Physical AI

Roboty, które samodzielnie poruszają się po magazynie, maszyny rolnicze rozpoznające swoje otoczenie i roboty inspekcyjne, które same sygnalizują odchylenia. Maszyny stają się coraz bardziej zdolne nie tylko do zbierania informacji, ale także do samodzielnego reagowania na to, co dzieje się wokół nich.

To zjawisko nazywane jest Physical AI, po polsku czasem określane jako fizyczna sztuczna inteligencja. W Physical AI sztuczna inteligencja jest wykorzystywana w maszynach działających w świecie fizycznym. Wykorzystują one czujniki do postrzegania otoczenia, przetwarzają te informacje, a następnie mogą samodzielnie wykonać fizyczne działanie.

Dla rynku IoT ten rozwój jest szczególnie istotny, ponieważ coraz więcej połączonych maszyn nie tylko zbiera dane, ale także samodzielnie interpretuje swoje otoczenie, podejmuje decyzje i działa.

Ale kiedy dokładnie mówimy o Physical AI? Czy każdy inteligentny robot to forma Physical AI? I czym różni się to od tradycyjnej robotyki, Embodied AI i generatywnej AI? W tym artykule z bazy wiedzy wyjaśniamy podstawy.

Czym jest Physical AI?

Physical AI to sztuczna inteligencja, która umożliwia systemowi postrzeganie świata fizycznego, podejmowanie decyzji i działanie na ich podstawie.

Odbywa się to zazwyczaj w trzech krokach:

1. Postrzeganie: czujniki zbierają informacje o otoczeniu.
2. Decydowanie: oprogramowanie i modele AI interpretują te informacje i określają, co musi się wydarzyć.
3. Działanie: maszyna wykonuje następnie fizyczne działanie.

Pomyśl na przykład o autonomicznym robocie magazynowym, który wykrywa osobę na swojej trasie. Czujniki rozpoznają przeszkodę, system stwierdza, że aktualna trasa nie jest bezpieczna, a robot zwalnia lub wybiera inną trasę.

Różnica w porównaniu z wieloma innymi formami AI polega głównie na tym, że wynik nie pozostaje wyłącznie cyfrowy. System faktycznie wpływa na fizyczne otoczenie.

Jak działa Physical AI?

System Physical AI zazwyczaj składa się z kilku elementów, które współpracują ze sobą.

Czujniki postrzegają otoczenie

Maszyna musi najpierw rozumieć, co dzieje się wokół niej. Można do tego wykorzystać różne rodzaje czujników, takie jak:

• kamery
• LiDAR
• radar
• czujniki ultradźwiękowe
• GPS
• czujniki temperatury
• czujniki ciśnienia

To, jakie czujniki są potrzebne, zależy całkowicie od zastosowania. Autonomiczna maszyna rolnicza potrzebuje na przykład innych informacji niż ramię robota w fabryce.

AI interpretuje informacje

Zebrane dane są następnie przetwarzane przez oprogramowanie i modele AI. System kamer może na przykład rozpoznać, że przed pojazdem stoi osoba, podczas gdy robot rolniczy dzięki rozpoznawaniu obrazu potrafi odróżnić uprawę od chwastu. System wykorzystuje te informacje, aby określić, co powinno się wydarzyć dalej.

Maszyna wykonuje działanie

Ostatnim krokiem jest fizyczne działanie. Dla robota może to oznaczać na przykład, że:

• zatrzymuje się
• przyspiesza
• wybiera inną trasę
• podnosi przedmiot
• sortuje produkt
• sprawdza element
• zajmuje się uprawą

Właśnie to połączenie postrzegania, podejmowania decyzji i fizycznego działania jest charakterystyczne dla Physical AI.

Czym różni się Physical AI od tradycyjnej robotyki?

