تطلق Universal Robots مدرّب UR للذكاء الاصطناعي لتدريب الروبوتات بالاعتماد على الذكاء الاصطناعي

قدّمت شركة Universal Robots نظام UR AI Trainer، وهو نظام جديد مصمم لتسريع تدريب الروبوتات القائم على الذكاء الاصطناعي لأغراض الأتمتة الصناعية. كُشف عن المنصة خلال فعالية NVIDIA GTC، وتمثل تحولًا من إجراءات الروبوتات المبرمجة مسبقًا إلى مسارات عمل حركية يطوّرها الذكاء الاصطناعي. وقد طُوّر الحل بالتعاون مع Scale AI، ويركز على جمع بيانات الحركة والتفاعل في العالم الحقيقي لتطبيقات الروبوتات.

تكشف Universal Robots عن UR AI Trainer خلال فعالية NVIDIA GTC. الصورة مقدمة من Universal Robots.

سد الفجوة بين التدريب في المختبر والنشر في المصانع

غالبًا ما يواجه تدريب الروبوتات القائم على الذكاء الاصطناعي صعوبات عند الانتقال من المحاكاة المختبرية إلى بيئات التصنيع الحقيقية. فقد لا تعكس بيانات التدريب المُنشأة في بيئات خاضعة للرقابة التباين الميكانيكي في العالم الحقيقي، أو سلوك الأجسام، أو ظروف الإنتاج. ونتيجة لذلك، تحتاج الروبوتات المُدرَّبة في المحاكاة كثيرًا إلى ضبط إضافي قبل نشرها.

تعتمد أساليب التدريب التقليدية أيضًا بصورة أساسية على مجموعات البيانات المرئية. ولا تستطيع البيانات المرئية وحدها التقاط التغذية الراجعة لعزم الدوران، أو قوى التلامس، أو مقاومة المواد. وتحد هذه القيود من الأداء في تطبيقات مثل التجميع، والإدخال، والمناولة التعاونية.

التحكم المباشر في عزم الدوران يضيف تعلّمًا واعيًا بالقوة

يدمج UR AI Trainer التحكم المباشر في عزم الدوران والتغذية الراجعة للقوة ضمن عملية التدريب. ويتيح ذلك للروبوتات تعلّم مسارات الحركة وخصائص التفاعل الفيزيائي معًا. وأثناء التدريب، يسجل النظام عزم الدوران، وقوة الإمساك، وسلوك التلامس لإنشاء مجموعات بيانات أكثر واقعية.

ومن خلال الجمع بين المعلومات المرئية والتغذية الراجعة الميكانيكية، تتعلم الروبوتات كيف ينبغي أن تشعر المهام أثناء تنفيذها. ويسهم ذلك في تحسين الأداء في التطبيقات التي تتطلب حركة تكيفية، وتعاونًا بشريًا، ومناولة دقيقة.

يتيح التحكم المباشر في عزم الدوران للروبوتات تعلّم التغذية الراجعة للقوة، مما يتيح تدريبًا أكثر دقة قائمًا على الذكاء الاصطناعي. الصورة مقدمة من Universal Robots.

الروبوت القائد يجمع بيانات الحركة والتفاعل

يستخدم UR AI Trainer نموذج تدريب قائمًا على روبوت قائد وآخر تابع. إذ يوجّه المشغّل روبوتًا قائدًا عبر سلسلة من المهام، بينما يسجل النظام معلومات الحركة والقوة والمعلومات المرئية. ثم تُجمّع البيانات التي جرى جمعها في مجموعة بيانات للرؤية-اللغة-الفعل لتدريب روبوتات إضافية.

بعد ذلك، تستطيع الروبوتات التابعة تكرار الأفعال التي تعلمتها من دون برمجة يدوية. ويقلل ذلك من وقت الهندسة ويحسن الاتساق بين الخلايا الروبوتية. كما يدعم هذا النهج النشر الأسرع في أنظمة الأتمتة متعددة الروبوتات.

برمجة الروبوتات المدعومة بالذكاء الاصطناعي للأتمتة الصناعية

يمثل UR AI Trainer خطوة نحو التدريب من آلة إلى أخرى في مجال الروبوتات الصناعية. ويمكن لنماذج الذكاء الاصطناعي تحسين مسارات الحركة، وتحقيق التوازن بين السرعة والدقة، والتكيف مع بيئات الإنتاج المتغيرة. ويقلل ذلك من الاعتماد على البرمجة اليدوية باستخدام وحدة تعليم الروبوت، ويبسط عملية التشغيل الأولي.

تُنفَّذ معظم عمليات المعالجة على منصات حوسبة خارجية للذكاء الاصطناعي بدلًا من وحدات التحكم في الروبوتات. وتتيح هذه البنية إمكانات متقدمة للذكاء الاصطناعي من دون زيادة تعقيد الأجهزة، كما تدعم النشر القابل للتوسع عبر أنظمة أتمتة متعددة.

تطبيقات الأتمتة الصناعية

يدعم UR AI Trainer أتمتة التجميع، وخدمة الآلات، ومناولة المواد. وهو مناسب خصوصًا للمهام التي تتطلب تحكمًا واعيًا بالقوة، مثل الإدخال، والتلميع، والتغليف. كما تستفيد بيئات الروبوتات التعاونية من تحسين ذكاء الحركة والتفاعل التكيفي.

نبذة عن المؤلف

يكتب لين هاويو عن الأتمتة الصناعية، والروبوتات، وتقنيات التصنيع المدعومة بالذكاء الاصطناعي.