Mit dem Übergang der Roboter von der „Massenproduktion“ zur „Massenvermarktung“ strebt Openmind an, die mittlere Schicht der industriellen verkörperten Intelligenz zu ergänzen.

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

Auf der diesjährigen Weltroboterkonferenz, einer Plattform zur umfassenden Präsentation der Fähigkeiten von Robotern, bauen immer mehr Unternehmen direkt konkrete Szenarien wie Fabriken auf, damit Roboter vor Ort Aufgaben wie Sortieren, Montage und Inspektion erledigen können. Auf dieser Konferenz wurde zudem erstmals ein Einkaufstag eingerichtet, bei dem zentrale Staatsunternehmen mit realen Szenarien und Einkaufsanforderungen nach Lieferanten suchen. Dies sendet ein klares Signal: Der Fokus der Branche hat sich darauf verlagert, ob Roboter nachhaltig, stabil und wirtschaftlich Wert schaffen können.

Aber die Demonstrationen auf den Messeständen sind nicht vollständig gleichzusetzen mit der Umsetzung in Produktionslinien. Zwischen der Erledigung einer Aufgabe in einer relativ kontrollierten Umgebung und der kontinuierlichen Bewältigung von Werkstückabweichungen, Umgebungsänderungen und Geräteausfällen an realen industriellen Standorten bestehen noch zahlreiche Hürden in Bezug auf Daten, Verfahren, Zuverlässigkeit und technische Umsetzung.

Um diese Lücke zu schließen, hat Qizhi Openmind auf der Konferenz auch seine eigene Lösung vorgestellt. Das Unternehmen, das aus dem börsennotierten Unternehmen für intelligente Roboter EFORT hervorgegangen ist, hat zwei neue Produkte auf den Markt gebracht: Der neue HALO Skill Suit ist dafür zuständig, die tatsächlichen Arbeitserfahrungen von Menschen in trainierbare Daten umzuwandeln, während der hybride Roboter überprüft, wie derselbe Fähigkeitssatz den geschlossenen Kreislauf von Wahrnehmung, Planung bis zur Ausführung an industriellen Standorten 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 die körperliche Intelligenz weiter trainiert, bereitgestellt und wiederverwendet werden kann.

Vom regelgesteuerten zum datengesteuerten Ansatz

Tatsächlich wird die industrielle körperliche Intelligenz von Anfang an mit Zweifeln konfrontiert. Schließlich sind Industrieroboter in Fertigungslinien von Branchen wie Automobil, 3C und Lithiumbatterien längst keine Neuheit mehr. Nach jahrzehntelanger Entwicklung können Roboterarme in Kombination mit Förderanlagen, Vorrichtungen und Maschinensehen bereits kontinuierlich eine Reihe von Aufgaben wie Schweißen, Transport, Sprühen und Montage erledigen.

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

Ein verantwortlicher Mitarbeiter von Qizhi Openmind sagte zu 36Kr, dass herkömmliche 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 Übergang von der regelgesteuerten zur datengesteuerten Vorgehensweise zur Verbesserung der Generalisierungsfähigkeit von Industrierobotern wird so zum Kernwert der körperlichen Intelligenz beim Eintritt in industrielle Szenarien.

Aber der verantwortliche Mitarbeiter räumte auch ein, dass es bei der industriellen körperlichen Intelligenz möglicherweise langfristig ein „unmögliches Dreieck“ geben wird: Es ist nicht möglich, gleichzeitig eine schnelle Reaktionsgeschwindigkeit, hohe Ausführungsgenauigkeit und starke szenarienübergreifende Generalisierungsfähigkeit zu erreichen. Denn je mehr Szenarien das Modell anpasst, desto komplexer ist normalerweise der Inferenzprozess, und desto schwieriger ist es, Reaktionsgeschwindigkeit und Ausführungsstabilität zu berücksichtigen.

Daher ist in kurzer Sicht ein realistischerer Weg zur Umsetzung der industriellen körperlichen Intelligenz, das Problem zunächst in einem relativ geschlossenen Bereich einzuschränken und vertikale Fähigkeiten für eine bestimmte Art von Verfahren zu trainieren. Durch diese moderate Verengung der Generalisierungsgrenzen lassen sich schnellere Reaktionsgeschwindigkeiten und zuverlässigere Ausführungsergebnisse erzielen, um zunächst die Anforderungen industrieller Szenarien an die Betriebsstabilität von Robotern zu erfüllen und dann den Fähigkeitsbereich der Roboter schrittweise zu erweitern.

Bei weiterer Aufschlüsselung stellt sich heraus, dass der Aufbau vertikaler Fähigkeiten der industriellen körperlichen Intelligenz noch zwei praktischen Hürden gegenübersteht.