Roboty istnieją oczywiście znacznie dłużej niż Physical AI. Tradycyjne przemysłowe ramię robota może na przykład wykonywać dokładnie ten sam ruch tysiące razy dziennie. To sprawia, że robot jest zautomatyzowany, ale niekoniecznie inteligentny. Najważniejsza różnica leży w zdolności radzenia sobie ze zmianami.

Tradycyjny system robotyczny działa często według wcześniej ustalonych instrukcji: podnieś element A i umieść go w pozycji B. Gdy otoczenie się zmienia, system często trzeba na nowo zaprogramować lub skonfigurować.

System Physical AI może natomiast wykorzystywać informacje ze swojego otoczenia, aby dostosować swoje zachowanie. Jeśli element A leży na przykład kilka centymetrów dalej, robot wyposażony w kamery i AI może samodzielnie określić, gdzie znajduje się element, i odpowiednio dostosować swój ruch. Nie oznacza to jednak, że każdy nowoczesny robot to automatycznie Physical AI. Wiele robotów nadal działa w dużej mierze według stałych reguł lub zaprogramowanych procesów.

Czym różni się Physical AI od generatywnej AI?

Generatywna AI i Physical AI korzystają obie ze sztucznej inteligencji, ale są wykorzystywane do różnych zadań. Generatywna AI znana jest przede wszystkim z systemów, które tworzą nowe cyfrowe treści, takie jak:

• tekst
• obrazy
• audio
• wideo

Physical AI natomiast wykorzystuje AI, aby móc funkcjonować w fizycznym otoczeniu. Chatbot może na przykład opisać trasę dla robota magazynowego. System Physical AI musi faktycznie potrafić tę trasę przejechać, po drodze rozpoznawać przeszkody i reagować, gdy sytuacja się zmienia.

Obie formy AI mogą się zresztą również łączyć. Generatywna AI może być na przykład wykorzystywana do interpretowania poleceń, podczas gdy inne modele AI odpowiadają za postrzeganie, nawigację i fizyczne działania.

Czy Physical AI to to samo co Embodied AI?

Pojęcia Physical AI i Embodied AI są sobie bliskie i w praktyce są regularnie używane obok siebie lub zamiennie.

Embodied AI podkreśla przede wszystkim ideę, że inteligencja znajduje się w fizycznym systemie, który poprzez interakcję ze swoim otoczeniem może się uczyć lub działać. Physical AI jest zazwyczaj używane szerzej, dla systemów AI, które łączą inteligencję z fizycznymi maszynami, robotami i systemami autonomicznymi. Nie istnieje w pełni ustalona granica między tymi pojęciami. W wielu zastosowaniach występuje znaczne nakładanie się.

Dla organizacji zazwyczaj bardziej istotne jest więc to, co system faktycznie potrafi:

• czy potrafi postrzegać otoczenie?
• czy potrafi samodzielnie podejmować decyzje?
• czy potrafi dostosowywać swoje zachowanie?
• czy potrafi następnie działać fizycznie?

Przykłady Physical AI

Physical AI nie ogranicza się do robotów humanoidalnych. Technologię tę można zastosować w wielu różnych rodzajach maszyn i pojazdów.

Logistyka i magazyny

Autonomous Mobile Robots, często skracane do AMR, poruszają się samodzielnie po magazynach i centrach dystrybucyjnych. Mogą transportować towary, dostosowywać trasy i reagować na inne pojazdy lub pracowników poruszających się w tym samym otoczeniu. Coraz częściej należą do tego rozwoju również autonomiczne wózki widłowe i inne pojazdy do transportu wewnętrznego.

Pojazdy autonomiczne

Samochody autonomiczne, wahadłowce, ciężarówki oraz pojazdy na zamkniętych terenach przemysłowych wykorzystują czujniki i oprogramowanie do ciągłej oceny swojego otoczenia. System musi na przykład rozpoznawać inne pojazdy, oznakowanie drogi, osoby i przeszkody oraz na nie reagować.

