Von der „Massenproduktion“ zur „Massenvermarktung“ von Robotern: Qizhi Openmind zielt darauf ab, die fehlende mittlere Schicht der industriellen verkörperten Intelligenz zu schließen.

Roboter scheinen der realen Produktionsumgebung einen Schritt näher gekommen zu sein.

Als Plattform zur umfassenden Demonstration der Fähigkeiten von Robotern bauen auf der diesjährigen Welt-Roboterkonferenz immer mehr Unternehmen direkt konkrete Szenarien wie Fabriken auf, damit die Roboter vor Ort Aufgaben wie Sortieren, Montieren und Inspektion erledigen können. Auf dieser Konferenz wurde erstmals auch ein Einkaufstag eingerichtet, an dem zentrale Staatsunternehmen mit tatsächlichen Szenarien und Einkaufsanforderungen nach Lieferanten suchen. Dies sendet ein klares Signal aus: Der Fokus der Branche hat sich darauf verlagert, ob Roboter nachhaltig, stabil und wirtschaftlich Wert schaffen können.

Aber die Demonstration auf dem Messestand ist nicht vollständig gleichzusetzen mit der Implementierung in der Produktionslinie. Die einmalige Erledigung einer Aufgabe in einer relativ kontrollierten Umgebung und die kontinuierliche Bewältigung von Werkstückabweichungen, Umgebungsänderungen und Geräteausfällen am realen Industriestandort sind noch durch mehrere Hürden wie Daten, Verfahren, Zuverlässigkeit und technische Lieferung getrennt.

Um diese Lücke zu schließen, hat Qizhi Openmind auf der Konferenz auch seine eigene Lösung vorgestellt. Das aus dem börsennotierten Unternehmen für intelligente Roboter EFORT hervorgegangene Unternehmen hat zwei neue Produkte auf den Markt gebracht: Das neue HALO-Skill-Suit ist dafür zuständig, die tatsächlichen Arbeitserfahrungen von Menschen in trainierbare Daten umzuwandeln, während der zusammengesetzte Roboter überprüft, wie derselbe Fähigkeitssatz am Industriestandort den geschlossenen Kreislauf von Wahrnehmung, Planung bis zur Ausführung abschließen kann.

Im Gegensatz zu den meisten Unternehmen, die sich auf die Arbeitsfähigkeit von Robotern in Fabrikszenarien selbst konzentrieren, versucht Qizhi Openmind zu lösen, wie verkörperte Intelligenz weiter trainiert, bereitgestellt und wiederverwendet werden kann.

Vom regelgesteuerten zum datengesteuerten Ansatz

Tatsächlich ist die industrielle verkörperte Intelligenz von Anfang an mit Zweifeln konfrontiert. Schließlich sind Industrieroboter in Produktionslinien von Branchen wie Automobil, 3C und Lithiumbatterie längst keine Neuheit mehr. Nach jahrzehntelanger Entwicklung können Roboterarme in Kombination mit Fördergeräten, Vorrichtungen und Maschinensicht bereits kontinuierlich eine Reihe von Aufgaben wie Schweißen, Transport, Spritzen und Montage erledigen.

Aber die industrielle verkörperte Intelligenz versucht wirklich, in den „verbleibenden Teil“ einzudringen, der von dem Automatisierungssystem noch nicht wirtschaftlich abgedeckt ist.

Ein verantwortlicher Mitarbeiter von Qizhi Openmind teilte 36Kr mit, dass traditionelle Industrieroboter starr regelgesteuert sind: Solange Werkstück, Position und Umgebung unverändert bleiben, können Roboter Aufgaben wiederholt ausführen. Aber dieses regelgesteuerte Modell kann nicht mit flexiblen Arbeitsszenarien umgehen. Der Wechsel vom regelgesteuerten zum datengesteuerten Ansatz zur Verbesserung der Generalisierungsfähigkeit von Industrierobotern wird damit zum Kernwert, den die verkörperte Intelligenz in industrielle Szenarien einbringt.

