کامل در محیطهای بدون ساختار و پویا هنوز دورتر است. تصویر یک ربات انساننما که به طور مستقل در یک کف انبار شلوغ حرکت میکند، هر شیئی را که یک کارگر انسانی میتواند جابجا کند، جابجا میکند و تصمیمات زمینهای در مورد اولویتبندی وظایف رقیب میگیرد — این یک مرز قابلیت معنادار است که سیستمهای فعلی از آن عبور نکردهاند. استقرارهایی که اکنون در حال وقوع هستند مهم هستند زیرا دادههای دنیای واقعی و تجربه عملیاتی را جمعآوری میکنند که به سیستمهایی که در نهایت از آن عبور خواهند کرد، اطلاعات میدهد.