Większość dyskusji na temat robotyki koncentruje się na tych samych pomysłach. Szybsze maszyny. Lepsze czujniki. Inteligencja sztuczna bardziej inteligentna. Rozmowa zazwyczaj skupia się na poprawie tego, co pojedynczy robot może zrobić.
Ale ostatnio myślałem o innym pytaniu.
Co się stanie, gdy wiele robotów z zupełnie różnych systemów będzie musiało wziąć udział w tym samym zadaniu?
W tej chwili większość robotów działa w izolowanych środowiskach. Robot magazynowy należy do jednej firmy logistycznej. Robot sortujący może należeć do innego dostawcy usług. Robot dostawczy mógłby należeć do zupełnie innej platformy.
Każdy z nich działa na własnym stosie oprogramowania. Każdy z nich rejestruje dane w swoim własnym systemie.
Ta struktura działa tak długo, jak roboty pozostają w swoich własnych ekosystemach. Ale w momencie, gdy te maszyny zaczynają wchodzić w interakcje w sieciach, rzeczy szybko stają się skomplikowane.
Wyobraź sobie scenariusz z życia wzięty w łańcuchu logistycznym.
Robot magazynowy ładuje paczkę na jednostkę transportową. Inny robot skanuje i weryfikuje ją podczas procesu sortowania. Później robot dostawczy kończy ostatnie dostarczenie.
Trzy różne maszyny przyczyniły się teraz do tej samej pracy.
Na powierzchni wszystko wygląda gładko. Ale jeśli coś pójdzie nie tak po drodze, sytuacja staje się znacznie trudniejsza do rozwikłania.
Czy paczka została źle zeskanowana?
Czy przedmiot został uszkodzony podczas obsługi?
Czy robot dostawczy źle zidentyfikował lokalizację?
Gdy w grę wchodzi wiele autonomicznych systemów, odpowiedzialność staje się trudna do zlokalizowania.
I to jest miejsce, w którym idea za Fabric zaczęła mi się wyróżniać.
Fabric nie wydaje się próbować konkurować w wyścigu do budowy lepszych robotów. Zamiast tego wygląda na to, że koncentruje się na budowaniu warstwy koordynacji, która pozwala robotom z różnych sieci działać razem w przejrzysty sposób.
Innymi słowy, nie chodzi o poprawę samych maszyn. Chodzi o stworzenie wspólnej infrastruktury, która rejestruje, co te maszyny faktycznie robią.
Z tego, co śledziłem, system korzysta z publicznego rejestru połączonego z weryfikowalnym obliczeniem, aby śledzić aktywność robotów.
Kiedy robot wykonuje zadanie, to działanie można zarejestrować w sposób, który nie polega na wewnętrznej bazie danych jednej firmy.
Aktywność staje się częścią wspólnego rejestru.
Która maszyna wykonała zadanie?
Jakie działanie zostało wykonane?
Jaki wynik został osiągnięty?
Wszystko to można zweryfikować później, jeśli zajdzie taka potrzeba.
To może brzmieć jak mały szczegół techniczny, ale rozwiązuje zaskakująco duży problem.
Automatyzacja szybko rozwija się w prawdziwych środowiskach. Magazyny, sieci dostawcze, inspekcje, konserwacja infrastruktury. Roboty zaczynają wchodzić w interakcje z systemami, które rozciągają się daleko poza kontrolę jednej firmy.
A gdy maszyny zaczynają działać w otwartych sieciach gospodarczych, koordynacja staje się równie ważna jak inteligencja.
Bez wiarygodnych rejestrów, spory stają się trudne do rozwiązania. Błędy stają się trudniejsze do zlokalizowania. Zaufanie między systemami staje się kruche.
Fabric zdaje się podchodzić do tego wyzwania, zadając inne pytanie niż większość platform robotycznych.
Zamiast pytać, jak uczynić roboty mądrzejszymi, pytanie brzmi, jak uczynić ich działania możliwymi do udowodnienia.
Ponieważ jeśli roboty mają uczestniczyć w wspólnych gospodarkach i wielofirmowych łańcuchach dostaw, ich aktywność musi być obserwowana i weryfikowana w różnych systemach.
Tego rodzaju infrastruktura rzadko zwraca uwagę, ponieważ cicho siedzi w tle.
Nie buduje robotów.
Nie dostarcza paczek.
Nie wykonuje pracy fizycznej.
Ale śledzi, co faktycznie się wydarzyło.
A jeśli robotyka będzie się dalej rozwijać w otwartych sieciach, systemy takie jak ten mogą stać się jedną z najważniejszych warstw, która trzyma wszystko razem.
Tytuł: Ukryty problem w robotyce, o którym niewielu mówi.
