Роботы-игрушки. Топ-10 проектов c Kickstarter для развития ребенка и обучения программированию
Одним из направлений робототехники стали интеллектуальные игрушки для обучения детей творчеству, основам наук и программированию. Порой такие детские роботы уже обладают элементами искусственного интеллекта (ИИ) и способны самообучаться в процессе общения. Воплотить в жизнь самые оригинальные идеи из детской игровой робототехники помогают небольшим стартапам платформы Кикстартер и Индигого. Из представленных на этих краудфандинговых платформах проектов мы сформировали подборку наиболее востребованных идей, получивших финансирование для дальнейшего развития проекта.
Clicbot – обучающий робот-игрушка
Clicbot – универсальный программируемый робот-игрушка. Благодаря модульной конструкции робот можно собрать в виде гуманоида, двух и четырех колесной тележки, манипулятора, напоминающего формой и движениями промышленные роботы-автоматы. Имеется 50 предварительно запрограммированных забавных конструкций и множество других вариантов для самостоятельного творчества.
Интерактивный Clicbot способен слушать собеседника и реагировать на его действия. Хотя, он и не предназначен для использования в качестве полностью автономного робота-компаньона, но его поведение может легко программироваться. У Clicbot более 1000 настроек и каждая имеет свои под варианты. Он может ходить, ползать, танцевать, ездить, участвовать в гонках или даже подавать утренний кофе, увлекая детей занятиями по робототехнике и программированию.
Головной блок управления включает акселерометр, гироскоп, датчик расстояния, микрофон, динамик, модуль Wi-Fi. Видеокамера позволяет распознавать лица и образы, команды управления, поддерживает технологию FPV (First-Person View) для телеприсутствия и удаленного наблюдения. Для программирования Clicbot можно использовать графический редактор Google Blockly или язык Python
Bittle – программируемый роботизированный кот
Bittle – это игрушечный аналог роботов от Boston Dynamic. Он чем-то напоминает и другого робота-собаку – Sony Aibo. Но при этом Bittle продается по цене роботизированной игрушки в виде конструктора для самостоятельной сборки.
Bittle умеет ловко преодолевать препятствия, двигаясь на четырех лапах как настоящие животные. Он может запоминать десятки шаблонных движений, выполнять причудливые трюки по командам с пульта управления. А в случае потери равновесия и опрокидывания робот способен вернуться в исходное положение и продолжить движение к цели.
Bittle создан на основе доработанной платы Arduino, для сложных движений использует различные датчики и внешние устройства. Плата управления включает процессор Atmega328P/16 МГц, 2 КБ памяти SRAM и 32 КБ флэш-памяти. Кроме того есть инерциальный измерительный модуль, блок ШИМ для 12 сервоприводов, инфракрасный приемник и зуммер. Есть 4 разъема для модулей расширения.
Bittle – это открытая платформа, позволяющая объединить гаджеты разных производителей в единую систему. Добавить роботу возможности ИИ можно подключением микрокомпьютера Raspberry Pi. Написанная на Python программа может запускаться на Raspberry Pi и других поддерживаемых процессорах, управляя Bittle через проводное или беспроводное соединение.
Для упрощенного программирования есть фреймворк OpenCat. Он определяет минимальную структуру данных и алгоритмы движений для четвероногих роботов. Вы сможете научить Bittle новым навыкам и трюкам, чтобы выигрывать призы в соревнованиях международного сообщества OpenCat.
MOSS – универсальный инструмент для обучения программированию
Комплекты MOSS от компании Modular Robotics – это оригинальный конструктор для создания роботов. Разнообразные по назначению, программируемые кубики (Cubelets) легко комбинируются и позволяют собирать сотни разнообразных роботов.
Подбор кубиков в процессе сборки робота имитирует процесс простейшего программирования. Программирование с помощью графического редактора Blockly и MOSS Scratch задает алгоритмы контроля датчиков и управления исполнительными механизмами для движения, поворотов, подачи световых и звуковых сигналов.
