تصور کنید رباتی در خط تولید دارید که اگر قطعه‌ای تنها دو سانتی‌متر جابه‌جا شود، کل فرآیند متوقف شده و خطای سیستمی می‌دهد. این شکنندگیِ رباتیک، نقطه‌ای است که حالا قرار است با ادغام هوش مصنوعی فیزیکی تغییر کند.
طبق اعلام رسمی در ۸ سپتامبر ۲۰۲۶، شرکت Palladyne AI و FANUC America همکاری راهبردی خود را برای تزریق نرم‌افزارهای هوش مصنوعی تجسم‌یافته (Embodied AI) — شبیه به دادن مغز و حسی فعال به یک بدنه فلزی — به سخت‌افزارهای صنعتی آغاز کردند. این خبر که از دفتر مرکزی Palladyne در سالت‌لیک‌سیتی منتشر شد و از طریق Business Wire توزیع گردید، هدفش جفت کردن سبد محصولات رباتیک صنعتی FANUC با پلتفرم نرم‌افزاری هوش مصنوعی فیزیکی Palladyne است تا ربات‌های «اجراکننده دستور» به ربات‌های «متفکر» تبدیل شوند.
اکثر ربات‌های کارخانه‌ای امروز از مسیرهای پیش‌برنامه‌ریزی‌شده و صلب پیروی می‌کنند. اگر قطعه‌ای تنها یک اینچ جابه‌جا شود، کل فرآیند با شکست مواجه می‌شود. به گزارش Business Wire، این مشارکت با آوردن «هوش مصنوعی فیزیکی» به کف انبارها، به ماشین‌ها اجازه می‌دهد محیط را در لحظه درک کرده و با تغییرات آن سازگار شوند. هدف نهایی، کاهش پیچیدگی‌های سنتی مرتبط با اتوماسیون رباتیک است تا ربات‌ها بتوانند سریع‌تر مستقر شوند و هوشمندانه‌تر عمل کنند. این رویکرد در واقع تکامل همان فرآیندی است که در آن هوش مصنوعی صنعتی داده‌های حسگرها را به عملیات هوشمند تبدیل می‌کند تا بهره‌وری در محیط‌های پویا افزایش یابد.
زمینه و اهداف راهبردی
این دو شرکت، همکاری خود را در پاسخ به فشارهای بحرانی پیش روی تولیدکنندگان مدرن تعریف کرده‌اند. این فشارها شامل کمبود نیروی کار ماهر، افزایش تنوع محصولات و نیاز فوری به بهبود بهره‌وری و کارایی عملیاتی است.
این مشارکت با هدف قرار دادن اپراتورهای انبار، ارائه‌دهندگان لجستیک و یکپارچه‌سازان سیستم (System Integrators)، قصد دارد اتوماسیون را مقیاس‌پذیرتر و تکرارپذیرتر کند. هدف این تلاش، انتقال اتوماسیون صنعتی از استقرار‌های صلب و تک‌منظوره به سمت سیستم‌های انعطاف‌پذیری است که قادر به پشتیبانی از طیف گسترده‌تری از وظایف و شرایط عملیاتی باشند.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی رایانش لبه اشاره کردیم، انتقال پردازش به نزدیکی سخت‌افزار کلید سرعت در رباتیک است. این همکاری دقیقاً بر همین محور می‌چرخد تا نیاز به کدهای طولانی و هفته‌ها برنامه‌ریزی دستی را از بین ببرد.
هسته فنی این تحول، نرم‌افزاری به نام Palladyne IQ است. این سامانه یک نرم‌افزار خودمختاری با حلقه بسته (Closed-loop) است که از هوش مصنوعی و یادگیری ماشین برای ایجاد قابلیت‌های استدلال در ربات‌های صنعتی و ربات‌های همکار (Cobots) استفاده می‌کند. این چرخه در چهار مرحله رخ می‌دهد:
- مشاهده (Observe): ترکیب داده‌های چندوجهی (Multimodal) — مدلی که هم‌زمان متن، عکس و صدا را می‌فهمد — از سنسورهای بینایی، لیدار (LiDAR)، رادار و ورودی‌های صوتی.
- یادگیری (Learn): توانایی یادگیری کارهای پیچیده تنها با ۱ تا ۵ بار نمایش عملی توسط انسان.
- استدلال (Reason): تولید برنامه‌های حرکتی در لحظه (Real-time) در لبه شبکه (Edge).
- اجرا (Act): کنترل دقیق ربات و ابزار نهایی (End Effector) برای اجرای تسک.
جزئیات پیاده‌سازی
برای مقیاس‌پذیری این فناوری، دو شرکت روی ۶ محور یا ابتکار خاص متمرکز شده‌اند:
۱. بهینه‌سازی سخت‌افزاری: تطبیق Palladyne IQ برای اجرا به‌طور اختصاصی روی پلتفرم‌های رباتیک FANUC.
