О складских роботах, выполняющих задачи в 500 раз быстрее людей, роборуке, которую в процессе обучения случайно «очеловечили», и других достижениях робототехники мы поговорили с Иваном Калиновым, директором Yandex Robotics.
В сентябре Центр робототехники Яндекс Маркета был выделен в новую компанию — Yandex Robotics. Какие задачи перед ней стоят, над чем она работает?
Центр робототехники Яндекс Маркета появился почти три года назад. Изначально мы развивались как небольшая команда, а затем выделились в самостоятельный бизнес стрим. Эти три года команда разрабатывала продукты для собственных нужд Яндекса, в первую очередь для Маркета. Но потом мы увидели большой запрос рынка на наши решения и начали двигаться вовне.
Новая компания продолжит создавать роботов и разрабатывать ПО для складских операций Маркета, а также предлагать свои решения сторонним бизнесам. Сейчас у нас работает более 300 человек: около 150 инженеров в сфере R&D, порядка 100 — в команде поддержки бизнеса (инженеры сборки, операторы роботов) и еще примерно 50 человек помогают в бэк-офисе.
Иван Калинов, директор Yandex Robotics
Иван Калинов окончил факультет радиотехники и кибернетики МФТИ. Получил степень магистра в МФТИ и Сколтехе, успел поучиться в MIT, имеет степень PhD по робототехнике, которой занимается с 2014 года. Он начал путь с автономных дронов для инвентаризации в рамках собственного стартапа. За время работы и учебы в Сколтехе создавал разных роботов и руководил разработкой коммерческих проектов в робототехнике. В Яндексе работает с ноября 2021 года.
А о каких продуктах речь?
У нас два основных направления, и в каждом есть разные линейки роботов. Первое направление — мобильная робототехника. В его рамках мы развиваем робота для инвентаризации складских помещений.
Он сканирует штрих и QR-коды на упаковках с товарами, например с бытовой техникой или сухим кормом для животных, и заносит данные в систему складского учета. У команды из пяти человек на инвентаризацию зоны площадью 20 тысяч кв. м уходит около месяца, а робот справится в 450–500 раз быстрее: он способен инвентаризировать это пространство за полтора часа. Несколько таких машин работают на наших складах, еще три — на внешних площадках.
Робот-инвентаризатор справляется с задачей в 450–500 раз быстрее команды из пяти человек.
Автономный мобильный робот (АМР) развозит тяжелые грузы по складу, а Dilectus помогает комплектовать заказы для отправки покупателям. Он находит коробки с нужными товарами, снимает их со стеллажей в зоне хранения, перевозит в зону комплектации и обратно. Dilectus гораздо сильнее человека: он легко поднимает короба весом до 35 кг и может одновременно перевозить до девяти таких коробов.
Второе направление нашей деятельности связано с коллаборативной робототехникой. Мы разрабатываем ИИ для так называемых роборук разных размеров. Первое устройство — депалетайзер с искусственным интеллектом. Он разбирает входные палеты, на которых лежат коробки разных размеров, форм и веса, и складывает их на конвейер. Благодаря нашей машине стоимость складских операций снижается, а скорость депалетизации увеличивается в среднем в два раза. Робот умеет проводить и обратную операцию, палетайзинг, то есть может собрать правильную палету из коробок разных размеров — эдакий 3D-тетрис.
Второй наш продукт с ИИ для роборук — Пикер с механическим щипковым захватом. Этот робот умеет поднимать небольшие объекты — например, канцелярские принадлежности, строительные крепежи, медицинскую продукцию и другие малоразмерные предметы весом до нескольких килограммов.
Dilectus находит в зоне хранения коробки с нужными товарами, забирает их и отвозит в зону комплектации.
Как робот определяет, какой предмет перед ним находится?