Aber der Verantwortliche räumte auch ein, dass es bei der industriellen verkörperten Intelligenz langfristig ein „unmögliches Dreieck“ geben könnte: Es ist nicht möglich, gleichzeitig schnelle Reaktionsgeschwindigkeit, hohe Ausführungsgenauigkeit und starke szenarienübergreifende Generalisierungsfähigkeit zu erfüllen. Denn je mehr Szenarien das Modell anpassen kann, desto komplexer ist normalerweise der Inferenzprozess, und desto schwieriger ist es, Reaktionsgeschwindigkeit und Ausführungsstabilität zu berücksichtigen.

Daher ist der realistischere Weg für die Implementierung der industriellen verkörperten Intelligenz in kurzer Sicht, das Problem zunächst auf einen relativ geschlossenen Bereich zu beschränken und vertikale Fähigkeiten für eine bestimmte Art von Verfahren zu trainieren. Durch diese moderate Einengung der Generalisierungsgrenze lassen sich schnellere Reaktionsgeschwindigkeit und zuverlässigere Ausführungsergebnisse erzielen. Zuerst wird der Bedarf industrieller Szenarien an der Betriebsstabilität von Robotern erfüllt, bevor der Fähigkeitsbereich der Roboter schrittweise erweitert wird.

Bei weiterer Zerlegung nach unten zeigt sich, dass der Aufbau vertikaler Fähigkeiten der industriellen verkörperten Intelligenz noch vor zwei realen Hürden steht.

Die erste Hürde sind Daten. Mit der Offenlegung der Grenzen von Labor-Fernbedienungs- und Simulationsdaten wird der Wert von Daten aus dem tatsächlichen Produktionsprozess immer deutlicher. Aber diese Art von Daten befindet sich hauptsächlich in den Händen von Endkunden oder Systemintegratoren mit Branchenerfahrung und betrifft oft Produktionsverfahren, Geräteparameter und Geschäftsgeheimnisse, sodass sie nicht direkt nach außen offengelegt werden können. Dies verschärft schließlich den Mangel an gültigen Daten für das Training.

Die zweite Hürde ist das Verfahrenswissen. Der oben genannte Verantwortliche von Qizhi Openmind erwähnte, dass ein Projektteam wiederholt Daten ergänzt und das Modell neu trainiert hat, nachdem der Roboter abnormale Bewegungen ausgeführt hatte, das Problem aber nicht gelöst wurde. Erst auf den Hinweis einer Person, die das Verfahren versteht, stellte sich heraus, dass die Wurzelursache nur ein nicht angeschlossener Erdleiter war. Das heißt, Roboterhersteller mögen den Körper, die Bewegungssteuerung und das Modell gut kennen, aber sie verstehen nicht unbedingt jedes konkrete Verfahren. Daher erfordert die Implementierung der industriellen verkörperten Intelligenz auch die gemeinsame Beteiligung von Verfahren und praktischer Ingenieurserfahrung vor Ort.

Man kann sehen, dass für die tatsächliche Implementierung der industriellen verkörperten Intelligenz nicht nur stärkere Modelle fehlen, sondern auch eine vollständige Werkzeugkette, die Daten aus tatsächlichen Arbeiten sammeln, Verfahrenserfahrungen in Roboterfähigkeiten umwandeln und weiter auf echten Geräten bereitstellen kann. Das ist genau die mittlere Ebene, die Qizhi Openmind zu ergänzen versucht.

Aufbau einer Plattformschicht zwischen Körper und Szenario

Entlang der oben genannten grundlegenden Logik befinden sich die beiden von Qizhi Openmind diesmal veröffentlichten Produkte an den beiden Enden der Entstehung von Fähigkeiten der industriellen verkörperten Intelligenz: Das HALO-Skill-Suit löst das Problem, wie echte Daten erfasst werden, während der zusammengesetzte Roboter überprüft, wie diese Daten und Modellfähigkeiten auf echten Geräten bereitgestellt werden können, um Aufgaben in konkreten industriellen Szenarien zu erledigen.

