Asus представила робота Gallop для упаковки плат с точностью 99,5%
Проблема некомплекта при отгрузке материнских плат закрывается на аппаратном уровне. Тайваньская Asus вывела на испытания первого человекоподобного робота Gallop. Его прямая задача на заводской линии — комплектовать коробки, исключая человеческий фактор при работе с мелкими деталями. Целевой показатель точности установлен на уровне 99,5 %.
Конструктивно Gallop представляет собой человекоподобный торс с двумя манипуляторами, закрепленный на неподвижном основании. Вычислительная мощность обеспечивается модулем Nvidia Jetson AGX Thor, интегрированным непосредственно в корпус. Подобная локализация вычислений устраняет задержки сетевой передачи данных. Это критично. Циклы с жесткими временными рамками и высокой стоимостью простоя конвейера не терпят латентности. Операция укладки занимает около 20 секунд на одну материнскую плату.
Пропускная способность при таком нормативе достигает 180 плат в час в идеальных условиях. Реальная производительность будет корректироваться системой надзора, которая вмешивается при отклонениях от плана. Робот работает с 15 различными компонентами. Значительная часть из них — мелкие детали в тонких прозрачных пластиковых пакетах. Именно этот тип упаковки традиционно создает максимальный процент брака при ручном контроле из-за визуальной схожести и скользкой поверхности.
Программная архитектура разделена на четыре изолированных уровня с фиксированными интерфейсами. Это архитектурное решение позволяет заменять модели искусственного интеллекта без переработки аппаратной конструкции. Планировщик анализирует обстановку и декомпозирует задачу на последовательность действий. Система надзора контролирует исполнение и при необходимости пересматривает план. Уровень навыков отвечает за траекторию движения и захват. Управляющий уровень напрямую контролирует приводы манипуляторов.
Обучение системы комбинирует три метода. Первичный сбор данных идет через запись действий опытных сотрудников с их согласия с помощью небольших камер, закрепленных на голове. Это обеспечивает захват данных от первого лица, что критически важно для обучения нейросети распознаванию объектов под тем же углом, под которым их видит оператор. Затем программная симуляция генерирует вариации записанных действий. Такой подход помогает системе адаптироваться к изменениям условий без необходимости собирать новый физический датасет. Третий этап предполагает телеоперацию. Оператор в VR-шлеме и тактильных перчатках управляет роботом, используя те же камеры и детали, что и на реальном рабочем месте.
Корпус и манипуляторы с кистями Asus разрабатывает самостоятельно. Разделение программного стека на независимые уровни снижает стоимость владения. При появлении более эффективных алгоритмов компьютерного зрения заменять потребуется только соответствующий программный модуль, а не весь вычислительный кластер или механику. Реализация такой модульности в компактном корпусе с Nvidia Jetson AGX Thor требует серьезной оптимизации ресурсов.
| Параметр | Ручная комплектовка | Робот Asus Gallop |
|---|---|---|
| Время на одну плату | Зависит от усталости, в среднем 25–30 секунд | Норматив 20 секунд |
| Точность | Снижается к концу смены | Целевой показатель 99,5 % |
| Метод обучения | Недели практики на линии | Запись действий + VR-телеоперация + симуляция |
| Аппаратная база | Человеческий ресурс | Nvidia Jetson AGX Thor в корпусе |
Сравнение корректно, так как робот заменяет именно оператора на участке финишной упаковки, где требования к скорости и отсутствию ошибок максимальны. Точность в 99,5 % заявлена как цель текущих испытаний на заводе группы Asus.
Внедрение Gallop находится на стадии внутреннего тестирования. Коммерческие сроки поставки или адаптации архитектуры для сторонних производственных линий в переданных источниках не указаны.
Никита Карпов
Главный редакторПишу о гаджетах, нейросетях и том, как технологии меняют нашу жизнь. Проверяю всё на себе, чтобы вы не тратили деньги зря.