Все дело в софте. ИИ распознает изображение объекта, определяет, к какой категории он относится, строит карту глубины и затем начинает управлять двухпальцевым пикером. Он даже может предварительно повернуть или передвинуть товар для более удобного захвата. Для двухпальцевого пинчгриппера, с которым мы работаем, пока никто не написал ПО.
Мы достаточно много времени потратили на R&D, в результате получилась многомиллиардная нейронная сеть, которая может управлять маленькой роборукой — Пикером — и захватывать 94–97% ассортимента Яндекс Маркета. Она позволяет машинам комплектовать, сортировать, перекладывать товар из контейнера в нужное место. Причем за счет обучения нейросеть научилась определять и перекладывать в том числе и новые для нее предметы. Вообще проблема мелкой моторики роботов — одна из ключевых задач в робототехнике. И мы работаем над ее решением.
Почему вы выбрали для решения такой задачи именно двухпальцевый захват, а не аналог человеческой руки?
Решения встречаются разные — пятипальцевые, имитирующие руку человека, тоже есть. Но при таком подходе нужно обеспечить управление каждым пальцем отдельно, дать Пикеру то же количество степеней свободы, что и человеческой руке. Да, имитацией человеческой кисти удобнее осуществлять некоторые действия, но большую часть операций можно произвести и двумя пальцами.
В целом с задачей перемещения коробки или ее детектирования робототехника справилась. Тем не менее большинство разработчиков до сих пор пытаются передвигать объекты манипуляторами с присосками. Это еще раз доказывает сложность задачи управления роботами с пальцевым захватом
Депалетайзер перекладывает товар на конвейер или, наоборот, собирает его на палете. Причем разный размер коробок роботу не мешает.
Почему так сложно научить робота брать предметы? Вроде такие машины уже и ходить могут, и даже делать сальто.
Устройство изначально не понимает, с каким объектом оно работает. Ему нужно с разной степенью сжатия — но при этом без датчиков сжатия — схватить и переместить гель для стирки, ручку пакета, коробку чая или хрупкие конфеты. На начальных этапах мы научили Пикер брать твердые предметы, а затем перешли к хрупким. В ходе тестирования робот порой мял объект. Мы считали такой опыт неудачей и продолжали обучение.
В результате в нейросеть удалось «зашить» понимание того, с каким предметом она сейчас взаимодействует. По сути, мы дали оператору джойстик, написали всю систему телеуправления и на основе манипуляций человека с пинчгриппером составили дата сет — он получился одним из самых больших в мире. Нейросеть запоминала действия и степень усилия на захватах в каждом конкретном случае. Она научилась двигать объект, чтобы удобнее захватить его, и преследовать, когда товар нарочно пытаются убрать. Этому мы ее обучали полтора года.
Бывали даже ситуации, когда оператор задумывался, как лучше взять объект, и вхолостую нажимал на курок джойстика, «щелкая» пальцами захвата. Это нейросеть тоже запомнила и теперь в сложных случаях «щелкает» пальцами.
Возможностей Пикера с механическим щипковым захватом хватает для большинства операций. Задача была в том, чтобы научить ИИ с ним работать.
Получается, роборука «очеловечилась» в процессе обучения. Насколько сложные задачи сейчас она может решать?
Существует несколько поколений автоматизации. Первая — хардкод, когда автоматика перемещает одинаковые объекты по фиксированному маршруту. Вторая ступень — оснащение и обучение робота CV (компьютерным зрением) с пониманием, какой предмет и откуда нужно брать.
У многих компаний уже есть техника с автономным управлением, способная передвигаться внутри помещений или снаружи, видеть и оценивать обстановку вокруг себя. Мы же сейчас находимся в процессе создания системы третьего поколения, которая может взаимодействовать со средой в меняющихся условиях — например, работать с огромной товарной матрицей, десятками миллионов различных товаров, которые изо дня в день могут меняться. Именно эту проблему мы сейчас решаем, и у нас, похоже, неплохо получается.
Вы сказали, что сам механизм роборуки у вас от стороннего производителя. А что с остальными вашими продуктами в плане «железа»?
