- عرضت ACE Robotics عملية غسل الملابس الآلية في الفنادق، حيث تستغرق من الجمع إلى التسليم 18.6 ثانية.
- يعزز نظام Mundo قدرة تعلم الروبوتات من خلال التوائم الرقمية التفاعلية، مما يحاكي خصائص البيئة.
- يفصل الهيكل ذو النموذجين التخطيط والتنفيذ، مما يقلل زمن تشغيل الغسيل إلى 18.648 ثانية.
- يمتلك النظام حلقة تغذية راجعة، مما يمكنه من تحسين مهارات الروبوتات واستراتيجيات الحركة بشكل ذاتي.
عرضت شركة ACE Robotics الصينية مجموعة من إجراءات غسل الملابس في الفنادق، حيث دمجت بين المهارات الميكانيكية والتخطيط السحابي باستخدام نموذج Mundo العالمي، لتحقيق عملية آلية من الجمع إلى التسليم. يمكن للنظام أن يمكّن الروبوتات من جمع سلال الغسيل من الغرف، ونقلها إلى غرفة الغسيل، وتشغيل الغسالات والمجففات، وإعادة الملابس النظيفة. يقوم نظام Mundo بإنشاء توائم رقمية تفاعلية للبيئة الفندقية من خلال الصور، مما يسمح للروبوتات بمحاكاة المهام وتعلم سلوكيات الأجسام قبل التشغيل الفعلي. وفقًا للشركة، يستخدم نظام المهارات الذاتية التحسين التغذية الراجعة من الفشل في العالم الحقيقي لتكرير الأداء، مما يقلل من زمن عملية غسل الملابس إلى 18.6 ثانية.
يمكّن نظام Mundo الروبوتات من جمع سلال الغسيل من الغرف، ونقلها إلى غرفة الغسيل، وتشغيل الغسالات والمجففات، وإعادة الملابس النظيفة. يمثل هذا العرض أول تطبيق تجاري طويل السلسلة لهذه التقنية منذ إطلاق ACE Robotics لنموذج Mundo العالمي بالتعاون مع مختبر S-Lab في جامعة نانيانغ التكنولوجية الشهر الماضي. جوهر النظام هو Mundo، الذي يحول الصور الخاصة بالغرف الفندقية والممرات ومرافق الغسيل إلى توائم رقمية تفاعلية. على عكس المحاكاة البصرية التقليدية، تتضمن هذه البيئات الخصائص الفيزيائية مثل كتلة الأجسام والاحتكاك، مما يمكّن الروبوتات من تعلم كيفية استجابة الأجسام عند الاتصال والتحرك.
كيف يعمل نظام Mundo
تولد كل محاكاة بيانات مسارات الروبوت، وحالات الاتصال، والتغذية الراجعة البصرية، والتي تساعد في تحسين استراتيجيات الحركة قبل أن يحاول الروبوت تنفيذ نفس المهمة في بيئة الفندق الحقيقية.
اعتمدت ACE Robotics هيكلًا ذو نموذجين، يفصل بين التخطيط المعقد والتنفيذ في الوقت الحقيقي. يتولى نموذج GPT-Astra السحابي العام، الذي تحدده QbitAI، معالجة تقسيم المهام، والاستدلال، واستكشاف الاستراتيجيات. بمجرد أن يحدد النظام طريقة قابلة للتطبيق، يتم تخزين هذه العملية كمهارة روبوت قابلة لإعادة الاستخدام. بينما يسترجع نموذج آخر يعمل محليًا على الروبوت هذه المهارات وينفذها لأداء حركات فردية. يهدف هذا الفصل إلى تجنب التأخير الناتج عن الاعتماد على الحوسبة السحابية. أفادت ACE Robotics أن نهجها السحابي يستغرق أكثر من 30 دقيقة لإكمال دورة غسيل كاملة، بينما يقلل النموذج المحلي الوقت إلى 18.648 ثانية.
نظام الجدولة وسير العمل
يتولى نظام جدولة يسمى BotAgent تنسيق سير العمل، حيث يقسم عمليات الغسيل إلى 53 حركة ذرية و14 خطوة دلالية عالية المستوى. يمكنه جدولة أكثر من 200 تسلسل عمل محتمل بناءً على موقع الغرفة، وتوافر المصعد، وحالة الطابور في الغسالات.
يتضمن النظام أيضًا حلقة تغذية راجعة تهدف إلى تحسين مهارات الروبوتات من خلال المحاولات المتكررة في العالم الحقيقي. عندما تفشل العملية، يقوم النموذج السحابي بمراجعة تسجيلات متعددة من الكاميرات وسجلات المستشعرات لتحديد المشكلة. ثم يمكنه اقتراح تغييرات على حركة الروبوت أو اختيار زوايا كاميرا بديلة لتجاوز مشكلات الرؤية. على سبيل المثال، عندما يتم حجب الكاميرا المثبتة على معصم الروبوت، يتحول النظام إلى كاميرا علوية. في مثال آخر، عندما تعلق بنطلون جينز في أسطوانة المجفف، يعدل مسار رفع المشبك وزاوية أطراف الأصابع. كما يمكن للروبوت إعادة ضبط البيئة بشكل ذاتي بين كل محاولة.
يقيم نموذج آخر كل جولة من العمليات، مما يمكّن النظام من الاحتفاظ بنسخ من المهارات ذات الأداء الأفضل، والعودة إلى التغييرات ذات الأداء الضعيف. في حالة تفريغ المجفف فقط، أفادت ACE Robotics أنها أجرت 165 تجربة حقيقية للروبوت خلال 57 ساعة، مما أسفر عن 37 اقتراح تحسين وحوالي 80 نسخة من المهارات. أفادت الشركة أن فترة التفريغ استقرت في النهاية بين 170 و210 ثوانٍ، وانخفضت النسبة المتبقية من بنطلونات الجينز داخل المجفف من 48% إلى 32%، حيث حققت أفضل العمليات 19%.
حددت ACE Robotics أيضًا أن البيع بالتجزئة الفوري هو تطبيق محتمل آخر لهذه التقنية. ومع ذلك، فإن بيانات الأداء المبلغ عنها تأتي من الشركة ولم يتم التحقق منها بشكل مستقل.
أهمية تقنية الأتمتة من ACE Robotics
يظهر نظام غسل الملابس الآلي من ACE Robotics إمكانيات تطبيق تقنية الروبوتات في صناعة الفنادق. من خلال نظام Mundo، يمكن للروبوتات التعلم والتكيف في بيئات معقدة، مما يعزز الكفاءة ويقلل من تكاليف العمالة. تصميم الهيكل ذو النموذجين يجعل النظام أكثر مرونة أثناء تنفيذ المهام، متجنبًا مشكلات التأخير الناتجة عن الحوسبة السحابية. بالإضافة إلى ذلك، فإن إدخال حلقة التغذية الراجعة يمكّن الروبوتات من تحسين نفسها باستمرار، وهو أمر حيوي لتحسين جودة الخدمة والتعامل مع التحديات الواقعية.