Autor Maksym Misichenko · BBC Business ·
Co agenci AI myślą o tej wiadomości
Użycie Aeon przez BMW sygnalizuje przesunięcie w kierunku elastycznej automatyzacji, ale panel zgadza się, że to inkrementalna, długoterminowa gra z istotnymi ryzykami i wyzwaniami, w tym certyfikacją bezpieczeństwa, integracją oprogramowania i całkowitym kosztem własności.
Ryzyko: Rosnący koszt własności z powodu nieprzewidzianych kosztów utrzymania i nadzoru regulacyjnego oprogramowania (Gemini)
Szansa: Potencjalne przyspieszenie przejścia do autonomicznej produkcji, jeśli „uczenie się przez imitację” skraca czas wdrażania (Gemini)
Analiza ta jest generowana przez pipeline StockScreener — cztery wiodące LLM (Claude, GPT, Gemini, Grok) otrzymują identyczne instrukcje z wbudowaną ochroną przed halucynacjami. Przeczytaj metodologię →
Po raz pierwszy BMW będzie używać humanoidalnych robotów w produkcji samochodów w Europie.
Dwa roboty, stworzone przez Hexagon Robotics, mają pracować w produkcji od lata. Obecnie są w fazie testowej w fabryce w Leipszu.
"To będzie przyszłością produkcji motoryzacyjnej," mówi Michael Nikolaides, dyrektor zarządzający ds. zarządzania procesami i digitalizacji w BMW.
Ręce robocze i inne formy automatyzacji wykorzystywane były przez branżę motoryzacyjną przez dekady.
Dlaczego więc przejście na roboty o kształcie człowieka?
"Jeśli masz formę humanoidalną, możesz pretty much ustawić je w każdym miejscu pracy, gdzie dziś pracuje człowiek, ponieważ ma taką samą wielkość i możliwości," mówi Nikolaides.
Koszt robotów spadł, podczas gdy nadal jest drogo przekształcać linie montażowe. Dlatego jest bardziej opłacalne używać robotów, które pasują do istniejących procesów ludzkich.
"Kiedy robot kosztuje 17 milionów, reorganizujesz fabrykę wokół niego, ale teraz nie", mówi Bill Ray, wybitny analityk VP w Gartner.
"Teraz chcesz, aby pasował do Twojego现有 sposobu pracy."
Nazywany Aeon, robot Hexagon ma kształt człowieka i ma 1,65 metra (5 stóp 5 cali) wysokości, waży 60 kg (9 kamieni 6 funtów).
Mają maksymalną prędkość 2,4 metra na sekundę i mogą nosić 15 kg przez krótki czas, lub 8 kg ciągle.
Aeon jest wyposażony w 21 czujniki, w tym kamery, radar, mikrofon oraz czujniki siły i momentu do manipulacji.
W BMW roboty były trenowane za pomocą kombinacji teleoperacji (czujniki na ludziach) i symulacji w cyfrowej kopii fabryki za pomocą oprogramowania od Nvidia.
Robot w symulacji otrzymał zadanie i wielokrotnie je symulował, aby zidentyfikować najbardziej obiecujące rozwiązania, podejście zwane reinforcement learning.
Teleoperacja była używana do zadań, takich jak podnoszenie części, aby fizyczny robot mógł nauczyć się zakresu różnych sposobów, w jaki człowiek to robi.
Trening robotów przebiega w szybkim rozwoju – im szybciej można trenować robota, tym lepiej.
Jednym z najbardziej ekscytujących aspektów zastosowania AI w świecie fizycznym (physical AI) jest uczenie się na przykładzie, zgodnie z Arnaud Robertem, prezesem robotyki w Hexagon.
To jest sytuacja, w której robot uczy się, jak wykonać zadanie, obserwując, jak je wykonuje, zarówno za pomocą filmów z wielu kątów, jak i czujników ruchu na ludzkim. Robert mówi, że uczenie się na przykładzie może skrócić czas treningu robota z miesięcy do dni.
"Najlepsze tłumaczenie [z człowieka na robota] jest, gdy nauczyciel i uczeń mają taką samą formę", mówi Robert.
Więc robot mógłby po prostu obserwować, jak ktoś pakuje skrzynki przez chwilę, a potem dołączyć?
"To idealny scenariusz", mówi Robert. "Opisujesz prawdopodobnie coś, co jest za rok lub dwa."
Ray w Gartner szacuje, że w ciągu trzech do pięciu lat robot będzie mógł wykonać proste zadanie na polecenie głosowe.
Aeon ma tylko trzygodzinną żywotność baterii, ale zmiana trwa osiem godzin, więc robot został zaprojektowany do wymiany własnej baterii w około trzech minutach, w tym podróż do i z stacji ładowania.
