Кажется, еще совсем недавно в индустрии чистоты появились первые автономные мобильные уборочные роботы. Их было сложно программировать, а ввод в эксплуатацию занимал много времени и был дорог. К тому же цена этих устройств была выше, чем у обычных машин для уборки. Однако все эти негативные моменты перекрывались более высокой производительностью и качеством работы, а также существенной экономией средств на содержание уборщиков, количество которых сокращалось по мере внедрения роботов в рабочие процессы.
В целом все эти преимущества способствовали повышению конкурентоспособности компаний, оказывающих услуги с применением роботов. Именно поэтому, несмотря на то, что премьерное появление серийных роботизированных уборочных машин на рынке совпало с глобальным кризисом 2008-2009 годов, они пользовались определенным спросом среди западных клининговых компаний и служб уборки.
В свою очередь, анализ данных, получаемых в процессе эксплуатации первых поколений роботов, позволил производителям не только избавиться от их «детских болезней», но и проложил путь к дальнейшей эволюции этих устройств. И со временем рынок наполнился почти совершенными моделями, которые превосходили своих предшественников по уровню безопасности, были экономичнее и проще в эксплуатации.
Вместе с тем оставалась и нерешенная проблема, а именно неспособность роботов самостоятельно ориентироваться в пространстве на необходимом для проведения уборки уровне (по времени и безопасности), что создавало серьезные проблемы на объектах, подверженных частым изменениям. Другими словами — там, где вероятно неожиданное появление препятствий: вспомогательного оборудования, упаковок с товаром, скопления людей и т.д., что свойственно большинству объектов, традиционно обслуживаемых клининговыми компаниями.
Появление на глобальном рынке уборочных роботов нового поколения, способных обходить различные препятствия в высокодинамичных средах, продемонстрировало всем, что данная проблема была решена.
Роботы для новой реальности
О причинах их появления
Считается, что одним из факторов, давших толчок бурному развитию рынка сервисных роботов, стала пандемия SARS-CoV-2. Необходимость соблюдать социальную дистанцию ускорила их внедрение на объектах, которые продолжали работать в условиях карантина. В первую очередь в сфере онлайн-торговли, участники которой еще задолго до пандемии начали автоматизацию складов, пунктов обработки и исполнения заказов, в том числе и за счет внедрения мобильных сервисных роботов. В пандемию их ряды пополнились – кроме роботов для уборки и дезинфекции, здесь появились и роботы-курьеры, доставляющие заказы к дверям клиентов.
Эта инициатива впоследствии была подхвачена крупными ритейлерами, которые также стали использовать сервисных роботов, в том числе и для доставки товаров онлайн-покупателям, что позволило им успешно внедрить многоканальную стратегию торговли.
Поскольку коронавирус привел не только к серьезным сбоям в цепи поставок, но и к дефициту рабочей силы, потребность в сервисных роботах продолжила расти и после пандемии. Со временем преимущества совмещения человеческого труда с работой сервисных роботов были оценены во множестве других сфер. Сегодня компании видят в них практически единственное решение, которое позволяет при меньших затратах существенно повысить производительность труда, а также компенсировать недостаток рабочих рук, готовых выполнять самую тяжелую, скучную и грязную работу.
Пандемия убедительно доказала, что роботы, и в первую очередь модели, способные работать без участия человека – единственная возможность для предприятий сохранить работоспособность в условиях новой реальности, где возможны не только пандемии, но и другие из ряда вон выходящие события. Поэтому-то в индустрии чистоты и появились новые, полностью автономные модели роботов с ИИ, даже несмотря на все трудности, с которыми столкнулись их производители.
О сложностях разработки и внедрения, и странности продвижения
Одним из препятствий на пути разработчиков интеллектуальных роботов для клининга стала невозможность опереться на успешный опыт коллег-производителей, выпускающих роботов для производственного и логистического сектора. Дело в том, что там роботы, в том числе и автономные сервисные, внедряются на объектах, где рабочая сила технически грамотна и обучена взаимодействию с ними. Помещения, где находятся роботы, недоступны для публики, и поэтому обстановка там более предсказуема, что способствует смягчению правил безопасности их эксплуатации. В то же время на открытых для посетителей объектах, таких как торговые предприятия, офисные здания, больницы, аэропорты и вокзалы, предъявляемые к сервисным роботам требования всегда выше.
Для соблюдения этих требований необходим более сложный комплекс технологий, который смог бы обеспечить их безопасное перемещение и автономную работу «в толпе» в отсутствие постоянного вмешательства человека. По сути, у таких роботов должен быть другой уровень безопасности, так как они будут работать в окружении неограниченного количества посетителей.
В то же время потребность в роботизированных решениях на открытых объектах продолжает расти, и, в первую очередь, в автономных уборочных машинах. Специалисты связывают эту тенденцию с возросшими требованиями к качеству уборки из-за COVID-19, а также необходимостью подтверждать уровень чистоты помещений документально, используя показатели эффективности и отчетность, основанную на данных, полученных в режиме реального времени.
Не стоит сбрасывать со счетов и дефицит рабочей силы, который привел к тому, что сотрудники все чаще обременяются слишком большим количеством задач, и не в состоянии взвалить на себя еще и уборку. Внедрение роботов в данном случае имеет огромное значение, особенно в розничной торговле, так как этот шаг позволит высвободить драгоценное время персонала для выполнения других обязанностей.
Тем не менее, автоматизация не только способствует минимизации обслуживающего персонала на объектах, но и создает риск того, что в отсутствии операторов что-то пойдет не так, и роботы столкнутся друг с другом. Очевидно, что конечный пользователь должен каким-то образом управлять расширяющимся парком своих роботов. И вот тут самое время вспомнить о концепции IoT (англ. Internet of Things — Интернет вещей), реализация которой в сфере профессиональной уборки стала возможна с появлением роботов нового поколения. Но отчего-то на информационном поле индустрии чистоты внимание фокусируется вовсе не на этом факте, а на искусственном интеллекте, на котором «основаны», «управляются», и которым «обладают» уборочные роботы!