Die erste Hürde sind die Daten. Da sich die Grenzen von Fernsteuerungs- und Simulationsdaten aus Laboren zeigen, gewinnt der Wert von Daten aus echten Produktionsprozessen zunehmend an Bedeutung. Diese Daten befinden sich jedoch hauptsächlich im Besitz von Endkunden oder Systemintegratoren mit Branchenerfahrung und betreffen oft Produktionsverfahren, Geräteparameter und Geschäftsgeheimnisse, sodass sie kaum direkt nach außen offen gelegt werden können, was den Mangel an gültigen Trainingsdaten verschärft.

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 gezeigt hatte, das Problem aber immer noch nicht gelöst werden konnte. Schließlich stellte sich nach Hinweisen von Personen, die mit dem Verfahren vertraut sind, heraus, dass die Ursache lediglich darin lag, dass die Erdung nicht angeschlossen war. Das heißt, Roboterhersteller mögen den Roboter selbst, die Bewegungssteuerung und das Modell gut kennen, aber sie verstehen nicht unbedingt jedes konkrete Verfahren. Daher erfordert die Umsetzung der industriellen körperlichen Intelligenz auch die gemeinsame Beteiligung von Verfahrenswissen und praktischer Ingenieurserfahrung vor Ort.

Man sieht, dass für die tatsächliche Umsetzung der industriellen körperlichen Intelligenz nicht nur stärkere Modelle fehlen, sondern auch eine vollständige Werkzeugkette, die Daten aus echten Arbeitsvorgängen erfassen, Verfahrenserfahrungen in Roboterfertigkeiten umwandeln und weiter auf echten Geräten zur Ausführung bereitstellen kann. Genau diese mittlere Ebene versucht Qizhi Openmind zu ergänzen.

Aufbau einer Plattformschicht zwischen Roboterhardware und Szenarien

Ausgehend von der oben genannten zugrundeliegenden Logik fallen die beiden von Qizhi Openmind vorgestellten Produkte an den beiden Enden der Entstehung von Fähigkeiten der industriellen körperlichen Intelligenz: Der HALO Skill Suit löst das Problem, wie echte Daten erfasst werden, während der hybride 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 der HALO Skill Suit multimodale Daten wie 8K-Panoramabilder, First-Person-RGBD-Informationen, taktile Daten der Hände, Trägheitsbewegungsverfolgung mit 27 Knoten und oberflächliche Elektromyographie synchron erfassen. Im Vergleich zur reinen Erfassung von Videos können diese Daten verschiedener Modi den Bewegungsprozess von Menschen bei echten Arbeitsvorgängen sowie die angewandte Kraft und den körperlichen Zustand bei der Ausführung von Bewegungen vollständiger wiedergeben, und liefern Trainingsmaterialien, die der physischen Welt näher kommen, damit Roboter feine Bedienungsvorgänge lernen können.

Bei der technischen Verbesserung zeichnet sich die neue Generation des HALO Skill Suits durch ein integriertes Tragekonzept aus, bei dem alle Körpersensoren tief in das Kleidungsstück ohne hervorstehende Kabel integriert sind. Es unterstützt nicht nur schnelles An- und Ausziehen, sitzt fest und ist leicht zu reinigen und zu warten, sodass wirklich „Tragen gleich Erfassen“ realisiert wird. Während das Trageerlebnis und die Konsistenz von Daten aus mehreren Chargen erheblich verbessert werden, schafft es auch Bedingungen für die großflächige Erfassung echter industrieller Daten.

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

Die Erfassung von Daten ist jedoch nur der erste Schritt. Die Bewegungsdaten von Menschen müssen noch bereinigt, verarbeitet und trainiert werden, um in Fertigkeiten umgewandelt zu werden, die Roboter verstehen und ausführen können, bevor sie an konkrete Roboterhardware und industrielle Szenarien angepasst werden.

Um diese Schritte zu verbinden, hat Qizhi Openmind eine vollständige allgemeine technische Basis für intelligente Roboter aufgebaut: Der HALO Skill Suit erfasst Daten aus der echten Welt, HumanGPT liefert Modellfähigkeiten, die Dayan-Datenplattform übernimmt Datenverwaltung und -verarbeitung, der Modou-IDE dient zur Fertigkeitsentwicklung und -debugging, und das Openmind OS verbindet übergeordnete Anwendungen mit verschiedenen Roboterhardwares, wodurch der vollständige Prozess von Datenerfassung, Modelltraining, Fertigkeitsentwicklung bis zur Bereitstellung auf echten Geräten abgedeckt wird. Auf dieser offenen Basis, die dem „Android für Roboter“ ähnelt, können Entwickler Roboterfertigkeiten für konkrete Verfahren entwickeln und sie dann an Roboterhardware verschiedener Marken und Konfigurationen anpassen.

