ظهور ربات‌های انسان‌نمای مجهز به هوش مصنوعی در صنعت

فشار صنعتی به‌سوی خودکارسازی انسان‌گونه

شرکت‌های تولیدی وارد مرحله‌ای جدید از خودکارسازی شده‌اند؛ مرحله‌ای که در آن ربات‌ها دیگر به‌عنوان ماشین‌های برنامه‌پذیرِ جدا از محیط عمل نمی‌کنند. سامانه‌های انسان‌نمای امروزی، هوش مصنوعی، حسگرهای پیشرفته و کنترل حرکتی تطبیقی را با یکدیگر ترکیب می‌کنند تا به شیوه‌هایی با محیط‌های صنعتی پویا تعامل داشته باشند که از توان ربات‌های سنتی خارج است.

کمبود نیروی کار در سراسر جهان، بی‌ثباتی زنجیره تأمین و افزایش نیاز به انعطاف‌پذیری تولید، سرمایه‌گذاری در پلتفرم‌های رباتیکیِ قادر به یادگیری وظایف را به‌جای تکرار توالی‌های ثابت، همچنان شتاب می‌بخشد. چیزی که زمانی به داستان‌های علمی‌تخیلی تعلق داشت، اکنون به موضوعی عملی در مهندسی کارخانه‌ها، انبارها و تأسیسات انرژی تبدیل می‌شود.

شکل ۱. پلتفرم‌های رباتیک انسان‌نمای امروزی، ادراک مبتنی بر هوش مصنوعی، کنترل حرکتی بلادرنگ و سازوکارهای چابک را برای کاربردهای صنعتی ترکیب می‌کنند.

از مفاهیم مکانیکی اولیه تا ماشین‌های هوشمند

واژه «ربات» چگونه وارد فرهنگ صنعتی شد

اصطلاح «ربات» از واژه چکی «robota» به معنای کار اجباری ریشه گرفته است. این واژه پس از آنکه کارل چاپک آن را در نمایشنامه «R.U.R.» در سال ۱۹۲۰ به کار برد، در سراسر جهان شناخته شد. این مفهوم بازتاب‌دهنده نگرانی‌های جامعه صنعتی درباره جایگزین شدن نیروی کار انسانی با کار مکانیزه بود.

یک قرن بعد، تولیدکنندگان هدف متفاوتی را دنبال می‌کنند. توسعه‌دهندگان رباتیک امروزی بر همکاری میان انسان و ماشین تمرکز دارند، به‌ویژه در وظایف خطرناک، تکراری یا از نظر ارگونومیکی دشوار.

سامانه‌های انسان‌نمای اولیه راه را هموار کردند

برخی از نخستین ماشین‌های انسان‌نما در دهه‌های ۱۹۲۰ و ۱۹۳۰ پدیدار شدند. سامانه‌هایی مانند Herbert Televox و Elektro با استفاده از طراحی‌های الکترومکانیکی، تعامل، حرکت و واکنش ابتدایی به محیط را به نمایش گذاشتند.

اگرچه این اختراع‌ها با معیارهای امروزی محدود بودند، ایده‌های بنیادینی را تثبیت کردند که هنوز هم مرتبط‌اند: حسگری، ارتباط از راه دور، حرکت هماهنگ و کارِ یاری‌گرفته از ماشین.

شکل ۲. ربات‌های انسان‌نمای اولیه، دهه‌ها پیش از ظهور سامانه‌های هوش مصنوعی مدرن، مفهوم تعامل یاری‌گرفته از ماشین را معرفی کردند.

چرا انسان‌نماهای مدرن متفاوت‌اند

هوش مصنوعی کنترل حرکت را متحول می‌کند

ربات‌های صنعتی سنتی از طریق برنامه‌نویسی قطعی کار می‌کنند. مهندسان مسیرهای حرکت، محدوده‌های عملیاتی و شرایط منطقی را از پیش تعریف می‌کنند. رباتیک انسان‌نما با ترکیب مدل‌های هوش مصنوعی و سامانه‌های کنترل بلادرنگ، تغییر بزرگی ایجاد می‌کند.

انسان‌نماها به‌جای پیروی از توالی‌های خشک، می‌توانند دستورهای گفتاری را تفسیر کنند، اشیا را از طریق بینایی ماشین شناسایی کنند و حرکت خود را بر اساس تغییرات محیطی تطبیق دهند. این انعطاف‌پذیری، ارزش عملیاتی آن‌ها را در کارخانه‌های مدرن به‌طور چشمگیری افزایش می‌دهد.