Программировать и управлять роботом можно через Bluetooth с помощью смартфона или планшета с клавиатуры или пульта дистанционного управления.
modrobotics.com
Makeblock Neuron – платформа электронных строительных блоков
Makeblock Neuron – это удобная для сборки программируемая платформа с использованием электронных строительных блоков. Более 30 типов блоков в виде кнопок, джойстиков, сенсоров и датчиков звука, освещенности, температуры, влажности и других параметров позволяют создавать множество оригинальных гаджетов.
Для соединения блоков между собой предусмотрены подпружиненные разъемы с магнитами. Помогает при этом интуитивно понятная система программирования. Каждый блок уже имеет предварительно запрограммированную функцию. Программировать новые функции можно в приложении Neuron или в редакторе mBlock 5. Для беспроводной передачи сигналов управления используются технологии Bluetooth и Wi-Fi.
makeblock.com
Thimble: новая электронная игрушка каждый месяц
Электронные наборы компании Thimble предназначены для любознательных детей и взрослых. Они помогают в увлекательной форме изучать основы электроники, робототехники, мехатроники и программного обеспечения. Новые наборы деталей для создания высылаются по подписке ежемесячно.
Среди наборов Thimble представлены комплекты для сборки игровых контроллеров, музыкальных синтезаторов, устройств для Умного дома. Можно заняться сборкой более сложных программируемых роботов на микроконтроллере Arduino с управлением через Wi-Fi.
Для начинающих предназначены более простые наборы: различные световые и музыкальные игрушки, термометры, таймеры, дверные звонки. Приложение Thimble включает пошаговые руководства по сборке и позволяет обмениваться опытом и знаниями с другими сборщиками каждой игрушки.
thimble.io
MarsCat – домашний робот-кот
Полностью автономный, интерактивный MarsCat – идеальный робот-игрушка с программируемыми возможностями. Он может выражать эмоции мяуканьем, движениями тела и глаз. Сделать поведение MarsCat натуральным и выразительным помогают 16 серводвигателей.
Программируемый микроконтроллер ATMega2560 позволяет реализовать 6 программируемых шаблонов поведения, MarsCat может быть восторженным или задумчивым, энергичным или ленивым, общительным или застенчивым.
Моделировать поведение настоящего животного помогают алгоритмы ИИ, реализуемые миникомпьютером Raspberry PI. Приобретенные одним роботом навыки и шаблоны поведения хранятся в отдельном модуле памяти и могут быть легко воспроизведены в другом роботе простой заменой памяти. Программировать поведение робота MarsCat помогает специальный комплект разработчика.
elephantrobotics.com
Робот-автомобиль Zumi
Роботизированный автомобиль Zumi помогает детям изучать основы сложных наук, писать программы с использованием блочного кодирования и языка Python. Более опытные программисты смогут создавать программы для уникальных экспериментов с беспилотными автомобилями, научатся проектировать собственные нейронные сети, чтобы обучить Zumi классифицировать объекты и распознавать лица и жесты людей.
В процессе передвижения по трассе Zumi использует Tensor Flow и Open CV – это те же самые программные инструменты, что есть и у настоящих беспилотных автомобилей.
Прототип Zumi был удостоен награды «Лучшая инновация» в категории «Роботы и дроны» на выставке CES 2019
shop.robolink.com
ROYBI – портативный робот-компаньон с ИИ
Портативный компаньон на базе ИИ создан для обучения детей иностранным языкам и базовым навыкам точных наук. Интерактивный робот идентифицирует ребенка по лицу, распознает эмоции и демонстрирует дружелюбное поведение для вовлечения детей в процесс обучения. Система распознавания голоса позволяет оценивать точность ответов и произношения.
