Последняя задача робототехники: чем сейчас занимается Yandex Robotics

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.

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.

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.

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.

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

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.

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.

Что касается мобильных роботов, то все основное «железо» по нашим заказам изготавливают в России, а движки и сенсоры мы привозим из Китая.

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.

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.

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.

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.

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.