Почему внимательность является ключом к масштабированию промышленной автономии

Примечание редактора: Мел Торри, соучредитель и генеральный директор Autonomous Solutions Inc., вы решаете на RoboBusiness. Выбирайте больше об идеях, формирующих будущую робототехнику, и поговорите напрямую с лидерами области Робобизнеса, 20–21 октября в Санта-Кларе, Калифорния.

Эра простой автоматизации завершилась. На протяжении всего срока обещания автономности судили по одному вопросу: может ли машина работать безопасно без постоянного константы человека? Сегодня на этот вопрос получен ответ. Определяющими проблемами для следующего поколения промышленных технологий в настоящее время являются: разумные машины способны воспринимать окружающий мир, принимать сложные решения и реагировать в реальном режиме времени?

Этот переход важен, потому что больше автономии не ограничивается только роботизированными двигательными навыками. Он включает в себя осведомленность о машинах, динамическое измерение средств принятия решений, координацию нескольких объектов и пространственную точность в больших масштабах. В промышленных условиях, когда каждое оперативное решение имеет финансовые последствия и последствия для безопасности, передовые системы машинного внимания стали одним из наиболее важных средств, затрудняющих достижение автономных машин. <ч2>Объединение конференций автопарков: аргументы в аппарате полезно-независимого виденияч2>

Для многих специалистов проблема заключается не просто в покупке новой технологии; это интеграция разведки в внешние объекты и активы без демонтажа всего, что уже работает. Благодаря обновлениям машинного решения администраторы могут преобразовать существующее оборудование в высокопроизводительные автономные платформы, не привязываясь к экосистеме одного поставщика.

Этот подход имеет практическое и экономическое значение. Это небольшая потребность в полной замене капиталоемких автопарков, сохранении при этом приросте производительности, безопасности и использования, что обеспечивает автономную работу. В компании Autonomous Solutions Inc. (ASI) мы с самого начала строили нашу платформу Mobius® вокруг этих принципов, потому что промышленные операторы, которые мы обслуживаем, не могут позволить себе ждать циклического цикла замены парков, прежде чем они начнут осознавать преимущества автономности. <ч2>Переход от GPS к интеллектуальному прогнозированиюч2>

В течение многих лет GPS считался глазами автономной машины. Это не так. GPS сообщает о машине, где она находится. Он не может сказать машину, которая находится перед ней, что собирается пересечь ее путь или изменить маршрут впереди с момента последнего путешествия.

Наша команда ASI усвоила это на собственном горьком опыте. На начальном этапе подготовки мы выбрали датчики автомобильного класса, которые были лучшими из имеющихся на данный момент. В течение года пыль, вибрация и экстремальные температуры на действующей шахте привели к 100% отказу. Нам пришлось перестроить всю спецификацию нашего датчика с нуля, разработать его для полевых условий, а не для технологий, которые встречаются в контролируемой среде.

Зарегистрируйтесь сейчас и сэкономьте на пропуске в RoboBusiness 2026

Этот опыт сформировал все, что касается визита ИСИ к восприятию сегодня. Самосвалу, двигающемуся по перекрестку при 45-градусной жаре, окруженному облаками пыли и основной 200-тонной полезной нагрузкой, легковой автомобиль пересекает его путь в 80 метрах впереди, требуется система технического зрения, разработанная для этой особенности реальности, не адаптированная к потребительской платформе. Машины, которые выводятся из строя в таких условиях, почти всегда выводятся из строя не из-за моторного контроля или пути планирования, а из-за наблюдения. Они не могли видеть то, что им нужно было увидеть, и тогда, когда им нужно было это увидеть.

Для истинного автономного наблюдения требуется периферийный интеллект — обработка изображений осуществляется на транспортных средствах в режиме реального времени, независимо от сетевого соединения или централизованных компьютеров. Машина должна находить людей на своем пути, прогнозировать их движение и определять наиболее безопасный ответ за миллисекунды. Не тогда, когда данные используются сервером.

Реальная рентабельность восприятия: время простоя – враг

Традиционная автоматизация лучше всего работает в структурированных, благоприятных средах с фиксированными маршрутами, четко обозначенными путями и повторяющимися движениями в контролируемых пространствах. Но большинство промышленных объектов совсем недешевы. Зоны строительства меняются ежедневно. Сельскохозяйственные поля меняются в зависимости от погоды и времени года. Места развития постоянно развиваются по мере развития экономики.

Цена неправильного восприятия в этих условиях не является абстрактной. Незапланированные простои крупных горнодобывающих или строительных предприятий могут стоить десятки тысяч долларов в час. Единственное столкновение между автономным транспортным средством и пилотируемой машиной может остановить работу всего объекта, вызвать нарушение безопасности и подорвать защиту в организации, в зависимости от того, выживание и масштабирование автономных программ которых зависит. Мы часто видели, как этот динамик проявлялся в наших ранних развертываниях, что привело нас к восприятию не как к свойству автономии, а как к основополагающему.

Интеллектуальная, пространственно-сознательная автономия использует вероятностное восприятие, чтобы предвидеть и преодолевать непредвиденные препятствия, а не просто останавливаться при их обнаружении. Именно в этом различия между системой, которая останавливается, и системой, которая рассуждает, и заключаются в реальной приросте производительности. Именно поэтому гибкость и стоимость обеспечения оборудования машинного зрения имеют почти такое же значение, как и автономность базовой платформы. Архитектура датчиков, не связанная с аппаратным обеспечением, позволяет операторам адаптировать обработку для своей конкретной среды и обновлять их по мере появления новых технологий, не привязываясь к дорожной карте одного поставщика.

Автономное движение становится разрешимой проблемой. Контекст и информативность остаются частично.

Будущая промышленная надежность в сотрудничестве с LiDAR, CMOS-камерой и радаров – не как резервные копии, а как дополнительные уровни восприятия, каждое из которых видит то, чего не могут другие. LiDAR обеспечивает точное пространственное картографирование. Камеры отражают контекстуальное богатство, необходимое для того, чтобы оттолкнуть человека от публикации. Радар работает в пыли, тумане и в условиях, полностью блокирующих работу оптических датчиков.п>

Встраивая избыточность в уровень восприятия, мы гарантируем, что автономные машины не просто движутся, но и работают с ситуационной сознательностью, с которой опытные операторы-люди развивают свою основу, — и что они могут делать это постоянно, в условиях, в которых ни один оператор-человек не должен терпеть.

В ASI уже мы проехали 4,5 миллиона автономных миль и почти 400 миллионов тонн материала в самых тяжелых условиях эксплуатации в мире. Каждый из этих миль научил нас чему-то о том, что машинам нужно видеть, и что происходит, когда они не могут. Следующая эра промышленной автономии будет определяться не машинами, которые движутся, а машинами, которые по-настоящему поддерживаются.

Об авторе

Мел Торри вырос на ферме в Альберте, Канада, и побудило его получить образование и автоматизировать свои тракторы! Он получил степень магистра электротехники в Университете штата Юта и начал исследования в области робототехники 28 лет назад. Мел и его команда начали Autonomous Solutions Inc. (ASI) в 2000 году и начали развивать компанию благодаря партнерству с крупнейшими в мире производителями полевой робототехники.

Пост «Почему восприятие является ключом к расширению промышленной автономии» впервые появился в The Robot Report.

Источник