ROYBI взаимодействует с повсеместно доступной онлайн-платформой для обучения детей и взрослых. Контролировать и оценивать занятия помогают формируемые роботом отчеты с рекомендациями по улучшению процесса обучения.
ROYBI был включен в США по версии CNBC в список 100 наиболее перспективных стартапов в 2019 году.
roybirobot.com
Заботливый Kiki
Kiki – это робот-компаньон для детей и взрослых. Он распознает эмоции и действия собеседника, способен реагировать на них. Робот развивает свои уникальные способности в зависимости от особенностей взаимодействия с окружающим миром, при этом меняется и его поведение.
Высокопроизводительный встроенный процессор позволяет Kiki запускать модели глубокого обучения, чтобы распознавать лицо и адекватно воспринимать реакции собеседника. Несколько сенсорных датчиков в разных частях корпуса помогают воспринимать поглаживания, а всенаправленные микрофоны позволяют искать человека даже вне поля обзора камеры.
Реалистичное поведение этого робота базируется на исследованиях ведущих психологов о личностных особенностях человека. Действия в соответствии с заложенными моделями поведения и обучения обеспечивают некую осмысленность и логичность поступков Kiki.
kiki.ai
Smartipresence – простой робот телеприсутствия
Конструктор Smartipresence поможет создавать собственных недорогих роботов телеприсутствия на основе любого смартфона.
Запущенное на смартфоне приложение поддерживает режим ИИ и позволяет распознавать образы с помощью облачного сервиса. По команде пользователя Smartipresence в сеансе видеосвязи будет сопровождать человека или даже домашнее животное, чтобы его лучше видел удаленный собеседник. Режим действий Smartipresence задается через приложение на смартфоне. Smartipresence можно визуально программировать в среде Scratch, либо с помощью Espruino на основе языка JavaScript.
В этой подборке мы собрали наиболее интересные и перспективные модели детских роботов-игрушек, включающие технологии телеприсутствия, распознавания речи и голоса, автономность действий и поведения на основе ИИ и машинного обучения, которые еще недавно были доступны лишь «взрослым роботам».
Напишите в комментарии, а какие на ваш взгляд наиболее перспективные роботы-игрушки есть на рынке или уже у вас дома?
Нам было интересно сделать такой обзор, чтобы проанализировать какие технологии внедряются в роботов для детей, как решаются задачи human interaction для самой маленькой по возрасту аудитории. Мы в Dragon Tree Labs работаем над системами взаимодействия роботов и людей, интерфейсами в широком смысле, создавая интуитивно-понятные принципы коммуникаций. Это откроет новые возможности для работы, обучения, развлечений и общения, без оглядки на возраст, расстояние, мобильность и физические ограничения пользователей. Читай наш блог и следи за нашими разработками и достижениями.
Эволюция машин: чему человек учит роботов
И зачем? О целях, способностях роботов и перспективах их развития
Повысить эффективность производства в начале 19 века должны были машины, в середине 20 века — роботы, а сегодня — роботы с искусственным интеллектом. Разработчики и исследователи стремятся сделать роботов более эффективными, но также еще и удобными, интерактивными, безопасными, сотрудничающими.
Надежные роботы-манипуляторы, способные захватывать и перемещать объект, востребованы в различных отраслях — ритейле, пищевой, фармацевтической, электронной промышленности и не только. Современные задачи такой роботизированной системы — надежный и «аккуратный» захват, высокие скорость и точность перемещения объектов, безошибочная их сортировка. Решить их помогает искусственный интеллект.
В апреле 2019 года американский стартап RightHand Robotics представил RightPick2 — вторую доработанную версию робота-манипулятора, созданного для сортировки и перемещения предметов.
Система оснащена пятым поколением захватов, способных поднимать груз весом до 2 кг, новой версией руки от Universal Robots и камерами глубины Intel®RealSense™ Depth Camera D415. Программное обеспечение RightPick.AI системы управления движением и зрением также улучшено. Благодаря доработке робот способен быстро сортировать разнообразные предметы, а также считывать штрих-коды для выполнения заказов.
