Przejdź do treści
ArchXS

Praktyka

AI, które porusza rzeczami, nie tylko dokumentami

Wyuczone polityki zastąpiły ręcznie pisane trajektorie i to zmieniło pytanie, które rozstrzyga projekt robotyczny. Nie który robot kupić, tylko czy domyka się pętla od demonstracji do wdrożonej polityki i co każdy etap ma udowodnić, zanim zapłacimy za następny.

AI, które porusza rzeczami, nie tylko dokumentami
Rys. 01Pętla od demonstracji teleoperowanej do wdrożonej polityki, domykana w dniach, na ścieżce etapowej, w której każda bramka jest miejscem, gdzie zatrzymanie się jest decyzją, a nie porażką.

Jak na to patrzymy

Jeszcze niedawno gniazdo robotyczne było programem pisanym per produkt: trajektoria napisana ręcznie, jedno zadanie na gniazdo, projekt integratorski liczony w latach i zero rzeczy do ponownego użycia w chwili, gdy produkt się zmienił. Zmieniło się nie to, że ramiona są lepsze, tylko to, że polityki stały się przenośne, model vision-language-action dostrojony na stu demonstracjach teleoperowanych, na otwartych wagach, z transferem między konstrukcjami, więc jednostką pracy jest zbiór danych, a nie program. To przenosi ryzyko gdzie indziej. Pytanie nie brzmi już, czy ramię wykona ruch, tylko czy domyka się pętla: czy błąd zaobserwowany na hali zamienia się w nowe demonstracje i lepszą politykę w ciągu tygodnia. A drugie pytanie nie jest w ogóle robotyczne, tylko o to, gdzie kończy się IT zakładu, a zaczyna OT, bo to na tym szwie te projekty realnie grzęzną.

Co zbudowaliśmy

Warstwa przemysłowa pod spodem nie jest planem, tylko działa: planowanie produkcji według ISA-95 na czterech poziomach z solverem ograniczeń CP-SAT jako decydentem, kroczącym horyzontem i strefami zamrożenia planu; akwizycja przez OPC UA według IEC 62541 własnym mostem do szyny zdarzeń; MQTT ze Sparkplug B; telemetria w TimescaleDB. Na tym zaprojektowaliśmy pilotaż robotyczny dla średniego producenta jako mapę wykonalności, nie jako ofertę. Stack jest nazwany i otwarty: Isaac Sim i Isaac Lab do fizyki i randomizacji scen, LeRobot do uczenia z demonstracji i wersjonowanych zbiorów, ROS2 z MoveIt 2 do ruchu świadomego kolizji, SAM2 i FoundationPose do percepcji i wyznaczania chwytów, polityka VLA dostrajana metodą LoRA rzędu 32 i serwowana jako strumień akcji 30 Hz przez ONNX i most ROS2, błędy nagrywane do rosbag2 i odtwarzane w kolejnej rundzie demonstracji. Tak samo nazwane jest to, co mierzymy: skuteczność zadania, chwyt za pierwszym razem, rozjazd symulacja-rzeczywistość, wychodzenie z sytuacji spoza rozkładu treningowego, opóźnienie polityki. Ścieżka ma cztery fazy, każda z kryterium gotowości technicznej: sama symulacja, dowodząca, że polityka zbiega na docelowym zadaniu bez ryzyka sprzętowego; biurkowe ramię badawcze, dowodzące, że polityka się przenosi, a rozjazd do rzeczywistości daje się zmierzyć; mały kobot w kontrolowanej strefie, dowodzący, że skuteczność utrzymuje się na jednym produkcie; gniazdo produkcyjne, dowodzące, że polityka generalizuje na nowe produkty bez dotrenowywania. Jedna granica powiedziana wprost: produkcyjnie dostarczyliśmy warstwę planowania i IT/OT, nie gniazdo robotyczne. Praca robotyczna to zaprojektowany pilotaż z bramkami spisanymi przed pierwszym zamówieniem sprzętu, i tylko w takiej formie jesteśmy gotowi go zaczynać.

Co z tego wynika

Zobowiązanie sprzętowe jest odroczone do momentu, w którym coś zostało udowodnione w symulacji, a każda kolejna faza kupuje konkretny dowód zamiast obietnicy integratora. Kto zatrzyma się na bramce, zostaje ze środowiskiem symulacyjnym, zbiorem demonstracji i pomiarem, a nie z gniazdem, które robi jedną rzecz. A ponieważ artefaktem są demonstracje i polityka, drugi produkt kosztuje ułamek pierwszego, i tylko taka wersja tego przedsięwzięcia się zwraca.