Со стороны это выглядит столь же логично, как, к примеру, продвижение новых продвинутых розеток «с током». Это не противоречит истине, если забыть о том, что, прежде чем «попасть в розетку», электроэнергия генерируется и передается по сложноорганизованной инфраструктуре целой отрасли! Вот и роботы, как электрические розетки, являются одним из элементов системы, объединенной под общим названием «Искусственный Интеллект».
К сожалению, с искусственным интеллектом, в отличие от системы энергообеспечения, представление о которой в большей или меньше степени есть у всех, все сложнее! Это явление относительно новое и не совсем понятное большинству неспециалистов, что позволяет хитрецам в отделах маркетинга манипулировать информацией в интересах своих компаний.
Что такое «Искусственный Интеллект»?
Даже если поставить перед собой задачу разобраться в том, что же такое искусственный интеллект, решить ее будет непросто, несмотря на то, что в Интернете имеется огромное количество материалов на эту тему. К сожалению, все они, и даже с заголовками в стиле «Искусственный Интеллект простыми словами», не только не помогают разобраться, но еще больше запутывают.
К счастью на YouTube можно найти видео «Что такое искусственный интеллект для людей, которые спешат», автор которого в доступной форме рассказывает не только о структуре этой сложной системы и о том, как она работает, но и объясняет главное – какова цель ее существования.
«Проще всего думать об искусственном интеллекте применительно к человеку. В конце концов, люди – самые разумные существа, которых мы знаем. Искусственный интеллект – это обширная отрасль компьютерных наук. Цель искусственного интеллекта – создать системы, которые могут функционировать разумно и независимо.
Люди могут говорить и слушать, чтобы общаться/передавать информацию с помощью языка. Это область распознавания речи. Большая часть распознавания речи основана на статистике, поэтому это называется статистическим обучением. Люди могут писать и читать текст на определенном языке. Это область NLP (natural language processing) – обработки естественного языка.
Люди могут видеть своими глазами и обрабатывать то, что они видят. Это область компьютерного зрения. Компьютерное зрение относится к символическому способу обработки информации компьютерами. Недавно появился еще один способ, к которому я вернусь позже.
Люди распознают окружающую их обстановку с помощью своих глаз, которые создают образы этого мира. Эта область обработки изображений, которая, хотя и не имеет прямого отношения к искусственному интеллекту, требует компьютерного зрения.
Люди могут осознавать окружающее их пространство и свободно в нем передвигаться. Это область робототехники.
Люди обладают способностью видеть закономерности, такие как группировка похожих объектов. Это область распознавания образов. Машины еще лучше справляются с распознаванием образов, потому что они могут использовать больше данных и их характеристик. Это область машинного обучения.
Теперь давайте поговорим о человеческом мозге. Человеческий мозг – это сеть нейронов, и мы используем их, чтобы чему-то научиться. Если мы сможем воспроизвести структуру и функции человеческого мозга, мы сможем получить когнитивные способности у машин. Это область нейронных сетей. Если эти сети более сложные и глубокие, и мы используем их для изучения сложных вещей, то это область глубокого обучения. Существуют различные типы глубокого обучения и машин, которые, по сути, представляют собой разные методы для воспроизведения того, что делает человеческий мозг.
Если мы заставим сеть сканировать изображения слева направо сверху вниз, это будет свёрточная нейронная сеть (CNN, convolutional neural network). CNN используется для распознавания объектов в окружающей обстановке. Вот как компьютерное зрение встраивается в процесс распознавания объектов с помощью ИИ.
Люди могут помнить прошлое, например, что вы ели на ужин прошлым вечером. Ну, по крайней мере, большинство из вас. Мы можем заставить нейронную сеть помнить ограниченное прошлое. Это нейронная сеть с обратной связью или рекуррентная нейронная сеть (RNN, recurrent neural network).
Как вы видите, есть два способа работы искусственного интеллекта. Один основан на символах, а другой – на данных. Для части базы данных, называемой машинным обучением, мы должны предоставить машине много данных, прежде чем она сможет учиться. Например, если у вас было много данных о продажах и расходах на рекламу, вы можете построить график этих данных, чтобы увидеть какую-то закономерность. Если машина может изучить этот набор данных, то она сможет делать предсказания на основе того, что она узнала.
В то время как людям легко понять и освоить одно, два или даже три измерения, машины могут обучаться во множестве других измерений, вплоть до сотен или даже тысяч. Именно по этой причине машины могут анализировать множество данных высокой размерности и определять закономерности. Как только ИИ изучит эти закономерности, он сможет делать предсказания, к которым люди не могут даже приблизиться.
Мы можем использовать все эти методы машинного обучения для выполнения одной из двух задач: классификации или прогнозирования. Например, когда вы используете некоторую информацию о клиентах, чтобы отнести нового клиента к одной из двух групп – «дети» и «взрослые», вы классифицируете этого клиента. Если вы используете данные, чтобы предсказать, могут ли они перейти к конкуренту, то вы делаете прогноз.
Есть другой способ рассматривать алгоритмы обучения, используемые для искусственного интеллекта. Если вы обучаете алгоритм, используя данные, в которых также содержится ответ, то это называется контролируемым обучением. Например, когда вы обучаете машину распознавать ваших друзей по имени, вам нужно будет идентифицировать их для компьютера. Если вы обучаете алгоритм с данными, поскольку вы хотите, чтобы машина вычисляла закономерности, то это неконтролируемое обучение. Например, вы, возможно, захотите ввести данные о небесных объектах во Вселенной и ожидаете, что машины сами найдут закономерности в этих данных.
