Warszawski Nomagic testuje AI mózg dla robotów magazynowych na żywych klientach

Warszawski startup Nomagic ogłosił, że jego nowy model sztucznej inteligencji do sterowania robotami magazynowymi trafił już do produkcji u płacących klientów, a nie tylko do testów laboratoryjnych. Firma twierdzi, że to jedno z pierwszych na świecie wdrożeń modelu wizja-język-akcja poza środowiskiem badawczym.

Nomagic ma siedzibę w Warszawie oraz drugie biuro w Sandy Springs w stanie Georgia w USA. Firma od lat buduje roboty do magazynów, które chwytają i sortują towary bez wcześniejszego zaprogramowania każdego ruchu z osobna. Nowością jest to, że mózg tych robotów opiera się teraz na modelu łączącym widzenie, język i akcję, czyli tej samej rodzinie technologii, która stoi za najnowszymi systemami robotycznymi Google czy Tesli.

Kto stoi za projektem

Na czele nowego laboratorium AI w Nomagic stanął Markus Wulfmeier, który wcześniej pracował w Google DeepMind jako część zespołu Gemini Robotics, odpowiedzialnego między innymi za strategię post-treningu modeli sterujących robotami. Jego przejście do polskiego startupu to kolejny sygnał, że mniejsze firmy potrafią przyciągać badaczy z czołowych laboratoriów wielkich koncernów, oferując im bezpośredni wpływ na produkt trafiający na rynek, a nie tylko badania podstawowe.

Wulfmeier tłumaczy filozofię projektu inaczej niż większość konkurencji. Zamiast dążyć od razu do uniwersalnego robota, który poradzi sobie z dowolnym zadaniem, Nomagic stawia najpierw na perfekcyjne opanowanie wąskich, powtarzalnych czynności magazynowych, a dopiero potem na budowanie z tych umiejętności czegoś bardziej ogólnego.

Większość naszej społeczności ściga się w budowaniu jak najbardziej uniwersalnego mózgu robota. My stawiamy na to, że trudniejszą częścią jest rzeczywiste mistrzostwo w konkretnym zadaniu - Markus Wulfmeier, główny naukowiec Nomagic

Rygor przemysłowy

Prezes Nomagic Kacper Nowicki podkreśla, że świat fizyczny nie wybacza błędów tak łatwo jak świat czatbotów. Roboty muszą działać niezawodnie w realnych magazynach, gdzie awaria oznacza zatrzymaną linię, a nie tylko błędną odpowiedź tekstową.

Poprzeczka w świecie fizycznym jest wysoka: 99,9 procent niezawodności to nie chwyt marketingowy, to koszt wstępu do budynku - Kacper Nowicki, dyrektor generalny Nomagic

Nowy model nie działa jeszcze samodzielnie na poziomie tej niezawodności. Nomagic owija go klasycznym, deterministycznym oprogramowaniem robotycznym, które przejmuje kontrolę, gdy sieć neuronowa nie jest wystarczająco pewna swojej decyzji. To podejście hybrydowe, popularne dziś w branży robotyki przemysłowej, pozwala korzystać z elastyczności modeli językowo-wizyjnych bez rezygnowania z gwarancji bezpieczeństwa wymaganych w hali magazynowej.

Dane z realnego świata, nie z symulacji

Kluczową różnicą w podejściu Nomagic względem części konkurencji jest źródło danych treningowych. Zamiast bazować głównie na symulacjach komputerowych albo teleoperacji, czyli zdalnym sterowaniu robotem przez człowieka w celu zbierania danych, firma trenuje swoje modele na danych z rzeczywistych wdrożeń u klientów. Miliony podniesień paczek wykonywanych codziennie na produkcyjnych liniach dają modelowi ekspozycję na warunki, których symulacja trudno w pełni odwzorować, na przykład nietypowe opakowania, uszkodzone kartony czy zmienne oświetlenie hali.

Dla polskiej branży technologicznej sukces Nomagic ma znaczenie wykraczające poza samą firmę. Warszawa rzadko pojawia się w globalnych doniesieniach o przełomach w robotyce, a fakt, że to właśnie tu powstaje jedno z pierwszych na świecie przemysłowych wdrożeń modeli wizja-język-akcja, pokazuje, że polskie zespoły inżynierskie potrafią konkurować z laboratoriami finansowanymi przez giganty technologiczne.

Co dalej

Nomagic zapowiada dalsze skalowanie wdrożenia na kolejnych klientów e-commerce i logistycznych w Europie oraz USA. Firma nie ujawniła jeszcze planów finansowania nowego laboratorium AI ani docelowej liczby robotów objętych nowym modelem sterowania. Obserwatorzy branży robotycznej będą teraz uważnie śledzić, czy podejście oparte na wąskiej specjalizacji przed uogólnieniem okaże się trwałą przewagą, czy tylko przejściowym etapem w wyścigu do w pełni autonomicznych robotów magazynowych.

Źródła: Fortune (fortune.com), TheNextWeb (thenextweb.com)