Desarrollan robots más inteligentes para entregar más inteligentemente

Publicado: 30 enero, 2020

Compañías e investigadores en todo el mundo se apresuran a desarrollar sistemas de inteligencia artificial que puedan hacer posible que robots en bodegas manejen objetos nuevos y variados -al distinguir la diferencia entre una caja de cartón y un pequeño circuito electrónico, por ejemplo- sin necesidad de extenso entrenamiento adicional o ayuda humana.

Capacidades así harían que las máquinas fueran más confiables en los centros de distribución, componentes cruciales de la cadena de suministro del comercio electrónico que en ocasiones se ven bajo presión debido a una falta de fuerza laboral consistente y a las crecientes exigencias para ofrecer entregas más veloces.

En los centros de distribución, los robots deben manejar millones de objetos de formas, tamaños y colores diferentes. Tanta variabilidad puede ser un reto para las máquinas actuales, de acuerdo con especialistas en robótica y operadores de bodega. Por ejemplo, algunos brazos robóticos usan cámaras 3D para detectar y sujetar objetos, pero se ven obstaculizados por el luminoso resplandor de productos brillantes como los paquetes de papas fritas. Otros batallan para sujetar objetos pequeños como componentes eléctricos o cosas blandas y mullidas como ciertas frutas y verduras.

La mayoría de las tecnologías de automatización que se emplean hoy en las bodegas no son inteligentes, lo que significa que humanos tienen que programar lo que puede hacer un robot, de acuerdo con Mehdi Miremadi, un socio en McKinsey & Co. quien se especializa en inteligencia artificial (IA) y robótica. Las capacidades nuevas, como seguir un nuevo camino en un centro de distribución o tomar nuevos productos para empacarlos para su envío, tienen que codificarse a mano, señaló.

Al tiempo que las cadenas de suministro se han vuelto más complejas y que los consumidores esperan entregas el mismo día, ese enfoque se ha vuelto insostenible, lo que incentiva a los operadores de bodega a recurrir a sistemas que puedan aprender por sí mismos. A su vez, están surgiendo startups para satisfacer la demanda.

La inversión desde el 2015 de capital de riesgo de Estados Unidos en compañías de robótica y automatización enfocadas en logística ha superado los mil millones de dólares, de acuerdo con la firma de datos PitchBook.

“Los robots de bodega vuelven a ser un espacio emocionante. Hay muchos actores que intentan abordar esto”, señaló Miremadi. “Ninguno es capaz de proporcionar aún una solución de extremo a extremo” que abarque funciones tan variadas como planeación de navegación y manejo de objetos.

A menudo, la aplicación inicial de prueba de concepto es sujetar y clasificar objetos para crear paquetes de envío con brazos robóticos, donde el costo de cometer errores es más bajo que en otros casos, como la navegación autónoma.

Peter Puchwein, vicepresidente de innovación en KNAPP AG, una compañía austriaca de logística para bodegas, mencionó que sus brazos robóticos manejaban de forma confiable únicamente alrededor del 15% de los objetos antes de que la compañía empleara el otoño pasado un nuevo sistema de IA para robótica desarrollado por Covariant, una startup de inteligencia artificial, en una bodega que opera para un mayorista alemán de suministros eléctricos.

La compañía con sede en Berkeley, California, es una de varias empresas comerciales que intentan desarrollar sistemas flexibles de IA que funcionen de forma confiable en entornos del mundo real, un desafío que hasta el momento ha limitado el uso de la robótica a entornos muy estructurados, como las fábricas.

Los brazos robóticos de KNAPP equipados con IA de Covariant ahora manejan de forma confiable el 95% de los objetos y son ligeramente más rápidos que los humanos, indicó Puchwein. Los robots pueden tomar alrededor de 600 objetos por hora, en comparación con trabajadores humanos que pueden agarrar entre 400 y 450 objetos por hora durante un turno de ocho horas.

El sistema, apodado Covariant Brain, o Cerebro Covariant, hace uso de una combinación de técnicas de aprendizaje de máquinas que son populares entre las compañías de tecnología más grandes de Silicon Valley -incluyendo el aprendizaje profundo y el aprendizaje por refuerzo- y que DeepMind, una división de Google, de Alphabet Inc., usó para desarrollar AlphaGo, el software para jugar Go que derrotó a múltiples jugadores humanos de clase mundial.

La tecnología hace posible que los robots aprendan a manipular objetos sobre la marcha -sin ayuda humana o codificación a mano del software- un avance importante en vista de que es imposible anticipar enteramente la variedad de objetos con los que podría toparse un robot al tiempo que toma y empaca mercancía a través de múltiples instalaciones, para clientes diferentes, de acuerdo con Pieter Abbeel, presidente de Covariant.

RightHand Robotics Inc., otra compañía de robótica que hace uso de IA, utiliza software de visión computacional para ayudar a que los robots descubran cómo levantar objetos de forma más eficiente. La compañía destaca que la precisión de su sistema es comparable, o mejor, que los trabajadores humanos.

KNAPP planea desplegar la tecnología Covariant en un segundo centro en Estados Unidos, de acuerdo con Puchwein. No ha habido despidos de personal debido a la nueva tecnología, añadió. En lugar de eso, el personal ha recibido nueva capacitación para entender más sobre robótica y computadoras.

El 5% de los objetos con los que batallan todavía los robots son más bien una función de la tecnología de sujeción actual, indicó. Los robots en ocasiones batallan aún con objetos muy blandos.

“Hay mucho más que tenemos que hacer en los centros de distribución para poder automatizarlos por completo”, señaló Howie Choset, un profesor de robótica en la Universidad Carnegie Mellon. “Las compañías apenas han comenzado a ahondar en el tema”.

Edición del artículo original

Buscan mejor manejo

La inversión de capital de riesgo en empresas de robótica se centró en almacenes, donde los robots que pueden agarrar mejor las piezas serían especialmente útiles.

(Millones de dólares)

Acuerdos Financiamiento
2013 5 4.5
2014 6 18.3
2015 16 81.1
2016 12 39.4
2017 12 203.3

Fuente: PitchBook

The Wall Street Journal.

 

Fuente Reforma Negocios, Enero 30, 2020

Socios Estratégicos