Отечественные разработчики роботов-манипуляторов тоже в тренде.
По словам Андрея Спиридонова, основателя Aripix Robotics, сегодня каждый заказчик хочет видеть у себя на производстве робота, способного распознавать предметы. Машинное зрение — это очевидный шаг в развитии промышленных роботов-манипуляторов. Такой робот не нуждается в точной подаче или позиционировании предметов, требует минимальной оснастки. Технология машинного зрения упрощает настройку и перенастройку робота, увеличивая его гибкость и расширяя возможности применения. «Зрение» для роботов сегодня сделать просто.
«Мы уже применяем машинное зрение и следующим шагом будет внедрение нейросетей, — делится планами основатель Aripix Robotics. — Нейросеть будет обучаться, формировать базу данных о заготовках разной формы, и затем на основе «полученных знаний» робот будет работать с ними. Например, идентифицировать на потоке брак и устранять его с конвейера, а качественные детали помещать в контейнер».
Внедрение интеллектуальных роботов, способных распознавать и анализировать объекты, идет не только в промышленности, но и в логистике.
В марте 2019 года Boston Dynamics разместил видео с логистическим роботом Handle. На его «голове» присоски, с помощью которых он может снимать коробки с паллет, перемещать и ровно складывать их.
Благодаря системе машинного зрения робот может найти маркированные поддоны и определенные коробки на них и переместить их в заданное место. Handle использует систему контроля силы для того, чтобы плотно ставить коробки друг к другу.
«Когда мы начали разработку Ronavi H1500 4 года назад, логистические роботы применялись только для перевозки стеллажей в зоне комплектации заказа, — вспоминает Иван Бородин, директор компании-производителя логистических роботов Ronavi Robotics. — К 2019 году производители, как правило, имеют уже целые линейки роботов и функциональные модули для них. Так, Ronavi в 2020 году релизит робота-сортировщика мелких посылок и писем и робота для фулфилмент-центров. Таким образом, практически все процессы на складе становятся роботизированными, роботы существуют в единой экосистеме».
По словам эксперта, искусственный интеллект применяется для моделирования логистических процессов и управления роботами. «Наши партнеры, разработавшие систему управления роботами Robotics Management System (RMS), используют машинное обучение и искусственный интеллект для создания оптимальной конфигурации роботизированного склада и управления роботами, с учетом суточных и сезонных изменений потока заказов», — поясняет Иван Бородин.
Система RMS позволяет создавать цифровые двойники роботов для расчета экономических показателей, построения достоверной имитации и аналитики процессов роботизированного склада. Первая часть системы — транспортная — отвечает за распределение задач роя роботов, планирование одновременно выполняемых маршрутов, автоматическую зарядку, преодоление внештатных ситуаций. А вторая — умная система управления складом — на основе анализа исторических данных интегрирует множество технологий оптимизации хранения для повышения эффективности склада и динамически строит стратегию хранения.
К полной автоматизации складов близок Amazon. Чуть больше года назад компания оформила патент на роботизированную руку или манипулятор, который сможет с помощью сенсоров идентифицировать объекты, определять, как лучше их взять, вычислять траекторию перемещения и фасовать предметы в определенные лотки или корзины.
Робот будет использовать базу данных о свойствах объектов, «собственные ощущения» и сведения об удачных и неудачных стратегиях перемещения аналогичных объектов в прошлом. Манипуляторы Amazon смогут перемещаться по складу, взаимодействовать друг с другом и центром управления. Сотрудники будут управлять роботами через мобильное приложение.
Начиная с середины 20 века область применения роботов расширилась. Рутину и грязь дополнили несовместимые с жизнью условия, сверхнагрузки, сверхзадачи. Появился и опыт преодоления таких ситуаций: аварии на АЭС, освоение шельфов, работа в открытом космосе. Люди осознали свои ограничения, и необходимость сверхлюдей или роботов с человеческими способностями стала очевидной.