Если вы задаете какому-либо алгоритму цель и ожидаете, что машина методом проб и ошибок достигнет этой цели, то это вызывает обучение с подкреплением. Примером этого является попытка робота перелезть через стену до тех пор, пока она не увенчается успехом».
Где у роботов ИИ?
Казалось бы, лучше всех ответить на этот вопрос могли бы сами производители, но почему-то они не склонны к откровенности. Все, что касается искусственного интеллекта, в их материалах представлено фрагментарно и крайне расплывчато.
Особенно виртуозны в создании информационного тумана восточные компании, которые пытаются, и надо признать небезуспешно, завоевать и западный мир.
О тонкостях пиара «по-восточному»
Наиболее активны по обе стороны Атлантики в последнее время два производителя из Гонконга – Gausium и ICE Cobotics. Детище первой – Phantas, «самый маленький коммерческий робот для уборки полов, который когда-либо видела индустрия», основанный на ИИ – одержал победу в категории «Инновации года» конкурса инноваций ISSA Show North America 2022. Вторая же привлекла к себе внимание компактным интеллектуальным роботом Cobi 18, премьерный показ которого был приурочен к выставке Amsterdam Interclean 2022.
Время от времени эти интеллектуальные устройства становятся объектом для статей в западных клининговых журналах. Интерес к ним, как и ко всему новому, способствующему автоматизации в клининге, понятен. Удивление же вызывает качество информации, используемой для их продвижения. И в первую очередь — наполнение веб-сайтов вышеупомянутых производителей. Вместо лаконичных материалов, понятых и «чайникам», службы маркетинга и Gausium, и ICE Cobotics публикуют здесь что-то непонятно-многозначительное, щедро сдобренное специфическими терминами, что мешает понять не только, что такое ИИ и где это у роботов, но и саму цель их интеллектуализации.
И, правда, это трудно сделать, читая и перечитывая материалы, в которых встречаются такие фразы:
«В отличие от многих стандартных коммерческих роботов-уборщиков Phantas работает на основе алгоритмов глубокого обучения и обучается на миллионах изображений реального мира. Он обладает способностью быстрого распознавания препятствий и принимает решение о поведении в соответствии с типами и особенностями препятствий».
«Автономная поломоечная машина Cobi 18 ICE Cobotics использует технологию vSLAM, подобную той, что Tesla использует в своих самоуправляемых автомобилях. Искусственный интеллект очень сложен и использует комбинацию камер и датчиков. Cobi 18 может даже безопасно перемещаться между зеркалами, при ярком освещении и в темноте».
Не помогут в данном вопросе и сведения, которыми поделился с аудиторией Саймон Чен, основатель и глава компании ICE Cobotics во время презентации Cobi 18 на выставке Interclean Amsterdam 2022, отвечая на вопросы ее ведущего Александра Шлесса (руководителя представительства ICE Cobotics в регионе Европа, ближний Восток и Африка).
Вот текст из фрагмента этой презентации, речь в котором идет об «интеллекте» Cobi 18:
«Шлесс: Cobi 18 меняет правила игры. Очевидно, что это действительно замечательное решение с отличными размерами. Я вижу в его конструкции огромное количество камер и сенсоров. Это действительно похоже на высокие технологии. Но как все это работает?
Чен: Скажем так, мы применяем немного иной подход, чем наши конкуренты. Мы используем технологию трехмерного облака точек, мы используем технологию vSLAM для навигации, которая намного эффективнее.
Шлесс: Это как другой способ визуализации помещения с помощью пикселей?
Чен: Нет, мы не фотографируем, а используем темное облако (dark cloud). Мы используем лучшие датчики, мы используем бинокулярную камеру для генерации пикселей в темном облаке, которое объединено с GDPR (требования по защите персональных данных). Именно так мы можем получать изображения…
Шлесс: Эти миллионы маленьких точек?
Чен: Да».
Для кого все это? Для тех, кто разбирается в ИИ? Но у таких специалистов эти откровения могут вызвать лишь смех! Тем же, кто пришел на выставку, чтобы найти лучшее решение, которое поможет работать эффективнее, безопаснее и зарабатывать больше, ни к чему все эти туманные «хитромудрые» сложности! Им важнее знать, как вся эта система – робот с ИИ – будет работать на практике, как ее обслуживать и ремонтировать.
Но на что только не пойдешь, чтобы завлечь потенциальных клиентов в условиях растущей конкуренции. А соперников в США и Европе у этих двух компаний хватает! Скорее всего, в этом и состоит причина активности Gausium и ICE Cobotics на этих рынках.
О конкуренции в роботизации клининговых услуг
На фоне ярких PR-компаний восточных производителей, появление роботов с ИИ у старых игроков, таких как Avidbots и Brain Сorp, прошло практически незаметно, без особой шумихи даже несмотря на то, что эти компании конкурируют друг с другом. Впрочем, отсутствие между ними информационного соперничества можно объяснить их разной специализацией. Avidbots обслуживает исключительно свои потребности, сфокусировавшись на производстве собственных роботов, в то время как Brain Corp работает в интересах других, занимаясь разработкой искусственного интеллекта для уборочных роботов.
Сегодня эта компания является лидером в глобальной индустрии чистоты, операционная система BrainOS® которого обеспечивает работу крупнейшего парка автономных мобильных роботов с ИИ. Среди клиентов Brain Corp такие известные производители как Tennant, Nilfisk, Kärcher, Minuteman, Softbank Robotics и, вот неожиданность, компания ICE Cobotics!
В свою очередь компания Avidbots – одна из немногих, кто выпускает поломоечных роботов с собственным программным обеспечением. В 2020 году, в разгар пандемии, компания представила свою новинку – робота Neo 2™, управляемого программным обеспечением собственной разработки.