Что касается мобильных роботов, то все основное «железо» по нашим заказам изготавливают в России, а движки и сенсоры мы привозим из Китая.
Вы упоминали коллаборативных роботов, ко-ботов, которые могут работать рядом с людьми. Все ваши продукты таковы?
К коллаборативным роботам относится Пикер. Обычно он работает в отдельной зоне — однако, если в ней окажется человек или, например, его рука, робот не просто заметит это, но и сможет без вреда для человека продолжить работу.
Робот-инвентаризатор тоже в каком то смысле коллаборативный. Он уже действует в одной зоне с людьми, видит их. При необходимости он способен попросить человека отойти, подав звуковой сигнал, или самостоятельно его объехать.
А насколько экономически эффективно использование складских роботов? Как можно оценить выгоду от их внедрения для компании?
У каждого из роботов есть просчитанная экономическая модель, в которую можно подставить либо наши параметры, либо параметры партнера. В среднем срок окупаемости составляет от года до трех лет — этот показатель вычисляется исходя из эффективности работы оборудования и экономии человеческого ресурса.
Мы видим дефицит сотрудников для складских работ как в России, так и в целом по миру. Бизнес в сфере е-кома растет двузначными темпами, и, чтобы поддерживать такой рост, необходимо активно внедрять автоматизацию на складах.
Экономическая выгода от роботизированных устройств индивидуальна для каждого проекта. Например, инвентаризацию на складе робот выполняет в 500 раз быстрее, чем команда из пяти человек. Но, с другой стороны, такую операцию проводят не каждый день. Поэтому унифицировать эффективность нельзя.
В среднем робот-инвентаризатор окупается за 1,5–2,5 года в зависимости от ряда факторов. Если у склада большая оборачиваемость, машина окажется выгоднее не только благодаря более интенсивному использованию, но и потому, что она не накапливает человече ские ошибки.
Как вы думаете, сколько нам осталось до полностью автоматизированных складов, на которых вообще не будет людей?
На мой взгляд, 100%-ной автоматизации складов в обозримом будущем ожидать не стоит, но 95% бизнесу будет достаточно. Роботы нуждаются в людях не меньше, чем люди в роботах. Во-первых, машинам нужно постоянное техническое обслуживание. Во-вторых, сохраняется процент неудачных операций, хоть и небольшой. Это значит, что на 20 устройств должен приходиться хотя бы один человек, который будет решать задачи бизнеса в тандеме с роботами.
Конечно, как робототехник я мечтаю и стремлюсь к появлению полностью автономного склада. Но даже в таком месте примерно 5% операций будут выполнять люди. Живые сотрудники, особенно высококвалифицированные, не исчезнут, задача робототехники — избавить их от рутинных операций.
В целом сроки появления 100% автоматизированного склада зависят от размеров этого склада. К примеру, автоматизировать целиком цепочку операций на крупном складе мы сможем уже через 2,5–3 года. Если речь о дарксторе, в котором робот Dilectus мог бы привозить контейнер, а Пикер — разгружать его и комплектовать заказы, то такое решение мы уже протестировали, показали на последней выставке «СеМАТ» и готовы реализовать в следующем году.
Ваши роботы где-то уже используются?
Наши продукты постепенно включаются в производственные цепочки партнеров. Например, на складе «Лемана Про» тестируют роборуку с искусственным интеллектом на операциях депалетайзинга — она помогает разбирать товары. Мы ожидаем, что использование робота снизит стоимость операций по депалетизации примерно на 40% и при этом вдвое увеличит их скорость.
Звучит впечатляюще. А куда сейчас движется Yandex Robotics в целом, чего можно ожидать в будущем?
В данный момент мы занимаемся в основном интралогистикой — всем тем, что связано со складскими логистическими операциями. Мы активно развиваемся в этой сфере и скоро покажем много интересных наработок.
Комментарии