تُستخدم روبوتات الالتقاط والوضع بكثرة في أتمتة عمليات الإنتاج ذات الإنتاجية العالية. ومع ذلك، فإن الأنظمة التقليدية عادةً ما تُصمم خصيصًا لأحجام وأشكال منتجات محددة. ويمكن للذكاء الاصطناعي أن يساعدها على العمل حتى في الظروف الصعبة.
خاصةً في التجارة الإلكترونية، حيث يتم اختيار العديد من المنتجات المختلفة لكل طلب، يتطلب استخدام الأنظمة التقليدية تعديلات أو برمجة معقدة. علاوة على ذلك، لا تستطيع الروبوتات بطبيعتها تقييم طبيعة المنتجات وكيفية التعامل معها؛ بل يجب تدريبها على كل منتج على حدة. على سبيل المثال، لا يُميّز النظام بين الزجاج الهش والمعادن المتينة. ونتيجةً لذلك، يلتقط الذراع الروبوتي مصباحًا كهربائيًا بنفس قوة التقاطه لأداة ثقيلة.
حتى عندما يتضمن الطلب مجموعة منتجات مصممة خصيصًا للروبوت، قد تتشابك المنتجات أحيانًا بشكل غير مقصود أو تكون في وضع غير مناسب داخل الحاوية. في مثل هذه الحالات، تتطلب الحلول التقليدية تدخلًا بشريًا لضمان نجاح عملية انتقاء الطلب. ومن العيوب الأخرى عدم التكامل مع بيئات الإنتاج الشبكية القائمة، مما يحد بشدة من التوافق مع الآلات والأنظمة الأخرى، ويؤدي إلى حلول معزولة. يُعدّ تكامل برامج الحاسوب المختلفة عبر بنية تحتية حديثة للواجهات أمرًا بالغ الأهمية، لا سيما في المستودعات الرقمية المتطورة.
مشاكل العصر الحديث
لضمان التشغيل الذاتي دون تدخل بشري، حتى في بيئات الإنتاج المعقدة، لا بد من تحديث أنظمة الالتقاط والوضع. ويشمل ذلك، على وجه الخصوص، تصنيف مجموعات المنتجات المختلفة بدقة، وإيجاد حلول مناسبة بشكل مستقل، حتى للأشياء غير المعروفة سابقًا. ولتحقيق ذلك، يجب أن يكون الروبوت قادرًا على التبديل بمرونة بين أنظمة الإمساك المختلفة حسب المنتج الذي يتم التعامل معه. ولتقليل عبء العمل على الموظفين، يجب أن يكون النظام قادرًا أيضًا على اكتشاف العناصر التالفة وإزالتها تلقائيًا. وفي حال الحاجة إلى موظف لتقديم التعليمات أو الملاحظات، يجب أن يكون التواصل بين الإنسان والآلة سلسًا وفوريًا. ويُعدّ تطبيق الذكاء الاصطناعي ضروريًا لتحقيق كل ذلك عمليًا.
الصور: سيرياكت
يؤدي دمج الذكاء الاصطناعي مع روبوتات الانتقاء إلى زيادة ملحوظة في كفاءة معالجة الطلبات. ويركز رواد التكنولوجيا في مجال روبوتات الانتقاء بشكل خاص على استخدام نماذج اللغة البصرية (VLMs). تُعدّ نماذج اللغة البصرية مزيجًا من نماذج بصرية ولغوية قائمة على الذكاء الاصطناعي، قادرة على ربط الصور بنصوصها الوصفية. وعند إضافة معايير الحركة إلى هذه النماذج، تتحول إلى نماذج الحركة واللغة البصرية (VLAMs). ومن الأمثلة على نماذج الحركة واللغة البصرية في مجال الروبوتات نظام PickGPT من شركة Sereact لتطوير البرمجيات، ومقرها شتوتغارت. صُمم هذا النظام لفهم اللغة الطبيعية واستخدام هذه المعرفة لتحليل بيئته بدقة والتصرف بشكل مستقل. وعلى الرغم من أن النموذج يعمل بشكل مستقل، إلا أنه يدعم التواصل السلس مع الموظفين عبر الأوامر الصوتية والنصية في جميع الأوقات. كما تعمل أنظمة الانتقاء والوضع القائمة على الذكاء الاصطناعي على أساس "التعلم بدون أمثلة".
Vيستفيد من الذكاء الاصطناعي
التعلم الصفري هو مفهوم في مجال تعلم الآلة يمكّن النموذج من التعرف على تصنيفات جديدة للأشياء دون رؤيتها أثناء التدريب. وهذا يسمح للنظام بالتفاعل والتصرف بشكل مستقل عمليًا، حتى في حالات الانتقاء غير المألوفة. يتم تحديد المنتجات وتفسيرها في الوقت الفعلي بناءً على مظهرها. يأخذ النظام في الاعتبار خصائصها المحددة، مثل الشكل واللون والوزن والملمس، ويختار تلقائيًا طريقة الانتقاء المناسبة.
يمكن دمج البرنامج في أنظمة المستودعات المختلفة، كما أنه لا يعتمد على نوع معين من الأجهزة. ولذلك فهو مناسب أيضاً للمستودعات التي تستخدم أنظمة الانتقاء والوضع التقليدية، حيث يمكن دمجه مع مجموعة واسعة من مكونات الروبوتات.
حتى مع وجود اختلافات طفيفة، مثل اختلاف وضع المنتجات في الحاوية أو اختلاف الأشكال - سواء كانت تفاحة لا تشبه أخرى - فإن الأنظمة تُظهر نقاط قوتها.