Rolnictwo

Również w rolnictwie maszyny stają się coraz bardziej autonomiczne. Przykłady obejmują:

• autonomiczne ciągniki
• roboty polowe
• roboty zbierające plony
• roboty rozpoznające chwasty
• autonomiczne kosiarki

Robot polowy może na przykład za pomocą kamer rozpoznawać, gdzie znajdują się uprawy, i odpowiednio dostosowywać swoją pracę.

Przemysł

W fabrykach roboty stają się coraz lepsze w radzeniu sobie ze zmiennością. Systemy wizyjne mogą na przykład określić, jak należy podnieść losowo umieszczony element, po czym ramię robota odpowiednio dostosowuje swój ruch.

Inspekcja i konserwacja

Roboty i drony mogą być wykorzystywane na przykład do inspekcji:

• linii kolejowych
• sieci energetycznych
• turbin wiatrowych
• rurociągów
• instalacji przemysłowych

Modele AI mogą przy tym pomagać w automatycznym rozpoznawaniu odchyleń lub uszkodzeń.

Przestrzeń publiczna

Również poza środowiskami przemysłowymi powstaje coraz więcej autonomicznych zastosowań. Przykłady to autonomiczne:

• kosiarki
• zamiatarki uliczne
• pojazdy do zbierania odpadów
• pługi śnieżne

Physical AI nie ogranicza się więc do jednej branży. Technologia ta może odgrywać rolę niemal w każdym środowisku, w którym maszyna musi samodzielnie reagować na zmiany.

Dlaczego Physical AI zyskuje teraz tak dużo uwagi?

Wiele technologii potrzebnych do Physical AI istnieje już od dłuższego czasu. Jednak ich połączenie staje się coraz silniejsze.

Czujniki stały się mniejsze i tańsze, komputery mogą lokalnie przetwarzać coraz więcej informacji, a modele AI stały się lepsze między innymi w rozpoznawaniu obrazu, nawigacji i interpretowaniu złożonych środowisk. Dzięki temu maszyny mogą wykonywać zadania, które wcześniej były trudne do pełnej automatyzacji.

Robot nie musi już na przykład działać wyłącznie w w pełni kontrolowanym środowisku. Coraz więcej systemów potrafi radzić sobie z ludźmi, poruszającymi się obiektami, warunkami pogodowymi i innymi zmianami.

Dzięki temu automatyzacja stopniowo przesuwa się od stałych procesów w kierunku systemów, które potrafią dostosować się do sytuacji, w jakiej się znajdują.

Jaką rolę odgrywa IoT w Physical AI?

Physical AI i IoT to nie to samo. IoT polega w swojej istocie na łączeniu urządzeń i maszyn, aby dane mogły być zbierane, wymieniane i zarządzane. Physical AI dotyczy maszyn, które na podstawie informacji potrafią samodzielnie postrzegać, decydować i działać.

Obie technologie jednak coraz częściej się łączą. Autonomiczny robot może na przykład lokalnie samodzielnie określić, jak ominąć przeszkodę, podczas gdy jednocześnie za pośrednictwem połączenia IoT dane są wysyłane do centralnej platformy.

Mogą to być na przykład:

• lokalizacja
• stan baterii
• komunikaty o błędach
• dane z czujników
• dane dotyczące użytkowania
• informacje serwisowe
• aktualizacje oprogramowania i modeli

Połączenie nie musi więc koniecznie odpowiadać za każdą decyzję maszyny podejmowaną w czasie rzeczywistym. Wiele krytycznych decyzji jest podejmowanych właśnie lokalnie na urządzeniu lub na brzegu sieci (edge).

Łączność staje się szczególnie istotna, gdy maszyny muszą być zarządzane lub monitorowane zdalnie albo muszą komunikować się z innymi systemami.

Od jednej autonomicznej maszyny do całej floty

Przy jednym robocie w jednej lokalizacji kwestia łączności jest stosunkowo prosta. Zmienia się to, gdy organizacja wykorzystuje dziesiątki, setki lub tysiące maszyn w różnych lokalizacjach lub w wielu krajach.