تأمین‌کنندگان خودکارسازی صنعتی همچنان در حال گسترش زیرساخت سخت‌افزاری موردنیاز این تحول هستند؛ به‌ویژه در زمینه کنترل‌کننده‌های پرسرعت، ورودی/خروجی توزیع‌شده و سامانه‌های سروو. کاربردهای مبتنی بر حرکت، بیش از پیش به درایوها و پلتفرم‌های کنترل حرکت پیشرفته‌ای متکی می‌شوند که قادر به هماهنگ‌سازی چندمحوره هستند.

اطلس و ظهور رباتیک تطبیقی

شرکت Boston Dynamics و مؤسسه Toyota Research Institute اخیراً نشان دادند که سامانه‌های انسان‌نما چگونه می‌توانند با استفاده از مدل‌های هوش مصنوعیِ وابسته به زبان، وظایف دست‌کاریِ بلندمدت را اجرا کنند. اطلس می‌تواند درخواست‌های زبان طبیعی را پردازش کند و هم‌زمان حرکت بدن و اجرای وظیفه را در لحظه به‌صورت پویا تنظیم کند.

این قابلیت در مقایسه با سلول‌های رباتیکی ثابت، پیشرفتی بزرگ محسوب می‌شود. انسان‌نماها به‌جای نیاز به بازبرنامه‌ریزی گسترده، می‌توانند از طریق نمایش عملی یاد بگیرند و هنگام کار، راهبردهای حرکتی خود را پیوسته بهبود دهند.

معماری زیربنایی این سامانه، بینایی ماشین، حس عمقی و مدل‌های هوش مصنوعی مبتنی بر ترنسفورمر را با نرخ نوسازی بالا ترکیب می‌کند تا تعادل، آگاهی از اشیا و دقت حرکتی را به‌طور هم‌زمان حفظ کند.

سخت‌افزارهای پشت ربات‌های انسان‌نمای هوش مصنوعی

پردازش بلادرنگ و تلفیق حسگرها

ربات‌های انسان‌نما برای پردازش هم‌زمان بازخورد حرکتی، داده‌های بینایی، محاسبات گشتاور و استنتاج هوش مصنوعی به توان محاسباتی بسیار زیادی نیاز دارند. سامانه‌های مدرن، پردازنده‌های گرافیکی، پردازنده‌های صنعتی، شتاب‌دهنده‌های هوش مصنوعی لبه‌ای و ریزکنترل‌گرهای متمرکز بر امنیت سایبری را یکپارچه می‌کنند.

مشارکت میان شرکت‌های نیمه‌رسانا و توسعه‌دهندگان رباتیک اکنون تمرکز زیادی بر بهره‌وری انرژی و معماری‌های کنترل کم‌تأخیر دارد. این سامانه‌ها باید ضمن مدیریت بارهای کاری پیچیده هوش مصنوعی، زمان پاسخ قطعی و قابل پیش‌بینی ارائه دهند.

چرا حرکت دقیق اهمیت دارد

حرکت پایدار انسان‌نما به سامانه‌های سرووی بسیار هماهنگ، الگوریتم‌های پیشرفته کنترل موتور و تجهیزات بازخورد دقیق وابسته است. الگوریتم‌های کنترل میدان‌گرا به تثبیت خروجی گشتاور کمک می‌کنند و هم‌زمان لرزش و ناپایداری مکانیکی را هنگام حرکت کاهش می‌دهند.

محیط‌های صنعتی از پیش به سامانه‌های نگهداری و تعمیرات پیشگویانه برای پایش موتورها، یاتاقان‌ها و ماشین‌آلات دوار متکی هستند. راهبردهای پایش مشابه، با استفاده از تحلیل ارتعاش و عیب‌یابی بلادرنگ، به‌طور فزاینده‌ای از قابلیت اطمینان رباتیک پشتیبانی می‌کنند؛ با فناوری‌هایی که معمولاً با راهکارهای پایش ماشین‌آلات Bently Nevada شناخته می‌شوند.

ربات‌های انسان‌نما بیشترین تأثیر را در کجا خواهند داشت

تولید و جابه‌جایی مواد

ربات‌های انسان‌نما در تأسیساتی که فضاهای کاری آن‌ها در اصل برای انسان‌ها و نه خودکارسازی ثابت طراحی شده‌اند، ظرفیت بالایی نشان می‌دهند. انبارها، کارخانه‌های مونتاژ و مراکز لجستیکی همچنان از اهداف اصلی استقرار این ربات‌ها هستند.