۲. هوش مصنوعی رفتاری: همکاری مشترک روی برنامه‌ریزی حرکتی مبتنی بر AI و رفتارهای تطبیقی ربات. این دستاوردها یادآور پیشرفت‌های اخیر در رباتیک انسانی است، جایی که برای مثال ربات Galbot توانست تعادل پویا را در رالی‌های تنیس پیاده کند و دقت حرکتی را به سطح جدیدی برساند.
۳. تعامل انسانی: توسعه قابلیت‌های کنترل از راه دور (Teleoperation) و یادگیری با کمک انسان.
۴. تسریع استقرار: استفاده از شبیه‌سازی و آموزش مدل‌های AI برای سرعت بخشیدن به مراحل راه‌اندازی.
۵. اعتبارسنجی موارد کاربرد: تایید مشترک برنامه‌های مشتریان در حوزه‌های تولید، انبارداری و لجستیک.
۶. استانداردسازی: توسعه گردش‌کارهای استقرار استاندارد برای کاربران نهایی و یکپارچه‌سازان سیستم.
Palladyne IQ از آموزش‌های کم‌کد (Low-code) و بدون کد (No-code) از طریق یک برنامه‌ریز اکشن ربات (Robot Action Planner) با قابلیت کشیدن و رها کردن و یک رابط «بوم روتین» (Routine Canvas) پشتیبانی می‌کند. نکته حیاتی این است که این سیستم به‌صورت خودمختار در لبه اجرا می‌شود و برای کار کردن به اتصال دائمی به ابر نیاز ندارد. اگرچه این پلتفرم با اکثر ربات‌های صنعتی موجود در بازار سازگار است، اما این همکاری بر بهینه‌سازی اختصاصی برای سخت‌افزارهای FANUC تمرکز دارد.
کاربردهای هدف این فناوری چندین صنعت حساس را در بر می‌گیرد، از جمله: دفاعی، هوافضا و هوانوردی، خودروسازی، ساخت‌وساز، انرژی و نگهداری زیرساخت‌ها. موارد کاربرد خاص عبارتند از:
- بازرسی کیفیت در خطوط مونتاژ و زیر-مونتاژ.
- عملیات برداشت و جای‌گذاری (Pick-and-place) مانند مرتب‌سازی، کیتینگ و توالی‌بندی قطعات.
- پاک‌سازی قطعات برای کارهای تعمیر، بازبینی و اورهال (MRO).
- سندبلاست و آماده‌سازی سطوح.
این حرکت نشان‌دهنده تغییر مدل کسب‌وکار FANUC است؛ آن‌ها دیگر رباتی نمی‌فروشند که فقط یک کار را عالی انجام دهد، بلکه یک پلتفرم انعطاف‌پذیر ارائه می‌دهند. با مشارکت با یک ارائه‌دهنده نرم‌افزاری شخص ثالث مانند Palladyne، شرکت FANUC الگویی از گسترش AI را دنبال می‌کند که شامل همکاری‌های قبلی با NVIDIA در زمینه زیرساخت‌های لبه و شبیه‌سازی، و با Google برای توسعه عامل‌های هوش مصنوعی برای سیستم‌های رباتیک است.
برای یک تولیدکننده کوچک، این یعنی «سد ورود» به دنیای اتوماسیون فرو می‌ریزد. وقتی رباتی بتواند با ۵ بار تماشا کردن یک کار را یاد بگیرد، به جای هفته‌ها کدنویسی سفارشی، تولیدکنندگان کوچک‌تر در نهایت می‌توانند سرمایه‌گذاری در این حوزه را توجیه کنند.
با این حال، شرکت‌ها شرایط مالی، زمان‌بندی دقیق توسعه یا نام مشتریان اولیه برای عرضه را فاش نکردند. موفقیت این مشارکت به این بستگی دارد که آیا این رفتارهای «تطبیقی» در محیط‌های صنعتی با سرعت بالا، همچنان ایمن و پیش‌بینی‌پذیر باقی می‌مانند یا خیر.
منتظر اولین اعتبارسنجی‌های کاربردی مشترک باشید؛ این نتایج ثابت خواهد کرد که آیا این نرم‌افزار واقعاً می‌تواند هرج‌ومرج یک اسکله باربری واقعی را بهتر از برنامه‌نویسی‌های سنتی PLC مدیریت کند یا خیر.
گام بعدی شما
- اگر مدیر عملیات یا مهندس اتوماسیون هستید، مدل‌های «یادگیری از نمایش» (Learning from Demonstration) را جایگزین برنامه‌ریزی خطی کنید.
- قابلیت‌های رایانش لبه در ربات‌های صنعتی را برای کاهش تأخیر در پاسخ‌دهی بررسی کنید.
- روی استانداردهای No-code برای مدیریت ربات‌ها سرمایه‌گذاری کنید تا وابستگی به برنامه‌نویسان تخصصی کاهش یابد.
اما چالش اصلی، مدیریت انرژی در این پردازش‌های سنگین لبه است — به تحلیل ما درباره‌ی تراشه‌های بهینه برای هوش مصنوعی فیزیکی مراجعه کنید.
گفتگو