Der hybride Roboter dient als Träger zur Überprüfung der Ausführungsseite für diese Werkzeugkette. Er kombiniert Roboterarm, 3D-Sehen und fahrbare Plattform: Die fahrbare Plattform bewegt sich zwischen verschiedenen Arbeitsplätzen, das visuelle System erkennt Werkstücke und ihre Positionen, und der Roboterarm erledigt Greifen, Sortieren und Montage. Im Vergleich zu Roboterarmen, die nur an festen Arbeitsplätzen vorgegebene Bahnen wiederholt ausführen müssen, muss der hybride Roboter kontinuierlich Änderungen seiner eigenen Position, der Arbeitsobjekte und der Umgebung verarbeiten, um flexibleren Produktionsaufgaben gerecht zu werden.

Derzeit wird dieser hybride Roboter bereits langfristig an einer echten Produktionslinie eines Automobilherstellers getestet und dient der integrierten Arbeit von hochdichtem Sortieren und präziser Montage.

„Aus Sicht der Produktform ist der hybride Roboter keine grundlegende Innovation. Wir zeigen vor allem die Offenheit während seines gesamten Prozesses von der Entwicklung bis zur Bereitstellung“, sagte der verantwortliche Mitarbeiter von Qizhi Openmind zu 36Kr.

Dieser Satz verdeutlicht auch die Positionierung von Qizhi Openmind in der industriellen körperlichen Intelligenz-Industriekette: Als Werkzeugplattform kapselt sie grundlegende Fähigkeiten wie Datenerfassung, Robotersteuerung und Aufgabenplanung in eine Entwicklungsumgebung, damit Partner mit Verfahrenswissen vertikale Anwendungen entsprechend den tatsächlichen Anforderungen entwickeln können. „Unsere Vorstellung ist, dass jeder Roboter entwickeln und seinen eigenen Roboter für vertikale Szenarien bauen kann.“

Arbeitsteilung ist möglicherweise wichtiger als die vollständige Eigenentwicklung

Die Entscheidung von Qizhi Openmind, sich als Werkzeugplattform zu positionieren, ist untrennbar von der langjährigen Erfahrung von EFORT im Bereich Industrieroboter.

Qizhi Openmind ging ursprünglich aus einem intelligenten Projektteam hervor, das 2017 intern bei EFORT gegründet wurde, und wurde erst 2024 als eigenes Unternehmen offiziell gegründet. Daher handelt es sich nicht um ein Startup-Team, das von Grund auf in den Bereich der industriellen körperlichen Intelligenz einsteigt: Es erhält finanzielle Unterstützung von EFORT als etabliertes Unternehmen, verfügt über intelligente Roboterprojekte von EFORT sowie über technische Erfahrungen, die aus nationalen Schlüsselforschungs- und Entwicklungsprogrammen und großen Sonderprojekten stammen.

Neben finanzieller und technischer Unterstützung stellt EFORT auch industrielle Standorte zur Verfügung, an denen Fähigkeiten getestet werden können. Derzeit produziert EFORT jährlich etwa 20.000 Roboter, die gesamte Auslieferungsmenge übersteigt 100.000 Einheiten, und es ist zudem mit Endkunden und mehr als 400 Systemintegratoren verbunden. 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 Openminds Beobachtung der industriellen Automatisierungs-Industriekette.

Diese Entwicklungsgeschichte hat auch die Einschätzung von Qizhi Openmind zur Arbeitsteilung in der industriellen körperlichen Intelligenz-Branche geprägt. Im Gespräch gestand der verantwortliche Mitarbeiter von Qizhi Openmind gegenüber 36Kr offen: „Die derzeit in der Branche der körperlichen Intelligenz betonte vollständige Eigenentwicklung ist im Wesentlichen ein Ausdruck unklarer Branchenarbeitsteilung.“ Algorithmus-Teams verstehen die praktischen Probleme vor Ort möglicherweise nicht, Roboterhersteller können kaum die Verfahren jeder einzelnen Branche beherrschen, und es ist ebenfalls sehr kostspielig, wenn Systemintegratoren mit Verfahrenskenntnissen von Grund auf Fähigkeiten in Bezug auf Modell, Bewegungssteuerung und Datenverarbeitung erwerben müssen.

Im Laufe der langjährigen Entwicklung hat sich bei herkömmlichen Industrierobotern bereits eine professionelle Arbeitsteilung zwischen Kernkomponentenherstellern, Komplettanbieter, Systemintegratoren und Endkunden herausgebildet. Auch die industrielle körperliche Intelligenz erfordert neue Kooperationsbeziehungen: Roboterunternehmen liefern die Roboterhardware und Ausführungsfähigkeiten, Plattformunternehmen bieten Daten, Modelle, Betriebssysteme und Entwicklungswerkzeuge