«Развитие «способностей» роботов считывать информацию извне создает новые возможности их применения не только в промышленности, но и в других средах, которые не определены и где необходима связь робота с реальностью», — отмечает Алиса Конюховская, исполнительный директор Национальной Ассоциации участников рынка робототехники.
От точности обратной связи, поступающей от дистанционно управляемого робота, зависит его адаптивность и эффективность. Для выполнения сложных действий на расстоянии, например, в космосе или труднодоступных районах планеты, робот должен точно передавать оператору «ощущения», а также без задержки воспроизводить мелкую моторику человеческой руки.
Решая эту задачу, американский стартап HaptX (ранее известный как AxonVR) разработал высокотехнологичные тактильные перчатки, имитирующие человеческое прикосновение. Разработчики использовали микрофлюидную технологию и систему отслеживания движения, что позволяет пользователям перемещаться в виртуальной реальности и чувствовать виртуальные объекты руками. Ощущение реалистичного прикосновения обеспечивает 130 тактильных датчиков. Перчатки работают с гарнитурой VR и трекером, подключенным к центральному блоку управления, программное обеспечение HaptX поддерживает Unity и Unreal Engine 4.
Летом 2019 года HaptX, Shadow Robot Company и SynTouch представили совместную разработку — роботизированные руки. Оператор, надев сенсорные перчатки, может выполнять на расстоянии точные манипуляции с предметами — роботизированные руки точно и без временной задержки повторяют движения пальцев, кистей и рук оператора. Человек также получает точные тактильные ощущения, в том числе чувствует силу, с которой робот прикасается к предмету — давление при захвате предмета передается с помощью заполненных воздухом трубок, идущих до кончиков пальцев.
По словам Алисы Конюховской, полет робота Федора в космос и выпуск компанией Promobot андроида Robo-C (робота Алекса) стали самыми яркими событиями российского рынка робототехники за последние несколько месяцев.
Новый шаг в развитии антропоморфных роботов недавно сделали разработчики Массачусетского Технологического Института и Университета Иллинойс-Шампейн.
Созданный ими двуногий робот Маленький Гермес способен использовать двигательный интеллект человека и его рефлексы для корректировки своего положения в пространстве и движений. Ученые смогли динамически синхронизировать движения двуногого робота и оператора посредством двусторонней обратной связи. Маленький Гермес подключен к оператору, который стоит на чувствительной к давлению пластине и одет в жилет, обеспечивающий обратную связь. Если робот сталкивается с неожиданным уклоном, оператор чувствует давление, указывающее на наклон, и рефлексивно делает правильное движение. Робот синхронно повторяет его и благодаря двусторонней обратной связи сохраняет равновесие.
Интеграция роботов в мир людей и взаимодействие с человеком — задачи нашего времени. Традиционно на производствах выделяют опасные для человека зоны, где трудятся роботы. Однако последнее время популярным направлением робототехники стали коботы, или роботы способные работать в одном пространстве с человеком. Но коботы выполняют операции медленнее, обладают меньшей грузоподъемностью и производительностью, чем их промышленные собратья.
Стремясь снять эти ограничения, американский стартап VeoRobotics разработал систему Veo, которая которая позволяет роботам различать все объекты и препятствия вокруг. В ее основе распознавание объектов и семантическое моделирование.
По мнению разработчиков, безопаснее сразу создавать интерактивную среду, чем строить заборы и клетки. Система Veo использует четыре камеры глубины, расположенные вокруг рабочего пространства и обеспечивающие полный визуальный охват. После того, как вы установили систему Veo, вы определяете различные вещи как заготовки, запрещенные зоны и так далее. Нет необходимости добавлять точные размеры несущих балок и безопасные места для людей. Робот работает так же, как и в других случаях, за исключением того, что теперь он знает точное местоположение и размер всего, что находится в его поле зрения. Если человек или транспортное средство вторгаются, или что-то ломается, или появляется другое отклонение от нормы, система замедляется или останавливается. Более того, если Veo не уверена полностью в своей безопасности, например, одна из камер частично потеряла обзор, робот полностью останавливается.