Nach Angaben von Qizhi Openmind kann das HALO-Skill-Suit multimodale Daten wie 8K-Panoramabilder, Egoperspektiven-RGBD-Informationen, Handtastsinn, 27-Knoten-Trägheitsbewegungsverfolgung und oberflächliche Elektromyographie synchron erfassen. Im Vergleich zur reinen Erfassung von Videos können diese Daten verschiedener Modi den Bewegungsprozess von Menschen bei tatsächlichen Arbeiten sowie die angewandte Kraft und den körperlichen Zustand bei der Ausführung von Bewegungen vollständiger wiedergeben, sodass sie für das Lernen feiner Operationen durch Roboter Trainingsmaterial liefern, das der physischen Welt näher kommt.

Bei technischen Verbesserungen setzt die neue Generation des HALO-Skill-Suits auf das Design „integriertes Tragen“, das alle Körpersensoren tief in den Kleidungskörper ohne freiliegende Leitungen integriert. Es unterstützt nicht nur schnelles An- und Ausziehen, sitzt fest und ist leicht zu reinigen und zu warten, sondern realisiert wirklich „Erfassen sofort nach dem Anziehen“. Während es das Trageerlebnis und die Konsistenz mehrerer Chargen von Daten erheblich verbessert, schafft es auch Bedingungen für die skalare Erfassung echter industrieller Daten.

Da der Erfassungsprozess nicht an einen bestimmten Roboter gebunden ist, können diese Daten auch für das Modelltraining und die Fähigkeitsentwicklung von Robotern verschiedener Marken und Konfigurationen verwendet werden.

Aber die Datenerfassung ist nur der erste Schritt: Die Bewegungsdaten von Menschen müssen auch bereinigt, verarbeitet und trainiert werden, um in Fähigkeiten umgewandelt zu werden, die Roboter verstehen und ausführen können, bevor sie an konkrete Roboter-Körper und industrielle Szenarien angepasst werden.

Um diese Gliederungen zu verbinden, hat Qizhi Openmind eine vollständige allgemeine technische Basis für intelligente Roboter aufgebaut. Das HALO-Skill-Suit ist für die Erfassung von Daten aus der realen Welt zuständig, HumanGPT liefert Modellfähigkeiten, die große Yan-Datenplattform übernimmt Datenverwaltung und -verarbeitung, der Modou-IDE dient zur Fähigkeitsentwicklung und -debugging, und Openmind OS verbindet Anwendungen der oberen Schicht mit verschiedenen Roboter-Körpern. Damit wird der vollständige Prozess von der Datenerfassung, dem Modelltraining, der Fähigkeitsentwicklung bis zur Bereitstellung auf echten Geräten abgedeckt. Auf dieser offenen Basis, die dem „Android für Roboter“ ähnelt, können Entwickler Roboterfähigkeiten für konkrete Verfahren entwickeln und sie dann an Roboter-Körper verschiedener Marken und Konfigurationen anpassen.

Der zusammengesetzte Roboter dient als Ausführungsträger zur Überprüfung dieser Werkzeugkette. Er kombiniert Roboterarm, 3D-Sicht und mobiles Fahrgestell: Das mobile Fahrgestell bewegt sich zwischen verschiedenen Arbeitsplätzen, das Sichtsystem erkennt Werkstücke und ihre Positionen, und der Roboterarm erledigt dann Greifen, Sortieren und Montage. Im Vergleich zu Roboterarmen, die nur an festen Arbeitsplätzen vorgegebene Bahnen wiederholt ausführen können, muss der zusammengesetzte Roboter kontinuierlich Änderungen seiner eigenen Position, des Arbeitsobjekts und der Umgebung verarbeiten, um flexiblere Produktionsaufgaben zu bewältigen.

Derzeit wird dieser zusammengesetzte Roboter bereits in der realen Produktionslinie eines Automobilherstellers langfristig überprüft und für die integrierte Arbeit von hochdichtem Sortieren und präziser Montage eingesetzt.