Avidbots вместе с компаниями Gausium и LionsBot входит с тройку независимых от Brain Corp игроков, которые считаются прямыми конкурентами этого производителя.
Зачем уборочным роботам ИИ
Использование алгоритмов ИИ – это очередной этап эволюции автономных процессов, в которых одновременно задействована группа сервисных роботов. По сути, это единственная возможность обеспечить их безопасное взаимодействие.
Например, возьмем такой типичный объект обслуживания для клининговых компаний, как торгово-развлекательные комплексы. Теоретически здесь на каждом этаже, в торговых залах, складских и служебных помещениях и паркингах роботы могут мыть полы, проводить инвентаризацию и перемещать товары. В отсутствии над ними контроля невозможно гарантировать, что в какой-то момент они не столкнутся друг с другом или с торговым оборудованием, и не окажутся заблокированными внезапно возникшими препятствиями.
Для того чтобы избежать несчастных случаев и порчи имущества, в том числе и самих роботов, нужен тот самый сложный комплекс технологий, о котором шла речь в начале статьи. По сути, речь идет, в том числе, и об автоматизации управления парком роботов с использованием алгоритмов ИИ. В этом случае способность роботов собирать, обмениваться и передавать информацию, которая необходима для контроля и корректировки сценариев их работы, приобретает особую ценность.
Чем представлен ИИ уборочных роботов
Это, наверное, самая сложная для понимания часть, поскольку каждый из представленных выше производителей дает этому объяснения, удобные для себя. В большинстве случаев здесь все сводится к описаниям функций роботов и некоторых используемых для их обеспечения технологий и устройств, которыми оснащены также и обычные роботы предшествующих поколений – сенсоров, камер и лидаров.
Все остальное если и упоминается, то крайне размыто – например, так делают специалисты ICE Cobotics, избегающие прямого ответа на вполне конкретный вопрос «Какую операционную систему искусственного интеллекта использует Cobi 18?», заданный на сайте этой компании в разделе «поддержка»: «Операционная система использует гибридную технологию vSLAM, которая использует лучшие характеристики LiDAR SLAM и vSLAM в сочетании с другими датчиками для мгновенного создания карт облака точек, которые более точно отображают окружающую среду и различные типы объектов. Они используются для определения наилучшего возможного навигационного маршрута».
Компания Gausium также склонна к туманным объяснениям, что заметно по таким глубокомысленным фразам в ее материалах, как эта: «Мультисенсорное сочетание наделяет робот Phantas 3D-восприятием окружающей среды, что значительно обогащает его знания об … окружающей среде, что позволяет Phantas определять статические и динамические препятствия со всех сторон и уходить от них «в режиме реального времени».
В то же время кое-кто из производителей проявляет большую смелость, рассказывая об операционной системе и программном обеспечении своих роботов, ставя знак равенства между этими софтами и ИИ.
Так, в одной из статей в блоге на сайте Brain Corp говорится, что «робот следует сохраненной карте маршрута; несмотря на это, он постоянно принимает входные данные в режиме реального времени и использует свой искусственный интеллект, мозг, чтобы безопасно и эффективно обходить любые препятствия на своем пути». Речь идет об операционной системе BrainOS®, которая «обрабатывает постоянный поток визуальных образов». В материалах Avidbots говорится об «Avidbots Autonomy – фирменном программном обеспечении для искусственного интеллекта, которое обеспечивает полностью автономную очистку, легко справляясь с изменениями окружающей среды».
А уже в других материалах этих же компаний, по непонятным причинам статус BrainOS® и Avidbots Autonomy вдруг повышается до уровня платформ с искусственным интеллектом. При этом «новаторская платформа BrainOS® преобразует ручные задачи в автоматизированные рабочие процессы и предоставляет аналитику производительности машины, что позволяет легко оптимизировать операции», в то время как «Avidbots Autonomy позволяет Neo понимать свою операционную среду и принимать меры для повышения производительности уборки при минимальном вмешательстве человека».
Оба этих платформенных решения включают в себя и «облачную» составляющую, что позволяет компаниям держать под контролем «растущий парк роботов», управляя и оптимизируя их работу.
И это все? А почему нет ни слова о «железе», без которого не могут работать эти ИИ платформы? Ведь даже в презентациях новых компьютеров, ноутбуков и смартфонов, существенно уступающим по цене роботам, и уж тем более интеллектуальным для профессионального использования, изрядная доля внимания уделяется этому самому «железу» – системным блокам, процессорам, памяти и т.д. И это закономерно, поскольку от характеристик этих комплектующих зависит работоспособность и срок службы самих устройств.
Так почему же тогда производители все представленные выше производители держат эту информацию «за закрытыми дверями»?
«Вы гараж-то откройте!»
Как бы кому-то не хотелось «увидеть все своими глазами», производители роботов с ИИ не готовы впустить их в свой «гараж». Там скрывается правда, совершенная неуместная в продвижении этих интеллектуальных устройств! Рассказывая в рекламных материалах о собственных ноу-хау, как-то неудобно говорить о технических решениях других, даже при условии того, что в их отсутствие, никаких роботов с ИИ не было бы. Но если ты выкладываешь всю правду об этом, ты, по сути, делишься с компаниями-смежниками своим успехом.
Кому ж это захочется? Судя по представленным материалам, среди производителей робототехники в клининге таких нет. Ведь даже в ICE Cobotics «забыли» упомянуть о том, что умный робот Cobi 18 работает не на собственной операционной системе, а на разработке «родственной» компании Brain Corp!
Но даже если производители роботов с ИИ и захотели бы рассказать об аппаратной части своих платформ, у них вряд ли бы это получилось. Этот внушительный пласт знаний не поместился бы в формат их, в общем-то, рекламных материалов.