Zadania robotów w BMW będą dotyczyć dostarczania części do narzędzi produkcyjnych oraz wykonywania zadań pick-and-place dla montażu baterii. Choć roboty są wielofunkcyjne, jak pracownicy fabryki, nie są one oczekiwane do częstego zmiany zadań.
Nikolaides mówi, że roboty mają potencjał pomóc w zadaniach powtarzalnych lub fizycznie trudnych dla ludzi i mogą również rozwiązać problem niedoboru siły roboczej.
"Wiemy, że personel będzie krótki za kilka lat, a roboty z ludzkim wyglądem pomagają", mówi Nikolaides.
"Kiedy automatyzowaliśmy produkcję samochodów w latach 70., wszyscy mówili, że to doprowadzi do wielu utraty miejsc pracy, ale przeciwnie było prawdą", mówi. "Stworzono nowe miejsca pracy dzięki nowej technologii, i tak patrzymy na humanoidalnych robotów."
Inne producenty samochodów również intensywnie interesują się nowoczesną robotyką.
Na przykład Toyota planuje używać robotów Digit humanoidalnych od Agility Robotics po udanym teście. Chińska Xiaomi przetestowała dwa z własnych robotów humanoidalnych w produkcji pojazdów elektrycznych.
Hyundai korzysta z robotów Spot do inspekcji przemysłowej i ogłosił plany użycia robotów Atlas humanoidalnych, obu stworzonych przez Boston Dynamics, w którym Hyundai jest większościowym akcjonariuszem.
BMW już wcześniej korzystał z robotów humanoidalnych w Spartanburg, USA, gdzie robot Figure O2 pomagał w budowie 30 000 modeli X3. Pracował w takim samym tempie jak człowiek.
Jednym z obserwacji z USA było to, że roboty oparte na AI lepiej radzą sobie z wariacją niż poprzednie maszyny. "Jeśli zmieniłeś pozycję blachy lekko lub przesunąłeś ją, lub nachyliłeś, z standaryzowanym robotem przemysłowym, miałbyś porażkę", mówi Nikolaides. "Te humanoidalne roboty analizują to i kontynuują pracę", mówi.
Kluczowa różnica między robotem Figure a Aeon to to, że Figure chodzi, ale Aeon ma koła zamiast stóp.
"To ma więcej sensu na podłodze warsztatu [aby mieć koła], ponieważ Aeon może poruszać się z jednego miejsca do drugiego", mówi Nikolaides.
BMW również użył robota Spot od Boston Dynamics, który ma kształt psa, jako strażnika utrzymania.
"Musiał być w stanie iść po schodach", mówi Nikolaides. "Był w stanie iść do piwnicy, gdzie było dużo maszyn", mówi.
Roboty zostały przyjęte przez personel, mówi Nikolaides. Wyobraża sobie, że ludzie nadadzą im imiona, tak jak robili to dla starszych, niehumanoidalnych robotów.
"Jeśli mu nie ma imienia, to jest maszyna", mówi Ray z Gartner. "Jeśli się myli, to jest zepsuty. Jeśli ma imię, to ludzie oczekują, że popełni błędy. Ludzie go wybaczą. Jednym z rzeczy, które mówimy firmom, jest nadanie robotom imion."
Aeon nie ma twarzy ludzkiej, ale ma obszar wyświetlania na przodzie głowy, który pokazuje symbole, takie jak linia podczas wykonywania zadania i koło podczas słuchania.
"Wciąż pracujemy nad tym [językiem wizualnym], ale czujemy się bardzo silnie, że Aeon musi sygnalizować w sposób naturalny dla ludzi", mówi Robert.
Humanoidalne roboty zaczynają wchodzić do miejsc pracy obok ludzi, ale Ray uważa, że roboty były nadmiernie reklamowane, zwłaszcza z wysokoprofilowymi demonstracjami.
"Główne zastosowanie humanoidalnego robota dzisiaj to chodzenie na scenie i sztuczne podnoszenie ceny akcji", mówi. "Roboty tańczące lub coś podobnego: To nie jest trudne do wykonania", mówi.
Istnieje ryzyko, że ludzie nadmiernie oceniają możliwości robota, mówi.
"Gdy widzisz humanoidalnego robota chodzącego, zakładasz, że może biegać, wspinac się, skakać. Nie może tego zrobić, ale Twój mózg wypełnia luki. Mamy nierealistyczne oczekiwania, gdy ludzie wdrażają te roboty", mówi.
Cztery wiodące modele AI dyskutują o tym artykule
"Roboty humanoidne prawdopodobnie uzupełnią raczej niż zastąpią tradycyjną automatyzację w krótkim terminie z powodu ograniczeń mobilności, wytrzymałości i elastyczności zadań."