„Aus Sicht der Produktform ist der zusammengesetzte Roboter keine grundlegende Innovation. Wir zeigen mehr seine Offenheit im gesamten Prozess von der Entwicklung bis zur Bereitstellung“, sagte der Verantwortliche von Qizhi Openmind zu 36Kr. „Dieser Satz verdeutlicht auch die Positionierung von Qizhi Openmind in der Industriekette der industriellen verkörperten Intelligenz: Als Werkzeugplattform kapseln wir grundlegende Fähigkeiten wie Datenerfassung, Robotersteuerung und Aufgabenplanung in die Entwicklungsumgebung, damit Partner mit Verfahrenswissen vertikale Anwendungen nach tatsächlichen Anforderungen entwickeln können. Unsere Idee ist, dass jeder Roboter entwickeln und seinen eigenen Roboter für vertikale Szenarien bauen kann.“

Arbeitsteilung ist möglicherweise wichtiger als die vollständige Eigenentwicklung

Dass Qizhi Openmind sich dafür entscheidet, sich als Werkzeugplattform zu positionieren, ist untrennbar von der langjährigen Akkumulation von EFORT im Bereich der Industrieroboter verbunden.

Der Vorgänger von Qizhi Openmind war die intelligente Projektgruppe, die 2017 intern bei EFORT gegründet wurde, bevor das Unternehmen 2024 offiziell gegründet wurde. Daher ist dies kein Startup-Team, das von Null in den Bereich der industriellen verkörperten Intelligenz einsteigt. Es verfügt über die finanzielle Unterstützung von EFORT als etabliertes Unternehmen, sowie über intelligente Roboterprojekte von EFORT und die technische Akkumulation, die durch wissenschaftliche Projekte wie nationale Schlüsselforschungspläne und Großprojekte entstanden ist.

Neben finanzieller und technischer Unterstützung bietet EFORT auch industrielle Standorte für die Fähigkeitsüberprüfung. Derzeit produziert EFORT jährlich etwa 20.000 Roboter, die kumulative Auslieferungsmenge übersteigt 100.000, und dahinter stehen Endkunden und mehr als 400 Systemintegratoren. Wie diese Roboter in Fabriken gelangen, wie sie um konkrete Verfahren herum weiterentwickelt werden und schließlich tatsächlichen Wert erzeugen, bildet zweifellos den Ausgangspunkt für Qizhi Openmind, die industrielle Automatisierungs-Industriekette zu beobachten.

Diese historische Entwicklung hat auch das Urteil von Qizhi Openmind über die Arbeitsteilung in der Industrie der industriellen verkörperten Intelligenz geprägt. In dem Interview räumte der verantwortliche Mitarbeiter von Qizhi Openmind gegenüber 36Kr ein: „Die derzeit im Bereich der verkörperten Intelligenz betonte vollständige Eigenentwicklung ist im Wesentlichen ein Ausdruck unklarer Branchenarbeitsteilung. Algorithmus-Teams verstehen möglicherweise keine praktischen Ingenieursprobleme vor Ort, Roboterhersteller können kaum die Verfahren jeder Branche beherrschen, und es ist ebenfalls kostspielig, wenn Systemintegratoren, die Verfahren verstehen, von Grund auf Fähigkeiten wie Modell, Bewegungssteuerung und Datenverarbeitung ergänzen.“

Im langfristigen Entwicklungsprozess haben traditionelle Industrieroboter bereits eine professionelle Arbeitsteilung zwischen Kernkomponentenherstellern, Komplettmaschinenherstellern, Systemintegratoren und Endkunden gebildet. Die industrielle verkörperte Intelligenz muss ebenfalls neue Kooperationsbeziehungen aufbauen: Roboterunternehmen liefern Körper und Ausführungsfähigkeiten, Plattformunternehmen liefern Daten, Modelle, Betriebssysteme und Entwicklungswerkzeuge, Systemintegratoren entwickeln vertikale Anwendungen mit Verfahrenswissen,