Революция в эволюции
Четвертая промышленная революция – «Индустрия 4.0» не могла не оказать влияние и на сектор робототехники в клининге. Одна из ее частей – тот самый «Интернет вещей», вернее его промышленная версия (IIoT), которая, согласно популярным страшилкам второй половины 2010-х, должна была оставить изрядную часть населения технологически развитых стран без работы, как раз и определила новое направление развития сектора.
В этой модели производственные активы компаний, наделенные искусственным интеллектом, играли важнейшую роль. Им предстояло заменить людей, уступающим интеллектуальным роботизированным станкам и оборудованию, в том числе и в сборе и анализе данных. Немаловажную роль играло и то, что эти ИИ-устройства способны передавать необходимую для своевременного принятия точных решений информацию в режиме реального времени.
Первым намеком на грядущие перемены в роботизации услуг индустрии чистоты стало переименование уборочных роботов в коботов (cobots), произошедшее во второй половине 2010-х. Столь неблагозвучное название сложилось из фрагментов двух английских слов: collaborative (способный к сотрудничеству), и robot (робот). Несмотря на то, что кое-кто из поставщиков этих самых коботов до сих пор уверен, что речь идет о сотрудничестве данных устройств с уборщиками, в этом названии иной смысл. За ним скрывается идея совместной эксплуатации множества автономных сервисных роботов на объектах в отсутствии операторов-людей.
Следом появляется и новый термин – ‘multi-robot systems’ (система из нескольких роботов), для успешной работы которой потребуется ‘multi-agent SLAM system’ (многокомпонентная система одновременной локализации и построения карты). Она бы позволила нескольким независимо перемещающимся автономным сервисным роботам обмениваться пространственной информацией для повышения надежности, эффективности и точности при их локализации и картографировании. Это необходимо для того, чтобы избежать их столкновений друг с другом и наездов на внезапно возникшие препятствия.
Затем появляются концептуальные модели, положившие основу для разработки таких систем. Одна из таких моделей ‘Collaborative Visual SLAM Framework for Service Robots’ (инфраструктурная платформа одновременной локализации и картографирования для сервисных роботов) была представлена в 2016 году группой разработчиков из Китая. Вот что говорится в ее аннотации:
«Для одного робота его локализация и обновление карты могут быть выполнены с помощью системы SLAM (системой одновременной локализации и картографирования). Однако для нескольких роботов, работающих в одном месте, так как каждый из них может время от времени включаться и выключаться, в идеале должна существовать централизованная база данных карт этого места, которая всегда актуальна и может быть использована любыми роботами, зарегистрированными в этом месте в любое время. База данных карт может поддерживаться локальным пограничным сервером.
Благодаря такому серверу, поддерживающему базу данных карт и выполняющему глобальную оптимизацию, каждый робот может зарегистрироваться на существующей карте, обновить карту или создать новые карты, и все это при наличии унифицированного интерфейса и низких затратах на вычисления и память. Этот канал связи позволяет роботам обмениваться информацией в режиме реального времени. Благодаря новой организации визуальных ориентиров и методу поиска на сервере каждый робот может получать свои ориентиры, которые, по прогнозам, будут находиться в поле его зрения, чтобы дополнить свою локальную карту».
О периферийных вычислениях и пограничных устройствах
Все интеллектуальные роботизированные устройства способны выполнять автономные вычисления и обмениваться данными с другими интеллектуальными устройствами. Собственно на этом и построена концепция Интернета вещей. Однако массивы данных в таких условиях создают большую нагрузку на центры их обработки. Периферийные вычисления, напротив, позволяют снизить эту нагрузку, переместив часть обработки данных ближе к их источнику. Таким образом, вместо того, чтобы перемещаться в облако, работа выполняется, «на границе» системы.
«Граница» в данном контексте относится к используемому автоматизированному орудию труда. Это может быть автономный сервисный робот, автономный транспорт, умные медицинские или любые другие устройства для оказания услуг. Пограничным в данном случае считается компьютер, который находится внутри них или рядом с ними. Как и любой другой компьютер, пограничный компьютер предназначен для обработки стандартных данных.
Какой ИИ лучше: периферийный или облачный
Периферийный искусственный интеллект – это объединение периферийных вычислений и искусственного интеллекта. При такой организации алгоритмы искусственного интеллекта обрабатывают данные, которые создаются на устройстве, независимо от подключения к Интернету, используя возможности локальных сетей (Ethernet — семейство технологий пакетной передачи данных между устройствами для компьютерных и промышленных сетей). Это позволяет обрабатывать исходные данные в течение нескольких миллисекунд, обеспечивая обратную связь в режиме реального времени.
По сути, периферийный ИИ – это система, которая использует алгоритмы машинного обучения для обработки данных, генерируемых аппаратным устройством на объекте, а также принимает решения безопасно (с точки зрения сохранности данных) и в режиме реального времени. В свою очередь облачный искусственный интеллект обрабатывает и хранит данные в облачной среде, что обеспечивает большую гибкость в ее проектировании и архитектуре. Однако для правильного функционирования устройств и принятия решений требуется подключение к Интернету, что приводит к потенциальным задержкам в предоставлении информации и проблемам с безопасностью данных.
Вместе с тем и у периферийного ИИ также имеются недостатки. Проблема в том, что пограничные устройства периферийного ИИ часто недостаточно мощны и быстры, чтобы полностью закрывать потребности в объеме памяти, производительности, и энергопотреблении. В итоге выбор алгоритмов машинного обучения ограничен. А вот вычислительные возможности и объемы хранения облака обычно основываются на гораздо более мощном «железе», что позволяет облачному ИИ гибко обслуживать широкий спектр устройств без ограничений по памяти, размеру, производительности и мощности. При этом проблемой может стать стоимость организации и работы этой инфраструктуры.
