Honnan jött a projekt ötlete? 

A Robert Bosch Kft. budapesti fejlesztési központjában (Engineering Center Budapest) létrejött az ún. AI Campus, mely különböző magyarországi Bosch entitásokat összekapcsoló mátrix szervezet. Szerepe, hogy skálázható AI megoldásokat azonosítson a különböző szervezeteken belül. Ennek a tudatos „use case” azonosításnak az eredménye volt a kicsomagoló robot ötlete. Ilyen formában az ötlet egy valós automatizációs törekvésnek tesz eleget a logisztikai területen, nevezetesen a beérkező alkatrészek automatikus kicsomagolását tűzte ki célul.  

Milyen volt a kicsomagolási folyamat az automatizálás előtt és miért van szükség automatizálásra ebben a konkrét folyamatban?

Jelenleg a gyártásban a kicsomagolás egy manuális folyamat. A beérkező termékek elektronikus követése (tracking) azonban ebben a folyamatban már működik, ezáltal lehetővé vált automatizálásban gondolkodjunk a területen.

Hogyan jött létre a Bosch Rexroth és az ELTE közötti kollaboráció a projekt kapcsán, miért döntöttek az együttműködés mellett?

Az együttműködést a Bosch évek óta tartó tudatos ökoszisztéma építése tette lehetővé. Az ökoszisztéma értelmezésünk szerint azt jelenti, hogy a különböző szereplők hatékonyan működnek együtt egy közös cél érdekében. Ezek a szereplők az egyetemi, kutatói világgal összefüggésben az egyetemi oktatók és hallgatók, valamint a Bosch kutatói és mérnökei, akik konkrét innovációk, K+F célok érdekében dolgoznak együtt. Az ehhez szükséges keretrendszer, amelyet a Bosch az egyetemi stratégiája mentén épít az, ami lehetővé tette, hogy az egyetem, a fejlesztés, a gyártás, és a Rexroth között az együttműködés létrejöhessen. A gyártási területen már nem életszerű, hogy teszteket, fejlesztést végezzünk. Egy olyan labor környezetre volt szükség, amelyben ki lehet próbálni az elképzelt funkcionalitást, melyekre majd a szériaállomáson szükség lesz. Ehhez kerestünk egy kollaboratív robotkart. A Kassow robotkar pedig tökéletes választásnak bizonyult a feladatra. 

Hogyan valósult meg a kicsomagolási folyamatról készült képek gyűjtése a mesterséges intelligencia megoldás betanításához?

A jelenlegi manuális folyamatról egy kamera segítségével képeket rögzíttettük. Ezek szűrés, szortírozás és címkézés után szolgáltak alapul a mesterséges intelligencia modell tanításához.

Kifejtené az egyes szervezetek, például az ELTE/AI, az ELTE/Robotika és a Bosch Rexroth szerepét ebben az együttműködésben?

Habár a tanszéket Bosch-ELTE Mesterséges Intelligencia Tanszéknek hívjuk, ugyanakkor a mesterséges intelligencia alkalmazások gyakran az automatizálás miatt robotikai alkalmazásokban valósulnak meg (SW + HW). A tanszék tehát tudatosan ilyen kompetenciával és ilyen irányú kutatási témákkal foglalkozik. A Bosch gyáraiból és fejlesztéséből érkező ipari igényeket, valamint erőforrásokat biztosít a kutatási projektek megvalósításához, míg az ELTE a kutatási kompetenciát adja.
Az együttműködésben rejlő potenciált kiválóan mutatja ez a projekt. Az egyetem ugyanis robottal nem rendelkezik, a Bosch Rexroth ezért biztosított egy Kassow kollaboratív robotot a projekthez. A robotkar funkciók implementációjához SW támogatást és direkt segítséget kaptunk a Bosch Rexroth kollégáitól, amely megkönnyítette a labor megvalósítását.

Mik voltak a legnagyobb kihívások a kamerarendszer telepítésekor a munkaállomáson?

Nem csak a kamera, hanem vágószerszám, erőszenzor és több típusú megfogó is telepítésre került a robotkarra vagy állomásra. Több eszköznek ezek közül egy időben is működniük kell labor környezetben. Egyszerre látni a kamerával és megfogni az objektumot a labor állomás adta lehetőségekkel nem egyszerű feladat. 3D nyomtatás segítségével azonban rendkívül rugalmasan lehetett a laborkörülmények között egy-egy teszthez megfelelő és kellően robosztus eszközt gyártani.  Ha pedig ezek rögzítése sikeres volt akkor az aktív eszközök jeleit a központi számítógépbe kell juttatni, ahol a jeleik kiértékelése is megtörténik.   

