Perché l'integrazione di robot umanoidi costa più dell'hardware e come risolverlo
I costi di integrazione e implementazione sono 2-3 volte il prezzo dell'umanoide stesso. Le aziende che elimineranno questo collo di bottiglia cattureranno il maggior valore nel mercato dell'AI fisica da 30 miliardi di dollari.
Motion1 Inc. ·
Il vero costo di un robot umanoide
Quando un produttore valuta per la prima volta l'automazione umanoide, la conversazione inizia quasi sempre con il prezzo di listino del robot. I robot umanoidi entry-level costano ora circa €16.000. I modelli di fascia alta con maggiore capacità di carico utile e destrezza si avvicinano ai €50.000. Questi sono numeri ragionevoli per una macchina che può operare su più turni, non prende ferie e offre una qualità di output costante - e rappresentano un calo drastico rispetto ai prezzi di oltre €150.000 di pochi anni fa.
Ma il prezzo di listino è fuorviante, perché oscura il costo che determina effettivamente il successo o il fallimento di un'implementazione umanoide: l'integrazione.
Il lavoro di integrazione e implementazione - programmare il robot per le Sue attività specifiche, costruire una simulazione del Suo ambiente specifico, testare nel Suo specifico stabilimento, gestire i Suoi specifici casi limite - costa regolarmente da due a tre volte il prezzo dell'hardware stesso. Un robot da €20.000 può facilmente richiedere da €60.000 a €100.000 di lavoro di integrazione prima di fare qualcosa di utile. Questo è il collo di bottiglia che mantiene gli umanoidi nelle demo fieristiche anziché negli stabilimenti, e capire perché è così costoso è il primo passo per risolverlo.
Perché l'integrazione è così costosa
Il costo dell'integrazione umanoide è determinato da quattro fattori strutturali che, presi insieme, spiegano perché l'implementazione di un robot rimane un ordine di grandezza più difficile che acquistarne uno.
Il primo fattore è che ogni implementazione è effettivamente personalizzata. Non esistono due fabbriche uguali. Ognuna ha il proprio layout, le proprie attrezzature, il proprio mix di prodotti, i propri requisiti di sicurezza e la propria collezione di casi limite accumulati in anni di attività. Un umanoide che confeziona il pane in una struttura non può essere semplicemente spostato in un'altra struttura e ci si aspetti che funzioni. L'altezza del nastro trasportatore è diversa. Le dimensioni della scatola sono cambiate. Le condizioni di illuminazione influenzano il sistema di visione. Ogni dettaglio conta, e oggi, un team di ingegneri robotici deve tenere conto di ogni dettaglio manualmente.
Il secondo fattore è l'assenza di un livello di integrazione standard. Ogni umanoide OEM ha progettato le proprie API, schemi di controllo, configurazioni di sensori e kit di sviluppo software. Non esiste un middleware universale, nessun linguaggio di programmazione comune, nessuno standard condiviso su come le attività sono definite ed eseguite. Un ingegnere che ha trascorso tre mesi a integrare un marchio di umanoide deve essenzialmente ricominciare da capo quando il produttore desidera provare un marchio diverso. Questa frammentazione moltiplica i costi in ogni fase.
Il terzo fattore è il collo di bottiglia dell'esperienza. Le persone che comprendono le operazioni di fabbrica - i responsabili delle operazioni, i supervisori di turno e gli operatori di linea che hanno trascorso anni a perfezionare i loro processi - non possono programmare i robot. Le persone che possono programmare i robot - gli ingegneri robotici con lauree avanzate in sistemi di controllo e informatica - non comprendono le operazioni di fabbrica. Colmare questo divario richiede consulenti costosi che fungono da traduttori tra due mondi che parlano linguaggi completamente diversi.
Il quarto fattore è il divario di simulazione. Addestrare un robot in simulazione e poi implementarlo nel mondo reale - un processo noto come trasferimento sim-to-real - rimane una scienza imperfetta. Le politiche che raggiungono una precisione quasi perfetta in simulazione spesso falliscono quando si confrontano con le realtà disordinate di un ambiente fisico. Colmare questo divario richiede test iterativi nello stabilimento, dove ogni ciclo richiede ore anziché i secondi che richiede in simulazione, e dove i fallimenti hanno conseguenze reali sotto forma di prodotti danneggiati, incidenti di sicurezza e tempi di inattività della produzione.
Il problema di scalabilità
Il modello di integrazione tradizionale presenta un problema di scalabilità fondamentale che va oltre il costo: richiede competenze umane scarse e costose per ogni singola implementazione. Ci sono meno di 50.000 ingegneri robotici qualificati a livello globale. La domanda prevista per le implementazioni umanoidi raggiungerà milioni di unità entro il 2030. L'aritmetica semplicemente non funziona.