Летом 2019 года разработчики Массачусетского Технологического Института сообщили о создании алгоритма «частичной траектории», который позволяет роботу предугадывать траекторию движения человека и менять траекторию своего движения так, чтобы безопасно работать с человеком в одном пространстве. Разработчики наблюдали за работой роботов на производстве BMW и пришли к выводу о том, что роботы останавливаются задолго до того, как человек пересекает их путь, и тратят много времени в ожидании. Новый метод «частичной траектории» опирается на данные о траекториях движения в режиме реального времени, а также большую базу обычных траекторий движения. Этот алгоритм позволяет лучше предугадывать движение человека, которое редко бывает непрерывным — рабочий, неоднократно двигаясь по одному и тому же маршруту, может идти медленнее, останавливаться и вновь начинать движение. Метод «частично траектории» позволяет роботам продолжать работать, избегая пешеходов.
В апреле 2019 года Amazon купил Canvas Technology, американский стартап, который в прошлом году продемонстрировал автономное транспортное средство, способное передвигаться в людном пространстве, избегая столкновений с пешеходами и препятствиями.
Разработчики использовали «пространственный искусственный интеллект», трехмерную визуализацию и собственное программное решение. Таким образом, стоит ожидать, что скоро на складах Amazon перемещать грузы будут беспилотные тележки.
Распространение роботов сдерживает сложность процесса «обучения». По словам основателя Aripix Robotics, «обучение» робота каждой новой операции требует не только времени, но и особой квалификации человека. «Перенастроить и перепрограммировать робота может далеко не каждый инженер, чтобы «обучить» робота человеку необходимо специальное обучение в течение нескольких месяцев и прохождение сертификации. Таких инженеров мало и это сильно сдерживает развитие автоматизации производств», — отмечает Андрей Спиридонов.
В апреле 2019 года производитель промышленных роботов Fanuc представил инструмент для «обучения» роботов на основе искусственного интеллекта. Разработка должна упростить и ускорить процесс «тренировки» промышленных роботов. Теперь робота не надо перенастраивать и перепрограммировать. Оператору достаточно посмотреть на фото перемешанных в корзине предметов и указать пальцем тот, который робот должен отсортировать. Технология позволяет обучать одновременно нескольких роботов.
«Перспективную разработку сделал американский стартап Sisu», — считает Андрей Спиридонов. Kaisu System — джойстик со встроенными в него гироскопами и акселерометрами для управления промышленным роботом, выглядит как простой пульт с одной кнопкой. Оператор двигает джойстиком в воздухе, а робот повторяет его движения.
По словам Андрея Спиридонова, разработка интересна тем, что позволяет даже неподготовленному человеку быстро освоить управление роботом. «Сложность и длительность обучения управлению роботами — сдерживающий фактор для распространения автоматизации производств. Руководители многих предприятий, на которых ранее не было роботов, боятся, что сотрудники будут долго осваивать дорогую систему и что это увеличит срок ее окупаемости. — поясняет господин Спиридонов. — Kaisu System снимает барьер, так как с ее помощью очень легко начать управлять роботом и настраивать его. Мы рассматриваем это решение как перспективное для развития нашего робота» — делится планами основатель Aripix Robotics.
Американский проект Olis Robotics (ранее BluHaptics), разработал программное обеспечение для дистанционного управления роботами. Технология Olis обеспечивает высокую автономию и «осознание» роботами ситуации, а также высокий уровень контроля удаленно работающих роботов. Машинное обучение»развивает» способность роботов распознавать объекты и «помнить», как их использовать. Например, подводный робот, работающий на морской нефтяной платформе, может использовать свои автономные умения для того, чтобы самостоятельно выбрать подходящий для работы гаечный ключ, определить, какое усилие необходимо приложить, чтобы открыть клапан, и «запомнить», где он оставил гаечный ключ, чтобы в будущем быстро его «найти».