این ربات‌ها می‌توانند وظایف تکراری حمل‌ونقل، کار با ماشین‌آلات، عملیات بسته‌بندی و جابه‌جایی مواد خطرناک را بدون نیاز به بازطراحی گسترده زیرساخت‌ها انجام دهند.

انرژی، خدمات عمومی و عملیات خطرناک

تأسیسات تولید برق، سکوهای فراساحلی و کارخانه‌های شیمیایی نیز فرصت‌های مهمی برای رباتیک انسان‌نما فراهم می‌کنند. سامانه‌های مجهز به هوش مصنوعی می‌توانند مناطق خطرناک را بازرسی کنند، شیرها را به کار بیندازند، داده‌های ارتعاشی جمع‌آوری کنند و در شرایط واکنش اضطراری یاری‌رسان باشند.

با افزایش الزامات امنیت سایبری صنعتی، انسان‌نماها باید در معماری‌های کنترلی امنی نیز کار کنند که از شبکه‌های فناوری عملیاتی و زیرساخت خودکارسازی بلادرنگ محافظت می‌کنند.

این صنعت همچنان با چالش‌های بزرگی روبه‌رو است

با وجود پیشرفت سریع، رباتیک انسان‌نما هنوز با موانع مهندسی جدی مواجه است. محدودیت‌های باتری، دوام مکانیکی، اعتبارسنجی ایمنی هوش مصنوعی و تعامل قابل‌اعتماد با انسان، همچنان چالش‌هایی حل‌نشده برای استقرار صنعتی در مقیاس گسترده‌اند.

هزینه نیز همچنان عاملی مهم است. پلتفرم‌های انسان‌نمای رده‌بالا در حال حاضر به عملگرها، حسگرها، پردازنده‌ها و تلاش‌های پرهزینه برای یکپارچه‌سازی نرم‌افزار نیاز دارند؛ هزینه‌هایی که بسیاری از تأسیسات هنوز نمی‌توانند از نظر اقتصادی توجیه کنند.

با این حال، شتاب توسعه همچنان در حال افزایش است. تولیدکنندگان نیمه‌رسانا، تأمین‌کنندگان خودکارسازی، شرکت‌های رباتیک و شرکت‌های هوش مصنوعی، به‌طور فزاینده‌ای سامانه‌های انسان‌نما را بازاری راهبردی و بلندمدت می‌دانند.

لحظه‌ای تعیین‌کننده برای خودکارسازی صنعتی

رباتیک انسان‌نما دیگر صرفاً نمایشی آزمایشی نیست. همگرایی هوش مصنوعی، بینایی ماشین، شبکه‌سازی صنعتی و سامانه‌های پیشرفته حرکتی، این پلتفرم‌ها را به‌سوی ارزش عملی در صنعت سوق می‌دهد.

مهم‌ترین تغییر، ظاهر این ربات‌ها نیست. پیشرفت واقعی در سازگاری آن‌ها نهفته است. کارخانه‌ها بیش از پیش به سامانه‌هایی نیاز دارند که بتوانند شرایط متغیر را تفسیر کنند، با کارکنان همکاری داشته باشند و بدون بازبرنامه‌ریزی گسترده، عملیات جدید را یاد بگیرند.

در دهه پیش‌رو، ربات‌های انسان‌نمای موفق احتمالاً ابتدا در نقش‌های صنعتی تخصصی ظاهر خواهند شد؛ نقش‌هایی که در آن‌ها کمبود نیروی کار، شرایط خطرناک و انعطاف‌پذیری عملیاتی، ارزش اقتصادی قابل‌اندازه‌گیری ایجاد می‌کنند. شرکت‌هایی که قابلیت اطمینان، بهره‌وری انرژی و تعامل ایمن با هوش مصنوعی را حل کنند، نسل بعدی خودکارسازی صنعتی را شکل خواهند داد.

نویسنده: Daniel Mercer | خبرنگار ارشد سامانه‌های صنعتی

Daniel Mercer بیش از ۱۴ سال است که حوزه خودکارسازی صنعتی، یکپارچه‌سازی رباتیک و سامانه‌های کنترل حرکت را پوشش می‌دهد. سوابق او شامل پروژه‌های مهندسی میدانی با پلتفرم‌های حرکتی Siemens، سامانه‌های رباتیک ABB، راهکارهای پایش صنعتی Emerson و استقرارهای خودکارسازی تولید در مقیاس بزرگ در بخش‌های انرژی و صنایع سنگین است.