Anche se Lei potesse assumere abbastanza ingegneri - e non può - l'economia non migliora su larga scala. L'ingegneria personalizzata per ogni implementazione significa che il costo per implementazione rimane più o meno costante. Non c'è curva di apprendimento, nessuna riduzione del costo marginale, nessun modo per sfruttare il lavoro svolto sull'implementazione numero uno per rendere l'implementazione numero cento più economica o più veloce. Ogni fabbrica è una tabula rasa.
Questo è fondamentalmente diverso da come il software si scala. Quando un'azienda di software crea un prodotto, il costo marginale per servire il cliente successivo si avvicina a zero. Il modello di integrazione per i robot umanoidi è l'opposto: il costo marginale della prossima implementazione è più o meno lo stesso della prima. Ecco perché l'industria ha bisogno di un approccio diverso.
L'approccio della piattaforma software
La soluzione al problema dei costi di integrazione non è più ingegneri - è un software migliore. Nello specifico, si tratta di piattaforme software che sostituiscono l'ingegneria personalizzata con l'automazione basata sull'AI, trasformando il processo di implementazione da un impegno di consulenza su misura in un prodotto ripetibile e scalabile.
Queste piattaforme funzionano traducendo le descrizioni delle attività in linguaggio naturale in flussi di lavoro eseguibili dal robot. Invece di scrivere codice di controllo, un responsabile delle operazioni descrive ciò che deve essere fatto. La piattaforma scompone l'attività in passaggi discreti, genera una simulazione 3D dell'ambiente di fabbrica da fotografie e video, addestra l'umanoide in quella simulazione utilizzando l'apprendimento per rinforzo e convalida la politica prima di trasferirla all'hardware reale.
La differenza fondamentale rispetto al modello tradizionale è che la piattaforma migliora ad ogni implementazione. I dati di addestramento si accumulano. I modelli di simulazione diventano più precisi. Gli algoritmi di scomposizione delle attività imparano dai successi e dai fallimenti passati. Il costo marginale della centesima implementazione è drasticamente inferiore rispetto alla prima, e la millesima implementazione è ancora più bassa. Questa è la curva di apprendimento che manca all'ingegneria personalizzata, ed è ciò che rende possibile l'implementazione di massa degli umanoidi.
Cosa significa questo per il mercato
La proiezione del mercato degli umanoidi da 30 miliardi di euro presuppone che gli umanoidi saranno implementati su larga scala nella produzione, nella logistica e nei servizi. Ma l'implementazione di massa è impossibile se ogni installazione costa da €50.000 a €150.000 in lavoro di integrazione. La proiezione di mercato si concretizza solo se i costi di integrazione diminuiscono da dieci a cento volte.
Una tale entità di riduzione dei costi non può derivare da miglioramenti incrementali nella consulenza tradizionale. Può derivare solo dall'automazione software che cambia fondamentalmente l'economia dell'implementazione. Le aziende che costruiranno questo strato software cattureranno una quota sproporzionata del valore di mercato, perché ogni umanoide venduto - indipendentemente dal produttore - necessita di software di integrazione per diventare utile.
Il livello di implementazione è, per molti aspetti, la parte strategicamente più importante dell'ecosistema umanoide. Oltre 100 aziende costruiscono l'hardware. Il software che lo rende utile è ancora ampiamente aperto.
Come valutare le soluzioni di integrazione
Per i produttori che valutano diversi approcci all'integrazione umanoide, cinque fattori distinguono le soluzioni che scaleranno da quelle che non lo faranno.
Quando confronta gli approcci, tenga conto di questi fattori:
- Tempo al primo flusso di lavoro - una soluzione che richiede mesi utilizza metodi tradizionali con una patina software. Una soluzione che fornisce un flusso di lavoro funzionante in giorni utilizza una vera automazione basata sull'AI.
- Competenza richiesta dal Suo team - Se la soluzione richiede al Suo responsabile delle operazioni di imparare la programmazione robotica, o se Le richiede di assumere un ingegnere robotico, non ha risolto il collo di bottiglia dell'esperienza - lo ha semplicemente ricollocato.
- Riutilizzabilità - I flussi di lavoro sviluppati per un'attività possono essere adattati per attività simili? I flussi di lavoro possono essere trasferiti tra diversi modelli di robot o diversi siti di fabbrica? Se ogni nuova attività inizia da zero, Lei sta pagando per l'ingegneria personalizzata indipendentemente da come il fornitore la chiami.
- Struttura dei costi continuativa - Se ogni nuova attività o ogni modifica del flusso di lavoro richiede un altro impegno, il costo totale di proprietà sarà indistinguibile dalla consulenza tradizionale. La piattaforma giusta consente al Suo team di iterare in modo indipendente dopo l'implementazione iniziale.
- Proprietà dei dati - I flussi di lavoro che le Sue implementazioni generano, i dati di addestramento che le Sue operazioni producono e i modelli di simulazione costruiti dalla Sua struttura - questi sono beni preziosi. Si assicuri che appartengano a Lei.