Репортаж от Wedoany，Исследовательское подразделение Siemens продвигает гибкую робототехнику от лабораторных прототипов к реальному промышленному применению. Д-р Кал Мос (Dr. Kal Mos), возглавляющий фундаментальные технологические исследования и предварительные разработки в этом подразделении, в настоящее время видит свою ключевую задачу в преобразовании гибких роботизированных систем в коммерческие решения, способные надежно функционировать в нестабильных средах, таких как заводы и склады.
Спустя девять месяцев после вступления в должность в команде Siemens Foundational Technologies, д-р Мос сосредоточен на решении ключевой инженерной проблемы: как превратить технологию, хорошо работающую в контролируемых условиях, в надежный и коммерчески жизнеспособный продукт, способный противостоять реальному миру. В основе этой работы лежит симуляция. Обучение роботизированных систем долгое время основывалось на сочетании данных реального мира с крупномасштабным моделированием в контролируемых средах. Около 18 месяцев назад Siemens разрабатывала свои программы, позволяя роботам наблюдать за действиями человека-оператора. Этот процесс, называемый моделью «Видение-Язык-Действие» (VLA), позволяет роботу наблюдать задачу, рассуждать о ней и выполнять ее самостоятельно. Процесс начинается с телеоперации, когда человек повторяет одну и ту же задачу сотни раз, а робот одновременно наблюдает, записывает и изучает движения. Эти данные используются для тонкой настройки модели, обучая ее справляться с вариациями. Затем исследователи оценивают эффективность модели и строят замкнутую систему симуляции. Д-р Мос поясняет, что симуляция с замкнутым контуром означает, что робот обладает способностью восприятия и может ощущать окружающую среду с помощью множества датчиков. Однако он также отмечает, что создание полностью автономных роботов в настоящее время остается исследовательской целью и пока не существует в реальности.
В настоящее время Siemens уже развернула несколько прототипов на своих собственных заводах и активно интегрирует их в производственные процессы. Эти роботы называются «гибкими», потому что они не являются ни полностью автономными, ни традиционно предварительно запрограммированными. Оператор не прописывает все шаги, а лишь ставит задачу, позволяя роботу самостоятельно находить промежуточные шаги для ее выполнения. После развертывания система попадает в замкнутую среду симуляции, где на основе ИИ-модели оптимизирует задачи путем повторяющихся демонстраций. Робот использует датчики для восприятия окружающей среды, корректирует действия в соответствии с данными в реальном времени и работает в итерационном цикле наблюдения, действия и адаптации, обучаясь нормально функционировать за пределами контролируемых условий. Такие гибкие роботы являются первым шагом к созданию более независимых машин. В производственном цехе эта способность проявляется в виде мобильных манипуляторов — систем, сочетающих роботизированную руку с мобильной платформой. Не будучи полностью автономными, они могут выполнять определенные задачи с некоторой степенью независимости, предварительно сокращая разрыв между инструкциями и инициативой.
В Инновационном центре Siemens на Ганноверской ярмарке 2026 (Hannover Messe 2026) компания продемонстрировала, как промышленный ИИ формирует будущее автономной индустрии. В одном из примеров промышленное техническое зрение на базе ИИ помогало роботу-сортировщику распознавать и обрабатывать различные объекты. Этот ИИ способен за миллисекунды анализировать форму, размер или упаковку объекта, что в сочетании с вакуумным мультизахватом позволяет роботу более эффективно перемещать предметы на конвейерной линии. Продукт Simatic Robot Pick AI Pro помогает преодолевать сложные внутрилогистические задачи, которые ранее было трудно решить. Д-р Мос отмечает, что подъем твердых или гибких материалов — простая задача для человека, но огромная проблема для робота. Основная трудность заключается в восприятии и контроле при работе с мягкими объектами — робот должен точно дозировать прилагаемое давление, чтобы не деформировать и не повредить объект. Сложность еще больше возрастает, когда нужно поместить один объект в другой гибкий контейнер (например, несколько предметов в полиэтиленовый пакет), поскольку форма объекта и пакета может непредсказуемо меняться, и робот вынужден полагаться на датчики силы и крутящего момента, а также системы восприятия для постоянной корректировки захвата и движения. Siemens не стремится к созданию универсального искусственного интеллекта, а концентрируется на разработке меньшего числа, но более четко определенных сценариев использования. Д-р Мос говорит, что сужение области применения позволяет разработчикам более эффективно и надежно обучать систему, а конечной целью является достижение полной автономии. Даже в этом случае путь вперед требует значительного объема трудоемкой работы.
Производственные и логистические компании все чаще рассматривают двуногие системы как следующий шаг в автоматизации. На Ганноверской ярмарке 2026 по меньшей мере 15 экспонентов представили роботов, специально разработанных для развертывания на реальных производственных линиях, предназначенных для интеграции в существующие рабочие процессы и выполнения более сложных задач. По мнению д-ра Моса, вопрос не в том, пригодны ли человекоподобные роботы для промышленности, а в том, превосходят ли они по сути традиционную автоматизацию. Он считает, что предпочтение в конечном итоге зависит от «уравнения ценности и стоимости». Поскольку человеческий мир — столы, стулья, транспортные средства и заводы — создан для людей, машина, способная аналогичным образом передвигаться в тех же пространствах, будет обладать огромной ценностью. Однако путь к этой цели может быть постепенным. Д-р Мос полагает, что до достижения экономически оправданных этапов колесные роботы могут представлять большую ценность. В краткосрочной перспективе более простые платформы могут предложить большую практичность: их легче перемещать, они могут нести более емкие батареи и избегают многих проблем со стабильностью, присущих конструкции ног. Сама Siemens не занимается разработкой аппаратного обеспечения роботов, а фокусируется, придерживаясь стратегии, ориентированной на программное обеспечение, на уровне интеллекта и оркестровки роботов, стремясь повысить способность принятия решений и уровень системной интеграции.
В рамках пресс-тура журнал «Machine Design» посетил завод электроники Siemens в Эрлангене, Германия, чтобы на месте наблюдать применение этой стратегии. Там Siemens сотрудничает с британской компанией в области ИИ и робототехники Humanoid, совместно разрабатывая колесного робота Alpha HMND 01 от Humanoid, предназначенного для выполнения автономных логистических задач без необходимости в дополнительном оборудовании. Это сотрудничество основано на базовых моделях ИИ на стеке NVIDIA AI. Подход Siemens заключается не в разработке нового захвата для работы с тканями, а в создании ИИ, который позволяет существующим роботам понимать, как захватывать, как регулировать усилие и координировать свои действия с другими машинами на производственной линии. В этой среде платформа Siemens Xcelerator предоставляет цифровых двойников, среду симуляции и оркеструет потоки данных, связывающие дизайн, симуляцию, промышленное управление и аналитику человекоподобных роботов, обеспечивая возможность мониторинга и обновления в реальном времени.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
