BMW rozwija oprogramowanie dla humanoidalnych robotów, które w przyszłości mogą trafić do produkcji podzespołów samochodowych. Zakład w Landshut ma odpowiadać m.in. za tworzenie architektury systemu, przygotowanie danych treningowych, symulacje oraz uczenie robotów rozpoznawania otoczenia i planowania ruchów.
Zakład BMW w Landshut rozwija oprogramowanie dla robotów
BMW Group rozszerza działalność w obszarze tzw. fizycznej sztucznej inteligencji. Centralne zadania związane z rozwojem oprogramowania dla robotyki wspieranej przez AI powierzono zakładowi w Landshut, który specjalizuje się w wewnętrznej produkcji podzespołów.
Prace obejmują otwarte platformy programistyczne, gromadzenie i przetwarzanie danych treningowych, symulacje, planowanie ruchu oraz uczenie systemów robotycznych. Działania te uzupełniają prowadzone już projekty pilotażowe z udziałem humanoidalnych robotów w fabrykach BMW w Lipsku i Spartanburgu.
Zakład w Landshut ma zapewniać warunki pozwalające sprawdzać nowe rozwiązania bezpośrednio w środowisku przemysłowym. Szeroki zakres wytwarzanych elementów i stosowanych procesów produkcyjnych umożliwia ocenę, przy jakich zadaniach humanoidalna konstrukcja może przynieść rzeczywiste korzyści.
BMW M2 xDrive nie powstało z pasji. Zdecydowali o tym klienci
Robot ma obserwować otoczenie i sam wybierać działanie
Jednym z najważniejszych celów projektu jest ustalenie, które czynności produkcyjne mogą zostać w przyszłości powierzone humanoidalnym robotom. BMW koncentruje się przede wszystkim na pracach wymagających elastyczności, precyzyjnych ruchów oraz rozumienia otoczenia roboczego.
Tworzone w Landshut oprogramowanie ma pozwalać robotom rozpoznawać sytuację, oceniać ją i dobierać odpowiednie działanie. Nie chodzi więc wyłącznie o wykonywanie wcześniej zaprogramowanej sekwencji ruchów, lecz o reagowanie na zmieniające się warunki. Dr Wolfgang Bluemlhuber, odpowiedzialny w BMW Group za dynamikę jazdy i wewnętrzną produkcję podzespołów, podkreśla praktyczne znaczenie projektu:
W zakładzie BMW Group w Landshut łączymy kompetencje w zakresie oprogramowania z praktyką przemysłową w produkcji podzespołów. Pozwala nam to testować nowe technologie na wczesnym etapie i dokładnie oceniać ich przydatność dla produkcji.
BMW łączy klasyczne programowanie z modelami VLA
Punktem wyjścia jest rozwój architektury oprogramowania. BMW wykorzystuje w Landshut otwarte platformy, które mają umożliwiać elastyczne i skalowalne uczenie robotów. System łączy tradycyjne, deterministyczne programowanie z modelami sztucznej inteligencji typu Vision-Language-Action, czyli VLA. Modele te integrują informacje wizualne, rozumienie poleceń językowych i działania robota.
Celem jest stworzenie modułowego środowiska, w którym różne systemy robotyczne będą mogły współpracować. Taka architektura ma stanowić podstawę zarówno dla nowych funkcji, jak i kolejnych zastosowań przemysłowych.
Dane z fabryki trafiają do wirtualnych symulacji
Uczenie robotów wymaga dużych ilości wiarygodnych danych. Zespół w Landshut zbiera je w rzeczywistych warunkach produkcyjnych oraz na specjalnie przygotowanych stanowiskach testowych. Następnie informacje są wykorzystywane w symulacjach, w których wirtualnie odwzorowuje się schematy ruchu i planowanie trajektorii. Pozwala to sprawdzać przebieg procesów jeszcze przed wdrożeniem ich w fabryce i przyspieszać uczenie systemu.
Nowe rozwiązania są najpierw testowane poza bieżącą produkcją. Dopiero później trafiają do projektów pilotażowych, a ich wdrażanie ma następować stopniowo.
W Rosji powstają nowe BMW ze starych części. Kosztują krocie, a chętnych nie brakuje
Roboty uczą się przez obserwację człowieka
Humanoidalne systemy mają zdobywać kolejne umiejętności również poprzez uczenie demonstracyjne. Członkowie zespołu pokazują robotowi określone ruchy i sekwencje wykonywanych czynności. Dane są rejestrowane za pomocą kamer, kombinezonów do przechwytywania ruchu oraz rękawic pomiarowych. Na tej podstawie powstają uogólnione modele zachowania, określane jako polityki, które można później stosować przy różnych zadaniach i w odmiennych warunkach.
Christoph Jagoda, kierownik projektu Physical AI w zakładzie BMW Group w Landshut, zaznacza, że firma nie zamierza ograniczać się do pokazów możliwości technicznych:
Kluczowe jest dla nas rozwijanie technologii w bardzo ścisłym powiązaniu z rzeczywistymi wymaganiami. Nie sprawdzamy tylko tego, co jest technicznie możliwe, lecz także tego, w jakich obszarach humanoidalna robotyka może zapewnić rzeczywiste i niezawodne korzyści w produkcji podzespołów. W ten sposób stopniowo tworzymy jasny obraz zastosowań odpowiednich do wykorzystania przemysłowego.
Precyzyjne chwytanie podzespołów i planowanie ruchu
BMW analizuje przede wszystkim zastosowania wymagające dużej swobody działania, sprawności manualnej oraz rozpoznawania przedmiotów i warunków pracy. Robot powinien potrafić interpretować otoczenie, ustalać położenie i stan obiektów, planować efektywny ruch, a następnie precyzyjnie chwytać i przemieszczać komponenty.
Takie zadania są trudniejsze niż powtarzalna praca klasycznych robotów przemysłowych, które zazwyczaj wykonują ściśle zaprogramowane operacje w kontrolowanym środowisku. Humanoidalna konstrukcja ma być przydatna tam, gdzie proces wymaga częstszego dostosowywania się do sytuacji.
BMW chce zbudować rywala dla Audi Nuvolari. Jest jednak pewne „ale”
BMW współpracuje z uczelniami i firmą Athenyx Robotics
W rozwój technologii zaangażowani są również partnerzy przemysłowi i naukowi. BMW współpracuje m.in. z firmą Athenyx Robotics, powstałą w środowisku Laboratorium Obrabiarek i Inżynierii Produkcji WZL na RWTH Aachen University.
Athenyx Robotics wraz ze specjalistami BMW opracowuje oprogramowanie oparte na sztucznej inteligencji dla inteligentnych systemów robotycznych. Głównym elementem ma być tzw. stos inteligencji, łączący percepcję, uczenie, symulację oraz podejmowanie decyzji.
Platforma ma umożliwić przenoszenie zdobytych umiejętności pomiędzy różnymi robotami i zastosowaniami. Zakład BMW w Landshut współpracuje także z miejscowym uniwersytetem nauk stosowanych, m.in. w zakresie generowania danych, symulacji oraz przygotowywania i testowania konkretnych scenariuszy wykorzystania robotów.