Mik voltak a legnagyobb kihívások az AI betanítása során?

Az AI tanítást megelőző előkészületek jelentik a legnagyobb kihívást. A projekt ugyanis egy digitalizációs projekt is egyben. Azaz a képek gyűjtésén túl definiálni kell, hogy az AI milyen döntés meghozatalára szeretnénk használni annak érdekében, hogy a robotkar az AI döntését követően egyértelmű műveletet végezhessen. Egyértelműség azt jelenti, hogy egy adott AI döntés minden esetben egy egyértelmű funkciót hívjon meg a robotkar számára és a feladathoz egyértelmű megfogó eszköz is hozzárendelhető legyen. Ehhez különböző szakterületeknek –  logisztika, AI fejlesztés, robotika, 3D látás –  a szoros együttműködésére volt szükség. Az első AI tanítást 5 hónappal a projekt indítása után végeztük, ekkor lett elegendő címkézett képünk és kellően kiforrott definíció a tanításhoz. A tanítás jelen pillanatban is folyik, ahol a cél a precizitás növelése a nagy mennyiségű adatokon.  

Milyen szempontok alapján döntöttek a Kassow kollaboratív robot mellett?

Az, hogy a cégen belül elérhető egy technológia és támogatást is kapunk hozzá nagyon fontos volt a döntésben. Természetesen a laborkörnyezetben csakis a kollaboratív robot jöhetett szóba, hiszen a fejlesztésekhez elengedhetetlen, hogy a kollégák a robottal egy térben mozogjanak a fejlesztés során. 

Várhatóan milyen hatással lesz ez az együttműködés a kicsomagolási folyamat hatékonyságára és automatizáltsági szintjére?

A fejlesztés elején járunk, ez egy hosszú út. A következő lépés, hogy a laborkörnyezetből a széria gyártás felé forduljunk. A kikísérletezett funkciókat a gyártási környezetbe teljeskörűen kell megvalósítani. Ez a következő évek feladata lesz. Ennél messzebb jelenleg nehéz megjósolni, hogy milyen további együttműködéseket, vagy megoldásokat eredményez még a jelenlegi kooperáció. Annyi biztosan látszik, hogy a megkezdett munka új lehetőséget teremt a csomagolási technológia automatizálásában. A vágásra és a lepakolásra már vannak létező ipari megoldások az AI alapú kicsomagolás azonban, mely központi eleme a jelenlegi megoldásnak, új alkalmazásnak számít a fejlesztés végére.    

Milyen lehetséges előnyöket lát az ipar vagy a gyártási ágazat egésze számára az automatizált kicsomagoló gép sikeres megvalósításának eredményeként?

A mesterséges intelligenciával és 3D látással támogatott robotika széles körben alkalmazható technológia iparban. Ezek más anyagmozgatással járó területen is alkalmazhatóak, ahol például a mozgatást egyfajta vizuális alapú döntés előzi meg. Más esetekben a cél is egyszerűbben megfogható lehet például mert jobban ismert a tényleges feladat, vagy a mozgatandó anyagok diverzitása alacsonyabb, így ezekben az esetekben hatékonyabban alkalmazható a technológia. A megoldás alkalmazhatósága függ a feladat tényleges komplexitásától, de nem csak a logisztika területén. Ezért a technológia használata számtalan skálázható megoldás lehetőségét hordozza az iparban. A Bosch-ELTE Mesterséges Intelligencia Tanszéken és az tágabb egyetemi-ipari ökoszisztémában folyamatosan keressük azokat a lehetőségeket, ahol az egyetemi oktatók és hallgatók, valamint a Bosch kutatói és mérnökei, konkrét innovációk, K+F célok érdekében dolgoznak együtt további alkalmazások fejlesztése céljából

Hogyan fogják nyomon követni és értékelni a projekt előrehaladását, és mik a várható mérföldkövek és határidők a projekt befejezéséhez?

A projekt egy több éves fejlesztés első évében jár. Az a cél, hogy a projekt végére szolgálatba álljon a gyártásban az első szériaberendezés.