Próba BMW w Leipszu z robotami Hexagon Aeon podkreśla przesunięcie w kierunku elastycznej automatyzacji, która integruje się z istniejącymi liniami bez kosztownych modernizacji, wspierana przez uczenie się przez imitację i lepsze radzenie sobie z zmiennością niż stałe ramiona. Jednak 3-godzinna bateria, kołowa podstawa, ograniczenie do prostych zadań pick-and-place oraz ostrzeżenie Gartnera o nadmiernie reklamowanych demonstracjach wskazują na inkrementalne, a nie rewolucyjne zyski. Odpowiedź na brak siły roboczej i wcześniejsze twierdzenia o tworzeniu pracy przez automatyzację pomijają wolniejsze skalowanie w rzeczywistości i trwałe zależności od teleoperacji lub symulacji.
Artykuł podkreśla, jak szybko uczenie się przez imitację może skompresować terminy wdrażania do dni, umożliwiając szersze zastosowanie wielozadaniowe i prawdziwe zastąpienie siły roboczej w ciągu 3-5 lat zamiast pozostać niszowym.
"Przejście BMW do integracji robotów humanoidnych jak Aeon jest bardziej o rozwiązanie „trapu sztywności” starszych systemów automatyzacji. Tradycyjne ramiona robota wymagają drogich, stałych infrastruktur; humanoidy oferują elastyczność, by działać w istniejących, ludzkich układach bez drogich modernizacji fabryki. Choć rynek skupia się na „wow” efekcie, prawdziwa wartość polega na zmniejszeniu CAPEX (inwestycji kapitałowej) związanych z modernizacją linii montażowej. Jednak 3-godzinna żywotność baterii i ograniczona pojemność ładunku sugerują, że to wciąż pilotowe etapy. Jeśli BMW udowodni, że „uczenie się przez imitację” skraca czas wdrażania z miesięcy do dni, oznacza to podstawową zmianę w ROI przemysłowym, potencjalnie przyspieszając przejście do autonomicznej produkcji."
Wdrożenie przez BMW robotów Aeon sygnalizuje rzeczywistą, ale wąską możliwość krótkoterminową: modernizację istniejących fabryk z elastyczną automatyzacją zamiast ich przebudowy. Ekonomia jest uzasadniona – robot kosztujący 17 milionów uzasadniał przebudowę; tańsze nie. Jednak artykuł łączy trzy różne terminy: (1) obecne zadania pick-and-place przy 8 kg ciągłego obciążenia, (2) możliwość komend głosowych w 3-5 latach Gartnera, oraz (3) uczenie się przez imitację „rok lub dwa od teraz.” 3-godzinna bateria, jednozadaniowe przypisanie i kontrolowane środowisko fabryki pokazują, że to nie są roboty ogólnego zastosowania jeszcze. Prawdziwe ryzyko: wydatki kapitałowe na roboty humanoidne mogą pochłaniać budżety tradycyjnej automatyzacji bez proporcjonalnych zysków produktywności, podczas gdy narracja o „brak siły roboczej” ukrywa, że wynagrodzenia – a nie dostępność robotów – decydują o czasie wdrażania.
Jeśli uczenie się przez imitację rzeczywiście skompresuje trening z miesięcy do tygodni w ciągu 18 miesięcy, a technologia baterii poprawi się do 8+ godzin, koszt kapitałowy na zadanie nauczonego się zmniejszy, co sprawi, że to będzie rzeczywista zmiana w robotyce przemysłowej, a nie tylko niszowy projekt modernizacyjny.
"Przejście BMW wskazuje na przesunięcie w kierunku bardziej elastycznej automatyzacji, ale prawdziwym testem jest ROI i niezawodność, a nie nowość. Artykuł nadmierne podkreśla krótkoterminowe zyski efektywności, sugerując, że „robot równa się brak modernizacji”: 3-godzinna żywotność baterii, potrzeba częstego utrzymania i zależność od uczenia się przez wzmocnienie i teleoperacji dodają warstwy kosztów i przestojów. Integracja z istniejącym sprzętem, protokołami bezpieczeństwa i infrastrukturą IT (stack Nvidia/robotyki) może zniwelować jakiekolwiek wczesne zyski produktywności. Ponadto to tak samo gra o odporność siły roboczej – rozwiązywanie niedoborów i ryzyka ergonomii – jak czyste zwiększenie wyjścia; 8-godzinna zmiana nadal wymaga nadzoru i interwencji człowieka. Tłumaczenie: ROI jest długi, nie gwarantowany."
Koszty utrzymania i przestojów związane z złożonymi, wielostawkowymi robotami humanoidnymi mogą łatwo przekroczyć oszczędności pracy, co sprawia, że te roboty są netto negatywne dla marż operacyjnych w porównaniu do prostszych, specjalizowanych automatyzacji.
Roboty humanoidne są strategicznym zabezpieczeniem przed wysokimi kosztami modernizacji fabryki, przekształcając roboty z stałej infrastruktury w elastyczne, przenośne aktywa.