По мнению специалистов, периферийный и облачный ИИ играют взаимодополняющую роль в обеспечении постоянного совершенствования моделей, необходимых для работы искусственного интеллекта без ущерба для качества и количества данных. С помощью периферийного ИИ, облачный ИИ совершенствует качество мгновенного принятия решений, обеспечивая более глубокий анализ большего количества динамических данных.
Предприятия могут использовать одновременно и периферийный, и облачный ИИ. Такое сочетание позволит избавиться от необходимости в разобщенных хранилищах данных, препятствующих обмену информацией, требуемой для обеспечения корректной работы существующих моделей промышленного Интернета вещей. Использование только периферийного ИИ в его работе может помешать обмену данными между более широкими IT-инфраструктурами, что может негативно отразиться на получении ценной информации.
Для того чтобы обеспечить совместимость облачного и периферийного ИИ, предприятия могут внедрять облачные платформы наряду со своими пограничными устройствами для обеспечения связи между ними и службами по всему предприятию. В такой системе данные могут обрабатываться на пограничном сервере, и периферийный ИИ может предоставлять пользователям оперативную аналитику, а «облако» использоваться для обработки данных для долгосрочной аналитики, влияющей на принятие решений в различных подразделениях предприятия.
Об искусственном интеллекте уборочных роботов
Осознание необходимости сбора и анализа данных об уборке в индустрии чистоты пришло еще задолго до появления первых моделей роботов. Доказательством тому стало использование программно-аппаратных блоков, накапливающих данные об эксплуатации уборочных машин, устанавливаемых по желанию их владельцев. Анализ получаемой с помощью этих устройств информации позволял планировать обслуживание техники, а также оперативно выявлять и заблаговременно устранять причины неполадок у машин, что увеличивало срок службы и снижало стоимость их эксплуатации. Затем, с появлением облачных технологий, им на смену пришли модернизированные версии – программно-аппаратные комплексы, связанные с «облаком», которые позволяли осуществлять все эти действия в режиме реального времени, контролируя при этом еще и местонахождение каждой единицы уборочной техники из парка компаний.
Уборочные роботы, подвергнутые ряду усовершенствований к началу четвертой промышленной революции, на первый взгляд могли бы стать достойной заменой и программно-аппаратным комплексам, и самим машинам для уборки. Ведь, в сущности, любой из них – это автономный мобильный программно-аппаратный комплекс, который кроме очистки полов, собирает и обрабатывает информацию, необходимую для принятия правильных решений в режиме реального времени. Однако этого не произошло, поскольку «интеллект» (система управления) у тех роботов, как и у их последующих поколений, был слишком слаб, и зависим от действий человека, что и было причиной их неспособности самостоятельно ориентироваться в пространствах, условия в которых постоянно менялись.
Появление широкого ассортимента устройств периферийного ИИ – от микроконтроллеров до продвинутых пограничных компьютеров, поддерживающих работу нейронных сетей, изменило ситуацию в лучшую сторону. В результате на рынке индустрии чистоты появилось множество интеллектуальных роботов: от самых компактных моделей Phantas (Gausium) и Cobi 18 (ICE Cobotics) до полноразмерных устройств.
Что же касается структуры ИИ данных уборочных роботов, то это, по-прежнему, программно-аппаратная платформа, поднявшаяся на новую ступень эволюции. Ее аппаратная часть представлена пограничным устройством ИИ, датчиками и приборами, необходимыми для сбора данных – сонарами, лидарами, камерами, энкодерами. Программная же часть — операционная система и программное обеспечение — предоставляются производителем бесплатно (в составе решения), а доступ к облачному серверу – в качестве услуги по подписке.
Интеллектуализация уборочных роботов — это просто?!
Не будет преувеличением сказать, что сегодня интеллектуализация производственных активов компаний – это технология, доведенная почти до совершенства. Но она бы не появилась, если бы сфера периферийного ИИ не развивалась темпами, соответствующими темпам внедрения искусственного интеллекта. Тут будет уместно вспомнить злосчастный COVID-19, который, увеличив потребность в автономных мобильных сервисных роботах с ИИ, повысил спрос и на технические устройства, программные продукты и комплексные решения для их интеллектуализации.
Понятно, что такие IT-гиганты как Nvidia, Intel, Adlink, Lanner Electronics и другие серьезные игроки не могли остаться в стороне от этого тренда. Сегодня их совместными усилиями рынок наполнен не только модулями для пограничных компьютеров и самими компьютерами, но и фирменными платформами с ИИ в достаточном ассортименте.
О «железе» и готовых решениях «под ключ»
- Один из старейших игроков, компания ADLINK Technology Inc. из Тайбэя (Тайвань), начавшая свою деятельность в 1995 году и попутно поглотившая несколько IT-компаний, вошла в «Индустрию 4.0» в полной боевой готовности. Продукцией этой компании является не только «железо» – компьютерные модули, но и готовые встраиваемые пограничные компьютеры с ИИ и даже «компактные, прочные интеллектуальные автономные сервисные роботы оптимизации эффективности внутренней логистики».
Сегодня ADLINK работает с производителями оригинального оборудования и компаниями – системными интеграторами (оказывающими услуги по интеллектуализации роботов, количество которых, благодаря COVID-19, также увеличилось).
- Еще один «ветеран» из Тайбэя – Lanner Electronics, Inc., также является ведущим мировым поставщиком аппаратного обеспечения и услуг по проектированию, инжинирингу и производству современных сетевых устройств, бортовых компьютеров, промышленных компьютеров, и пограничных устройств ИИ.
В апреле 2022 года Lanner Electronics и MOV.AI (Португалия) – компания-разработчик ОС для автономных интеллектуальных роботов, предназначенных для совместной работы в коммерческих средах, заявили о сотрудничестве в создании интегрированной вычислительной и программной платформы для оптимизации производительности и ускорения разработки, производства и внедрения автономных сервисных роботов.
