Riconoscere i rifiuti come tali e distinguere i beni come articoli selezionabili: Swisslog e Kuka mirano a semplificare la programmazione dei robot e la corretta selezione degli articoli alimentari e di altri prodotti nei grandi magazzini utilizzando l'intelligenza artificiale. Sono possibili risultati notevoli, ma probabilmente altre cose potrebbero essere fatte in modo più semplice.

"Programmare un robot per un compito è ancora in gran parte riservato agli esperti", afferma Roland Ritter, Platform Program Manager Simulation presso Kuka. "È proprio per questo che stiamo lavorando a un chatbot basato sull'intelligenza artificiale che traduce un semplice comando vocale in codice di programmazione". Dal comando "Prendi i componenti uno dopo l'altro e posizionali sul tavolo a forma di U", il modello di intelligenza artificiale genera quindi il codice che fa sì che il robot faccia esattamente ciò.

Ritter fa parte di un team che sta sviluppando un chatbot basato sull'intelligenza artificiale per il linguaggio robotico Kuka e, insieme a Niklas Goddemeier, responsabile dello sviluppo di Swisslog ed esperto di intelligenza artificiale per il prelievo degli ordini basato su robot nei settori alimentare, farmaceutico ed elettronico, risponderà alle domande di venti partecipanti in una conferenza stampa virtuale.

Da una prospettiva svizzera, l'attenzione si concentra principalmente sull'analisi dei dati e sulla manutenzione predittiva, sugli algoritmi di intelligenza artificiale per l'ottimizzazione del magazzino, sulla riduzione dei costi operativi e sull'eliminazione della carenza di personale. Quando si tratta di impartire istruzioni alla macchina, afferma Ritter, sembra essere più comune che mai che "la prima azione non sia quella che ci si aspetta". Da un lato, l'uso efficace dell'intelligenza artificiale promette che pinze e bracci robotici non necessitino di "apprendimento" per svolgere il loro compito, ad esempio prelevare gli articoli corretti da una scatola contenente vari prodotti. D'altro canto, anche in questo caso, l'implementazione delle istruzioni verbali richiede sicuramente un addestramento per comprendere il significato e cosa il robot dovrebbe comprendere.

Un semplice esempio: il dispositivo dovrebbe estrarre dei cubi da una scatola, posizionarli su un foglio di carta senza bisogno di un addestramento preliminare e poi, come prova, spostare tutti i cubi a sinistra. "Potrei anche scriverlo in inglese nella finestra del menu", afferma Ritter durante la dimostrazione, che viene visualizzata graficamente sullo schermo e tramite una telecamera "live". Potrebbe persino, a questo punto, trasferire il risultato, insieme al codice sequenziale effettivo, al sistema di controllo del braccio robotico, in modo simile ad "Alexa".

Foto: Swisslog/Kuka

Niklas Goddemeier, che lavora da remoto dalla sede Swisslog di Dortmund, illustra "Item Pick" come un ottimo esempio del processo di apprendimento. In media, i clienti Swisslog come Rewe, DM o aziende del settore farmaceutico hanno decine di migliaia di prodotti diversi nei loro assortimenti, confezionati in sacchetti, scatole o persino senza imballaggio esterno. "Ogni giorno, questi articoli diversi devono essere prelevati, il che significa che devono essere assemblati per un ordine del cliente o di consegna, idealmente senza errori", afferma.

 Non tutte le possibilità possono essere pre-programmate. I concetti chiave qui, in tutto il loro spirito sperimentale, sono "rendere gestibile lo spazio della soluzione", "aumentare il tasso di successo della presa" e separare chiaramente i materiali e l'oggetto desiderato dagli "scarti". Gli errori dovrebbero essere corretti automaticamente nel contesto. All'interno della scatola, il caos è visibile. Flaconi di shampoo, cacciaviti, un pezzo di cartone: tutto per testare la macchina. Il robot seleziona diligentemente l'accessorio appropriato per la sua pinza e smista il materiale in diversi scomparti. Il pezzo di cartone viene sollevato da una pinza a ventosa e posizionato in un cestino accanto al piano di lavoro. Persino la costruzione di pallet non sembra più rappresentare un problema.

Un partecipante chiede se ciò che viene dimostrato è "già in pratica" o "si sta ancora esercitando?". Sarebbero possibili anche frasi formulate spontaneamente, cioè frasi pronunciate "a braccio"? Ritter deve ammettere che tutto è ancora in fase di sviluppo. Almeno inizialmente, l'IA deve effettivamente imparare come e in quale forma vengono poste o possono essere poste le domande. "Stiamo insegnando la sintassi e addestrando i modelli linguistici". Questo sarà interessante quando non si avrà a che fare solo con un robot, ma si vorrà anche avviare immediatamente un sistema di trasporto. Angoli e posizioni di avanzamento devono essere programmati.

Qualche anno fa, il "teach-in" manuale veniva ancora eseguito tenendo il braccio robotico attaccato alla mano. L'IA, per così dire, deve prima "accertarsi" della sua posizione prima di capire cosa sta facendo. Tuttavia, questo consente di utilizzarla in modo più flessibile e di sviluppare scenari più completi sull'oggetto. Attualmente, tutto ciò avviene ancora in un ambiente simulato. Nel frattempo, un gemello digitale interviene per verificare se il programma robotico generato dall'IA è privo di errori.

www.swisslog.ch / www.kuka.com