I ROBOT MOBILI AUTONOMI (AMR) lavorano in collaborazione con le persone per creare ambienti di lavoro altamente produttivi automatizzando il trasporto di materiale ripetitivo e soggetto a lesioni. Sebbene i robot utilizzino sensori e algoritmi per navigare in sicurezza anche in ambienti dinamici, non sono in grado di applicare questo input sensoriale per un processo decisionale avanzato. Il prossimo passo nell’evoluzione degli AMR è l’aggiunta dell’Intelligenza Artificiale (IA) per aumentare le capacità dei robot mobili.
La transizione all’intelligenza artificiale
Oggi i robot mobili utilizzano sensori e software per il controllo e la percezione dell’ambiente circostante. I dati provengono da laser scanner integrati, fotocamere 3D, accelerometri, giroscopi, motor encoder e altro ancora. I robot sono in grado di navigare dinamicamente utilizzando i percorsi più efficienti, hanno consapevolezza ambientale in modo da poter evitare ostacoli o persone sul loro percorso e possono recarsi nella stazione di ricarica automaticamente quando necessario. Senza Intelligenza Artificiale, tuttavia, i robot reagiscono allo stesso modo a tutti gli ostacoli, rallentando e tentando di navigare intorno alla persona o all’oggetto, se possibile.
L’intelligenza artificiale comprende diversi rami: per i robot collaborativi si concentra principalmente sull’apprendimento automatico (ML) e sui sistemi di visione. Ad esempio, le telecamere statiche MiR AI Camera posizionate strategicamente consentono ai robot di prevedere gli ostacoli sui loro percorsi, in modo che siano in grado di riprogrammare in anticipo la missione per una navigazione ottimizzata.
L’intelligenza artificiale negli AMR migliora la pianificazione del percorso e l’interazione ambientale
Le capacità innovative di intelligenza artificiale mantengono i protocolli di sicurezza dei robot e promuovono una maggiore efficienza nella pianificazione del percorso e nell’interazione ambientale.
L’intelligenza artificiale è implementata in algoritmi di apprendimento avanzati nel software del robot e in telecamere remote collegate che possono essere montate in aree ad alto traffico o nei percorsi di carrelli elevatori o altri veicoli automatizzati. Le telecamere sono dotate di computer integrati in grado di elaborare dati resi anonimi ed eseguire sofisticati software di analisi per identificare se gli oggetti nell’area sono esseri umani, ostacoli fissi o altri tipi di dispositivi mobili, come gli AGV. Le telecamere quindi trasmettono queste informazioni al robot, estendendo la comprensione dell’ambiente circostante in modo che possa adattare il suo comportamento in modo appropriato, anche prima che entri in un’area.
Con l’IA, i robot possono reagire in modo efficiente e appropriato a diversi tipi di ostacoli per migliorare la navigazione e l’efficienza. Un sistema robotico dotato di IA è in grado di rilevare le aree ad alto traffico prima che arrivi e può identificare altri veicoli e comportarsi in modo appropriato per ridurre il rischio di collisione. In questo modo, non solo gli AMR migliorano il proprio comportamento con l’IA, ma si adattano anche ai limiti di altri veicoli.
Il futuro dell’IA robotica
I robot mobili continueranno a essere entità collaborative e, con l’intelligenza artificiale, la barriera tecnologica tra loro e gli esseri umani continuerà a ridursi, aumentando la collaborazione e l’efficienza. Man mano che l’IA avanza, acquisiremo la capacità di interagire con i robot in modo più naturale utilizzando parole o gesti. Ciò potrebbe includere alzare una mano per fermare il robot, indicarlo in una direzione preferita o fargli cenno di passare o seguirlo.
Gli AMR basati sull’intelligenza artificiale aiuteranno a trasformare i luoghi di lavoro in ambienti organici basati sui dati, in cui i robot condividono dati rilevanti dai propri sensori o da quelli remoti per aiutare le flotte di robot a prendere decisioni. Con questo modello di condivisione dei dati ogni robot ha essenzialmente accesso a ogni sensore in ogni altro robot o telecamera, fornendogli una visione molto più dettagliata dell’intero ambiente, consentendo così prestazioni di pianificazione del percorso molto più efficienti.
Logistica Management, marzo 2021