Для решения этой задачи предполагалось использование собственной разработки MOV.AI – платформы Robotics Engine Platform™ и передового устройства LEC-2290E от Lanner, которое, по заявлениям этой компании, является «готовым устройством искусственного периферийного ИИ» другого известного производителя компьютерного «железа» и системных решений NVIDIA. В данном случае речь идет о графическом процессоре NVIDIA® T4 GPU.
К сожалению, понять, завершен ли данный совместный проект или нет, сегодня невозможно – на сайтах обоих его участников об этом нет ни слова.
- В то же время компания NVIDIA Corporation (США) – гигант среди гигантов, предлагает встраиваемые модули, поддерживающие работу ИИ, начиная с самых крошечных моделей, подходящих и для домашних устройств, заканчивая моделями, по сути, компьютерами «на модуле», поддерживающими параллельную работу нескольких нейронных сетей, обладающими «уникальной скоростью и энергоэффективностью».
Кроме «железа», в предложение NVIDIA входит и экосистема для разработки автономных мобильных роботов, частью которой является платформа Isaac Autonomous Mobile Robots. Эта платформа «расширяет возможности разработчиков, создающих и внедряющих автономных мобильных роботов, давая им возможность перенести картографирование, обработку и анализ данных с объектов на серверы NVIDIA EGX».
Компании-разработчики с помощью этой экосистемы могут не только моделировать, тестировать и тренировать своих роботов на ресурсах NVIDIA, но и благополучно пройдя эти этапы, приступить к их строительству, используя аппаратное обеспечение – пограничные компьютеры с ИИ, датчики приборы (лидары и т.д.), равно как ПО/ОС в том числе и от партнеров NVIDIA. И завершить работу вводом готовых роботов в эксплуатацию под полным контролем фирменной системы ‘Fleet Management’.
Это комплексное решение также нацелено на улучшение и ускорение практического применения сервисных роботов в разных сферах, начиная со складов и заканчивая розничной торговлей.
Что же получается?
Как бы нашим героям не хотелось продемонстрировать собственное всемогущество, это качество недоступно в современном обществе, экономика которого отличается высокой степенью специализации. В таких условиях ни одно предприятие не может быть самодостаточным, в том числе и в роботостроении — секторе, успешность которого напрямую зависит от эффективности предприятий, выпускающих компьютерное «железо» — «мозги» для роботов. Подобное разделение труда увеличивает производительность, сокращает производственный цикл и снижает издержки.
Благодаря совместным усилиям обоих секторов интеллектуализация роботов превратилась в хорошо изученный и технически подкрепленный процесс. Появление в индустрии чистоты интеллектуальных роботов разных производителей в течение небольшого периода времени – тому подтверждение. Подобный эволюционный переход стал возможным, в том числе и благодаря успехам компаний-смежников, которые сегодня способны удовлетворить любые запросы своих клиентов – производителей роботов и системных интеграторов в удобной для них форме. Тем, кто ценит время, предлагаются готовые периферийные устройства, платформенные решения с ИИ и даже экосистемы, а желающим «изобрести велосипед» – модули для сборки собственных периферийных компьютеров с ИИ.
Вот только зачем нашим героям – прагматичным компаниям, нацеленным на финансовый успех, выбирать самый сложный сценарий? Неужели им удобнее «лезть через забор», минуя открытые «ворота»? В это невозможно поверить, учитывая доступность и разнообразие готовых инструментов для интеллектуализации роботов, в том числе и с открытым кодом. Особенно в свете того, что готовые экосистемы, кроме всего прочего, предусматривают еще и опцию «пообщаться с коллегами-специалистами» из числа партнеров разработчиков.
Как знать, может, и наши герои-производители являются партнерами Nvidia или Intel, или какой-либо другой компании и участвуют в «мозговых штурмах», находясь в поисках собственных уникальных решений или, наоборот, делясь своим успешным опытом с коллегами.
Как бы там ни было, пришло время спуститься им с небес на землю, и обратить внимание на своих партнеров, торгующих их интеллектуальными роботами. Судя по информации на их сайтах, эти компании вообще не понимают, чем торгуют: для них роботы с ИИ – это не элементы Интернета вещей, а штучный товар. Кроме того, они не видят никакой разницы между новыми интеллектуальными моделями и их предшественниками без искусственного интеллекта.
Достаточно заглянуть на сайт любой из них, например, партнера компании Tennant (клиента Brain Corp.), чтобы в этом убедиться. Вот о чем говорится в описании робота Tennant T7 MR с ИИ на сайте одной компании из Канады:
«Разработанный для безопасной и эффективной работы бок о бок с сотрудниками для достижения максимальной эффективности уборки, T7AMR предлагает роботизированное решение для ваших потребностей в уходе за полом».
Так и хочется спросить, чем же тогда этот робот отличается от неинтеллектуальных версий, за которыми постоянно присматривали операторы, попутно выполняя другие задачи, связанные с уборкой? Озадачивает и наличие у интеллектуального робота, который должен заместить человека, сидения для оператора. Выглядит это как какой-то технический оксиморон ценой в… $69342!
Не менее странной выглядит статья «Коботы: следующий этап в эволюции FM», опубликованная летом прошлого года в одном из англоязычных журналов. В качестве эксперта в ней выступает Стефано Бенси (Stefano Bensi), генеральный директор представительства компании SoftBank Robitics в регионе Европа, ближний Восток и Африка. Статья начинается «за здравие», сообщая о том, что в «разгар пандемии COVID-19 на Всемирном экономическом форуме было заявлено, что новые технологии стали критически важной инфраструктурой. Инновации, такие как Интернет вещей, искусственный интеллект и робототехника необходимы для функционирования общества и экономики, и они должны остаться».
