I pallet sono ovunque, ma per addestrare i robot a impilarli con le merci ci vuole una vita. Risolvere questo problema potrebbe essere una vittoria tangibile per i robot commerciali dotati di intelligenza artificiale.
Prima che arrivino a casa vostra, quasi tutti gli articoli attraversano la catena di fornitura globale su un pallet. Solo negli Stati Uniti circolano più di 2 miliardi di pallet e ogni anno vengono esportate merci per un valore di 400 miliardi di dollari. Tuttavia, il caricamento delle scatole su questi pallet è un compito rimasto nel passato: i carichi pesanti e i movimenti ripetitivi espongono i lavoratori a un elevato rischio di infortuni e, nei rari casi in cui vengono utilizzati dei robot, ci vogliono mesi per programmarli utilizzando computer palmari che sono cambiati poco dagli anni Ottanta.
Jacobi Robotics, una startup nata dai laboratori dell’Università della California, Berkeley, sostiene di poter accelerare notevolmente questo processo grazie a un software di comando e controllo AI. I ricercatori hanno affrontato la pallettizzazione, una delle attività di magazzino più comuni, come un problema di pianificazione del movimento: come si fa a far sì che un braccio robotico prenda scatole di forme diverse e le impili in modo efficiente su un pallet senza bloccarsi? E tutto questo calcolo deve essere veloce, perché le linee di fabbrica producono più varietà di prodotti che mai, il che significa scatole di più forme e dimensioni.
Dopo molti tentativi ed errori, i fondatori di Jacobi, tra cui il robotista Ken Goldberg, dicono di aver risolto il problema. Il loro software, basato su una ricerca pubblicata su Science Robotics nel 2020, è progettato per funzionare con i quattro principali produttori di bracci robotici per la pallettizzazione. Utilizza il deep learning per generare una “prima bozza” di come un braccio potrebbe spostare un articolo sul pallet. Poi utilizza metodi robotici più tradizionali, come l’ottimizzazione, per verificare se il movimento può essere eseguito in modo sicuro e senza intoppi.
Jacobi mira a sostituire i metodi tradizionali che i clienti utilizzano attualmente per addestrare i loro robot. Nell’approccio tradizionale, i robot vengono programmati utilizzando strumenti chiamati “pendenti didattici” e i clienti di solito devono guidare manualmente il robot per dimostrare come prelevare ogni singola scatola e posizionarla sul pallet. L’intero processo di codifica può richiedere mesi. Jacobi afferma che la sua soluzione basata sull’intelligenza artificiale promette di ridurre questo tempo a un giorno e può calcolare i movimenti in meno di un millisecondo. L’azienda prevede di lanciare il prodotto entro la fine del mese.
Miliardi di dollari sono stati riversati nella robotica alimentata dall’intelligenza artificiale, ma la maggior parte dell’entusiasmo è rivolta ai robot di prossima generazione che promettono di essere in grado di svolgere molti compiti diversi, come il robot umanoide che ha aiutato Figure a raccogliere 675 milioni di dollari da investitori, tra cui Microsoft e OpenAI, e a raggiungere una valutazione di 2,6 miliardi di dollari a febbraio. In questo contesto, l’utilizzo dell’intelligenza artificiale per addestrare un robot migliore per impilare le scatole potrebbe sembrare piuttosto elementare.
In effetti, il round di finanziamento iniziale di Jacobi è banale in confronto: 5 milioni di dollari guidati da Moxxie Ventures. Ma in mezzo al clamore per le promesse di scoperte robotiche che potrebbero richiedere anni per concretizzarsi, la pallettizzazione potrebbe essere il problema di magazzino che l’AI è meglio in grado di risolvere nel breve termine.
“Abbiamo un approccio molto pragmatico”, afferma Max Cao, cofondatore e CEO di Jacobi. “Questi compiti sono a portata di mano e possiamo ottenere un’adozione in tempi brevi, rispetto ad alcuni dei progetti in fase di lancio”.
Il prodotto software di Jacobi comprende uno studio virtuale in cui i clienti possono costruire repliche dei loro allestimenti, catturando fattori come i modelli di robot di cui dispongono, i tipi di scatole che usciranno dal nastro trasportatore e la direzione in cui devono essere rivolte le etichette. Un magazzino che trasporta articoli sportivi, ad esempio, potrebbe usare il programma per capire il modo migliore di impilare un pallet misto di palline da tennis, racchette e abbigliamento. Gli algoritmi di Jacobi pianificheranno automaticamente i numerosi movimenti che il braccio robotico dovrà compiere per impilare il pallet e le istruzioni saranno trasmesse al robot.
L’approccio fonde i vantaggi della velocità di calcolo fornita dall’intelligenza artificiale con la precisione delle tecniche robotiche più tradizionali, afferma Dmitry Berenson, professore di robotica presso l’Università del Michigan, che non è coinvolto nell’azienda.
“Stanno facendo qualcosa di molto ragionevole”, afferma. Molte ricerche sulla robotica moderna puntano molto sull’intelligenza artificiale, sperando che l’apprendimento profondo possa aumentare o sostituire l’addestramento manuale, facendo apprendere al robot gli esempi passati di un determinato movimento o compito. Ma assicurandosi che le previsioni generate dal deep learning siano verificate rispetto ai risultati di metodi più tradizionali, Jacobi sta sviluppando algoritmi di pianificazione che saranno probabilmente meno inclini all’errore, dice Berenson.
La velocità di pianificazione che ne potrebbe derivare “fa entrare questo sistema in una nuova categoria”, aggiunge. “Non si noterà nemmeno il tempo necessario per calcolare un movimento. Questo è molto importante in ambito industriale, dove ogni pausa comporta dei ritardi”.