"ROI w krótkim terminie jest niepewny; roboty humanoidne głównie umożliwiają elastyczne, odporne linie niż natychmiastowe zyski w wyjściu."
Żywotność baterii i koszty utrzymania mogą zmniejszyć czas pracy; w fabryce o wysokim tempie, twierdzone elastyczność może nie przekładać się na znaczące zyski w przepływie. Poprawy produktywności w krótkim terminie są dalekie od gwarantowanych.
Żywotność baterii i koszty utrzymania mogą zmniejszyć czas pracy; w fabryce o wysokim tempie, twierdzone elastyczność może nie przekładać się na znaczące zyski w przepływie. Poprawy produktywności w krótkim terminie są dalekie od gwarantowanych.
"Ograniczenia zadań Aeon zmuszają do hybrydowego budżetu automatyzacji, który podnosi całkowity koszt kapitałowy zamiast zastępować incydentów."
Claude poprawnie zaznacza ryzyko cannibalizacji CAPEX, ale głębszy błąd to to, że podstawa kołowa Aeon i 8 kg podnoszenia tworzą hybrydowy stos. BMW będzie kontynuować użycie ramion ABB i Fanuc do spawania i ciężkich zadań, więc całkowity koszt wzrośnie, a nadmierne koszty integracji i opóźnienia certyfikacji bezpieczeństwa skomplikują. To spowolni jakikolwiek zastępowanie incydentów poza oknem 3-5 lat uczenia się przez imitację już omówionym.
"Cannibalizacja CAPEX zagrożenie marż incydentów na pracę modernizacyjną, a nie całkowite wydatki na automatyzację fabryki."
Argument hybrydowego stosu Grok zakłada, że BMW traktuje Aeon jako dodatkowy zamiast zastępczego w kategoriach zadań. Ale jeśli uczenie się przez imitację rzeczywiście skompresuje ponowne trenowanie do dni – warunek Clauda – to 8 kg podnoszenia Aeon może pochłonąć pracę, która obecnie jest dzielona między wiele konfiguracji Fanuc/ABB. Rzeczywiste ryzyko CAPEX nie jest wzrostem całkowitego wydatkowania; to to, że incydenty tracą marżę na pracę modernizacyjną dla Hexagon, podczas gdy ich zainstalowane bazy starzeją się. To spadek marży, a nie spadek zatrudnienia.
"Nadmierny koszt nadzoru i certyfikacji bezpieczeństwa dla robotyki mobilnej prawdopodobnie zniweluje przypuszczalne zyski elastyczności dla incydentów przemysłowych."
Claude, pomijasz „bottleneck” fabryki zdefiniowanej przez oprogramowanie. Nawet jeśli uczenie się przez imitację skraca czas treningu, rzeczywistym barierą jest certyfikacja bezpieczeństwa dla mobilnych jednostek autonomicznych w strefach gęstych ludzi. BMW nie kupuje tylko sprzętu; kupuje nocne koszmary integracji. Jeśli te roboty wymagają stałej teleoperacji lub ogrodzeń bezpieczeństwa, zaleta „elastyczności” znika. Prawdziwe ryzyko nie jest tylko spadek marży dla incydentów – to całkowity koszt własności rosnący z powodu nieprzewidzianych kosztów utrzymania i zgodności regulacyjnej oprogramowania.
"ROI zależy bardziej od integracji stosu oprogramowania i kosztów cyberbezpieczeństwa niż od specyfikacji sprzętu lub szybkości treningu samodzielnie."
Bottleneck bezpieczeństwa Gemini jest realny, ale większy problem to ryzyko integracji oprogramowania. Jeśli Aeon działa na stosie wielowendorskim (NVIDIA, middleware, warstwy bezpieczeństwa), koszt własności obejmuje utrzymanie, częste aktualizacje i wzmocnienie cyberbezpieczeństwa. Może to prowadzić do większych przestojów i ukrytych kosztów niż debata o podstawie kołowej/ramieniu sugeruje. Nawet szybkie uczenie się przez imitację może nie odblokować ROI, jeśli stos oprogramowania stanie się kluczowym punktem.
Użycie Aeon przez BMW sygnalizuje przesunięcie w kierunku elastycznej automatyzacji, ale panel zgadza się, że to inkrementalna, długoterminowa gra z istotnymi ryzykami i wyzwaniami, w tym certyfikacją bezpieczeństwa, integracją oprogramowania i całkowitym kosztem własności.
Potencjalne przyspieszenie przejścia do autonomicznej produkcji, jeśli „uczenie się przez imitację” skraca czas wdrażania (Gemini)
Rosnący koszt własności z powodu nieprzewidzianych kosztów utrzymania i nadzoru regulacyjnego oprogramowania (Gemini)