А потом верх берет укоренившееся восприятие: «В таких услугах, как уборка, роль роботов заключается в том, чтобы облегчать труд уборщиков, а не заменять их. Вот почему термин «робототехника для совместной работы» (cobotics) стал популярным. Как правило, коботы-уборщики выполняют монотонные, грязные или опасные задачи. Это позволяет специалистам по уборке сосредоточиться на более ценных или более специализированных задачах, которые, как они знают, особенно важны для клиента. С учетом вышесказанного, важно отметить, что уборщики по-прежнему играют решающую роль, обучая их уборке, перезаряжая их батареи, опорожняя их баки, и помогая им, если они застревают. Пандемия стала отличным примером этого сотрудничества в действии».
Да что там, даже производитель интеллектуальных роботов Neo 2™, компания Avidbots и та не вполне доверяет то ли своим умным роботам, то ли клиентами, которым она заблаговременно «подстелила соломки». В этой компании уверены, что «все роботы в конечном итоге застревают, когда происходят достаточно значительные изменения окружающей среды или их блокировка». Такое может случиться и с Neo, несмотря на то, что благодаря ИИ-навигации, этот робот «лидирует в отрасли по адаптации к высокодинамичным средам».
Именно поэтому в компании Avidbots предусмотрена служба удаленной помощи, команда которой «поддерживает каждого робота Neo, отслеживая каждую операцию по уборке с участием Neo по всему миру в режиме реального времени». И «в случае возникновения проблемы эти эксперты могут удаленно помочь Neo вернуться в нужное русло с помощью встроенных камер».
Что ж, вряд ли можно согласиться с тем, что очередной этап технической революции – «Индустрия 4.0» в индустрии чистоты состоялся. Ведь на объектах так и не появились «растущие парки уборочных роботов», о которых с таким восторгом писали западные клининговые журналы в конце прошлого десятилетия. В большинстве случаев редкие видео на YouTube демонстрируют на коммерческих объектах одинокие ИИ-модели, работающие в тестовом режиме, и, если честно, все это выглядит не очень-то убедительно там, где есть посетители, из-за постоянных остановок. Как, например, на видео из магазина Walmart:
Благополучно же все только на видео самих производителей, к примеру, компании Avidbots, в котором умный Neo ловко обходит препятствия на свободном от людей объекте.
Не менее убедительно выглядит и видео Brain Corp, демонстрирующее работу той самой интеллектуальной модели Tennant T7AMR, упомянутой выше, моющей полы в аэропорту.
Кто виноват, и что делать?
Наивно ожидать успеха в ситуации, в которой поставщики не готовы к торговле интеллектуальными роботами, а производители – к их всесторонней поддержке. В сущности, разработав саму модель и изготовив под нее роботов, наши герои забыли про механизм ее внедрения. Кто как не они должны были объяснить рынку хотя бы, на кого рассчитаны эти решения!
Если трезво взглянуть на эти умные устройства, то станет понятно, что они не просто избавляют людей от столь сложного, вредного для здоровья и низкооплачиваемого занятия как уборка, а уничтожают бизнес их работодателей. И если все крупные клиенты существующих клининговых компаний обзаведутся собственными парками интеллектуальных роботов, то судьба самого сектора незавидна.
Казалось, было бы логичным, если бы его участники перехватили бы эту инициативу и обзавелись своими собственными парками интеллектуальных роботов. Однако такой шаг дорог и рискован, оттого и требует обоснования. В первую очередь необходимо понять, будут ли клиенты готовы к таким услугам с точки зрения удобства и безопасности, а также адекватности их цены? Если да, то кто должен вводить в эксплуатацию, отлаживать безопасную совместную работу, пусть не парков, а хотя бы нескольких роботов, что особенно важно при наличии других систем IIoT на объектах, например, интеллектуального производственного или торгового оборудования, парка дозирующих устройств и т. д.
Как контролировать работу всего этого, а если что-то выйдет из строя, включая самих роботов, то и ремонтировать? И вообще, есть ли успешные примеры внедрения и функционирования таких парков в клининге на практике? Если да, то почему об этом опыте никакой информации?
И самое главное – кто должен отвечать на все эти вопросы? Учитывая уровень поставщиков, живущих в прошлом, рассчитывать можно разве только на самих производителей. Собственно обучать сотрудников поставщиков и просвещать их клиентов – всегда было их делом.
Учитывая же сложность самой продукции – уборочных роботов с ИИ, и их ввода в эксплуатацию, может производителям целесообразнее пойти дальше и обзавестись собственными «летучими» отрядами, которые будут странствовать по всему миру, внедряя их повсеместно целыми парками? Или, подобно Саймону Чену (ICE Cobotics) сдавать своих умных роботов в аренду? Как показывает опыт этой компании, подобная модель удобна и выгодна. Неудивительно, что видео интеллектуальных роботов Cobi 18 именно этой компании, эксплуатируемых на реальных объектах, пусть и в единичных случаях, можно найти на YouTube.
Вместе с тем, если трезво оценить нынешние реалии, то станет очевидным, что структурный кризис, похоронивший под обломками западной экономики концепцию устойчивого развития, накрывает «ведром уборщика» и «Индустрию 4.0». А в таких условиях кому понадобятся умные роботы, и уж тем более их парки? Ведь промышленный интернет вещей можно наладить только на работающих предприятиях, а если их нет, то, как ни старайся, ничего не получится.
Вероятно, именно в этом и заключается причина непоследовательности производителей в создании, а также странности в продвижении интеллектуальных уборочных роботов, которые мы наблюдаем все эти ковидно-постковидные годы.
О. Вихарева, С. Гинчук
«Профессиональная уборка. Оборудование, материалы, технологии», № 1-4/76 2022