Любопытные эксперименты проводит робототехническая группа Сергея Левина, доцента Университета Беркли. Исследователи учат роботов учиться, разрабатывая технологию, которая позволит роботам действовать, опираясь на собственный опыт.
«Когда роботы выйдут в неструктурированную среду, такую как наши дома, офисы, клиники, вокруг них может случаться множество непредсказуемых событий. И способность учиться станет решающей в этом случае. Интеграция роботов в нашу среду станет возможной, если роботы смогут учиться из опыта, опираться на здравый смысл и использовать это для того, чтобы действовать разумно, когда вокруг них происходит то, чего они не ожидали», — так Сергей Левин описывает проблему, над которой работает его группа.
Одна из методик, разработанных учеными, называется «Глубокий визуальный прогноз для планирования движения роботов», она должна помочь роботам накапливать собственный опыт без человеческого контроля. По сути это обучение робота методом проб и ошибок. Робот выполняет тысячи тренировочных упражнений, например, толкает разные объекты и фиксирует на камеры результат с разных углов, так он собирает собственную базу данных. Для их обработки используются предиктивные модели, впоследствии робот оказывается способным толкать объекты, на взаимодействие с которыми он не был запрограммирован ранее. Еще одна методика, которую разработали в лаборатории, позволяет обучить робота через повторение действий за человеком.
По образу и подобию — разработчики и исследователи наделяют роботов человеческими способностями и навыками. Если объединить все разработки в одну, то результат может оказаться феноменальным.
«Без сенсоров и датчиков роботы «глухи и слепы». Но сегодня появляются возможности оснастить роботов сенсорами. Благодаря этому они смогут «считывать» информацию об окружающей их среде, воспринимать этот мир, создавать карту реальности, реагировать на нее, менять программу, которая в них заложена, то есть действовать в изменяемой среде, адаптироваться к ней и выполнять полезную работу для людей и бизнеса», — отмечает Алиса Конюховская, исполнительный директор Национальной Ассоциации участников рынка робототехники.
Интеллектуальные роботы в разы повышают эффективность. «Автоматизация складских процессов позволяет снизить операционные расходы и количество ошибок, а также ускорить выполнение заказов. Например, по данным Business Insider, Amazon, к 2018 полностью роботизировал 26 складов, снизив операционные расходы на 20% — экономия составила сотни миллионов долларов, при этом компания выполнила в 10 раз больше работы с тем же числом сотрудников», — описывает эффективность применения роботов в логистике Иван Бородин, директор компании-производителя логистических роботов Ronavi Robotics.
Однако мы не можем спрогнозировать, как поведут себя в сложной ситуации роботы, способные учиться, накапливать и передавать опыт, автономно действовать. Вероятно, интеллектуальные машины предъявят нам обоснованную претензию в том, что мы, мешая их движению по цеху или складу, снижаем эффективность производства в сотни или тысячи раз. И нам придется это признать и сдать позиции роботам. Но несмотря на это эксперты смотрят в будущее позитивно.
«В том, что роботы заменят людей на производствах нет ничего пессимистичного, — считает Андрей Спиридонов. И предлагает вспомнить время, когда тысячи телефонисток круглосуточно обслуживали станции. Сегодня этой, как и многих других рутинных профессий нет. «С развитием и распространением интеллектуальных роботов жизнь только улучшится — люди будут меньше работать. Выбор в любом случае останется за человеком: те, кто хочет, сможет больше времени посвящать саморазвитию и творческой самореализации, тех же, кто не желает прилагать усилия и расти, как и сегодня, ждет деградация», — делится прогнозом основатель Aripix Robotics.