Wtedy pojawiają się nowe pytania: jak wszystkie maszyny są centralnie monitorowane? Jak przeprowadzane są aktualizacje oprogramowania? Jak zdalnie bada się awarię? Co się dzieje, gdy sieć komórkowa w danej lokalizacji jest słabo dostępna? I jak zarządza się urządzeniami, gdy przemieszczają się między krajami?

W tym momencie łączność staje się częścią szerszej infrastruktury wokół Physical AI.

Czy każde zastosowanie Physical AI potrzebuje internetu?

Nie. System Physical AI nie musi być stale połączony z internetem, aby działać. Wiele istotnych zadań wykonywanych jest lokalnie. Autonomiczny robot nie powinien na przykład być zależny od zewnętrznego połączenia z chmurą, aby móc zatrzymać się w ostatniej chwili przed osobą.

Połączenie z systemami zewnętrznymi może być jednak potrzebne na przykład do monitorowania, zarządzania flotą, aktualizacji oprogramowania, diagnostyki lub wymiany danych. To, jak ważna jest łączność, różni się więc znacznie w zależności od zastosowania. Przemysłowe ramię robota, które zawsze stoi w tej samej fabryce, ma inne wymagania niż autonomiczna maszyna rolnicza, która codziennie porusza się po dużych obszarach.

Czy każdy autonomiczny robot to Physical AI?

Niekoniecznie. System może być autonomiczny bez wykorzystywania zaawansowanej sztucznej inteligencji. Maszyna, która podąża wyłącznie wcześniej ustalonymi trasami i regułami, może na przykład działać samodzielnie, ale niekoniecznie musi być z tego powodu systemem Physical AI.

Im więcej system wykorzystuje AI do interpretowania swojego otoczenia i odpowiedniego dostosowywania swojego zachowania, tym bliżej mu do tego, co obecnie rozumiane jest jako Physical AI.

Co Physical AI oznacza dla przyszłości maszyn?

Maszyny stają się coraz mniej zależne od w pełni przewidywalnych środowisk. O ile tradycyjna automatyzacja działa dobrze przede wszystkim wtedy, gdy procesy i warunki są znane z wyprzedzeniem, o tyle Physical AI umożliwia wdrażanie maszyn w bardziej dynamicznych środowiskach.

Nie oznacza to, że każda maszyna stanie się w pełni samodzielna. W praktyce różne formy będą nadal istnieć obok siebie: stała automatyzacja, maszyny sterowane zdalnie, częściowo autonomiczne systemy oraz maszyny działające w dużym stopniu samodzielnie.

Physical AI stanowi przy tym przede wszystkim kolejny krok w sposobie, w jaki oprogramowanie, AI i maszyny współpracują ze światem fizycznym.

Podsumowanie

Physical AI łączy sztuczną inteligencję z systemami fizycznymi. Dzięki temu maszyny mogą postrzegać swoje otoczenie, przetwarzać informacje i na tej podstawie samodzielnie działać.

Technologia ta jest wykorzystywana między innymi w robotyce, pojazdach autonomicznych, rolnictwie, logistyce i środowiskach przemysłowych. Ważne jest przy tym rozróżnienie między inteligencją samej maszyny a systemami potrzebnymi do zarządzania tymi maszynami i łączenia ich na większą skalę.

Łączność IoT odgrywa rolę przede wszystkim w zastosowaniach takich jak monitorowanie, zarządzanie flotą, aktualizacje oprogramowania, diagnostyka oraz komunikacja z systemami centralnymi. W miarę jak zastosowania Physical AI są wdrażane w coraz większej liczbie lokalizacji, maszyn i krajów, ta infrastruktura staje się coraz ważniejsza.

Aby uzyskać więcej informacji, skontaktuj się z nami telefonicznie pod numerem +48 792 438 922 lub e-mailowo pod adresem info@thingsdata.com.