القاهرة: الأمير كمال فرج.

في وقت سابق من هذا العام، استعرضت شركة Figure، المتخصصة في الروبوتات البشرية، روبوتها Figure 02 وهو يستخدم نظام لغة بصرية متطور يُدعى "Helix" لفرز الطرود في مستودع لوجستي.

ووفقا لتقرير نشرته مجلة Futurism، أظهرت اللقطات المصورة جيشًا صغيرًا من الروبوتات الشبيهة بالبشر وهي تلتقط ببراعة طرودًا مختلفة الأحجام والأشكال والصلابة، وتتحكم في اتجاهها.

بعد ثلاثة أشهر فقط، نشرت الشركة تحديثًا حول نهج "Helix" القائم على التعلم في مجال الروبوتات على موقعها الإلكتروني، حيث أظهرت الروبوت نفسه وهو يفرز مجموعة أوسع من أنواع الطرود، بما في ذلك الأكياس البلاستيكية والمظاريف المسطحة.

يُعد هذا إنجازًا روبوتيًا رائعًا يسلط الضوء على مدى قرب هذه التقنية من إنجاز مهام على مستوى بشري في بيئة المستودعات، على الأقل في مهام محددة. تقود شركات مثل Tesla و Agility Robotics جهودًا منسقة لأتمتة الوظائف البشرية المتكررة — وبناءً على أحدث النتائج، لم نكن أقرب من أي وقت مضى إلى مستقبل مليء بالروبوتات ثنائية الأرجل التي تشغل المحطات في البيئات التجارية.

تدّعي شركة Figure أن نظام "Helix" الخاص بها قد أحرز تقدمًا مطردًا في غضون أشهر قليلة. يقضي الروبوت الآن ما يزيد قليلًا عن أربع ثوانٍ لكل طرد، أي أسرع بثانية واحدة من ذي قبل، مع الحفاظ على الدقة. وتقول الشركة أيضًا إن ملصقات الشحن يتم توجيهها بشكل صحيح للمسح الضوئي بنسبة 95 % من الوقت، وهو تحسن بنسبة 25 % مقارنة ببداية العام.

يمكن للروبوت التكيف ديناميكيًا مع الشكل الفريد للطرود عن طريق "تعديل استراتيجية إمساكه أثناء التنقل — على سبيل المثال، إبعاد كيس ناعم لقلبه ديناميكيًا، أو استخدام قبضة القرص للأكياس المسطحة، حتى أن روبوت Figure 02 يقوم بمسح العبوات البلاستيكية، وهي حركة تعلمها من خلال الملاحظة.

جاء في تحديث الشركة: "يضمن هذا الإجراء الدقيق لـ 'المسح'، الذي تم تعلمه من العروض التوضيحية، أن يكون الرمز الشريطي مرئيًا بالكامل للماسح الضوئي." "يسلط هذا السلوك التكيفي الضوء على ميزة التعلم الشامل — حيث يتعلم الروبوت من استراتيجيات العرض التي لم يتم برمجتها بشكل صريح، مباشرة من البيانات، للتغلب على العيوب الواقعية في التعبئة والتغليف."

سباق ملء المستودعات بالروبوتات البشرية جارٍ على قدم وساق، وتتسابق العديد من الشركات لتصبح الرائدة بلا منازع في هذه الصناعة الناشئة. الفكرة الأساسية هي أن يقوم نموذج واحد من الروبوتات بتنفيذ عدد من المهام المختلفة، بدلاً من مجموعة من الروبوتات المحددة للغاية والمصممة لغرض معين.

ومع ذلك، فإن جعلها فعالة من حيث التكلفة وموثوقة بما يكفي لتحل محل العمالة البشرية على نطاق واسع سيظل يشكل تحديًا كبيرًا على الأرجح.