Większość rozmów wokół robotyki kręci się wokół zdolności. Ludzie mówią o szybszych maszynach, lepszych modelach AI, ulepszonych czujnikach i mocniejszym sprzęcie. Założenie jest proste: jeśli roboty staną się bardziej inteligentne i bardziej efektywne, wszystko inne naturalnie ułoży się w całość.
Ale im więcej patrzę na to, jak robotyka rozwija się w realnych branżach, tym bardziej zdaje mi się, że większym wyzwaniem może nie być inteligencja wcale.
Może to być koordynacja.
W tej chwili większość robotów działa w kontrolowanych środowiskach. Firma buduje maszyny, uruchamia oprogramowanie i zarządza danymi, które te maszyny produkują. Wszystko dzieje się w jednym zamkniętym systemie.
W tym środowisku wszystko działa gładko, ponieważ jedna jednostka kontroluje cały proces.
Ale prawdziwy świat rzadko działa w ten sposób.
Łańcuchy dostaw rozciągają się przez firmy. Infrastruktura jest utrzymywana przez wielu wykonawców. Sieci logistyczne obejmują dziesiątki różnych operatorów. Gdy automatyzacja rozszerza się na te obszary, roboty będą nieuchronnie zaczynały wchodzić w interakcje z maszynami, do których nigdy nie były pierwotnie zaprojektowane do pracy.
To tam sytuacja staje się skomplikowana.
Wyobraź sobie sieć logistyczną, w której kilka autonomicznych systemów uczestniczy w przenoszeniu produktu z miejsca pochodzenia do miejsca docelowego.
Jeden robot ładuje ładunek.
Inna maszyna skanuje i sortuje to.
Inna jednostka dostawcza kończy ostatni krok.
Każda maszyna może pochodzić od innego producenta i działać na innym oprogramowaniu.
Jeśli wszystko pójdzie gładko, nikt nie zauważa złożoności.
Ale w momencie, gdy coś się psuje, pojawia się trudne pytanie.
Gdzie dokładnie wystąpił błąd?
Czy robot skanujący źle odczytał informacje o paczce?
Czy system sortowania umieścił to na złej trasie?
Czy robot dostawczy wykonał niewłaściwą instrukcję?
Bez wspólnego systemu rejestrów, odpowiedź staje się trudna do weryfikacji.
To jest ta część ekosystemu robotyki, która zaczęła wyróżniać Fabric w moich oczach.
Zamiast skupiać się na budowaniu samych robotów, Fabric wydaje się pracować nad infrastrukturą, która rejestruje i weryfikuje, co roboty robią, gdy działają w sieciach.
Idea jest względnie prosta, ale potencjalnie potężna.
Kiedy robot wykonuje zadanie, to działanie można zarejestrować w weryfikowalny sposób w publicznym systemie, a nie tylko w prywatnej bazie danych firmy.
Tożsamość maszyny jest rejestrowana.
Wykonanie zadania jest rejestrowane.
Wynik tego zadania staje się częścią śledzonej historii.
To oznacza, że jeśli coś pójdzie źle później, sekwencję zdarzeń można zbadać.
Nie przez założenia czy wewnętrzne logi firmy, ale przez wspólny rejestr, który wiele stron może zweryfikować.
W wielu aspektach to wydaje się być brakującą warstwą w stosie robotyki.
Przemysł poczynił ogromne postępy w czynieniu maszyn bardziej zdolnymi. Roboty potrafią nawigować po magazynach, analizować środowisko i wykonywać złożone instrukcje z rosnącą autonomią.
Ale systemy, które śledzą ich zachowanie przez granice organizacyjne, są nadal stosunkowo słabe.
A jeśli automatyzacja ma się rozwijać w globalnych łańcuchach dostaw, infrastrukturze miejskiej i sieciach usług współdzielonych, ta luka stanie się coraz ważniejsza.
Fabric zdaje się podchodzić do problemu, budując coś, co można opisać jako warstwę koordynacji i weryfikacji dla aktywności robotycznej.
Miejsce, gdzie działania podejmowane przez maszyny nie znikają po prostu w izolowanych bazach danych, ale zamiast tego pozostawiają weryfikowalny ślad.
To może nie brzmieć tak ekscytująco jak przełomy w sprzęcie robotycznym czy sztucznej inteligencji. Ale infrastruktura rzadko wygląda imponująco na pierwszy rzut oka.
Cicho siedzi pod systemami, z którymi ludzie stykają się na co dzień.
Jeśli roboty mają działać w otwartych środowiskach gospodarczych, gdzie uczestniczy wielu aktorów, konieczna będzie jakaś forma wspólnej odpowiedzialności.
A projekty takie jak Fabric wydają się badać dokładnie ten kierunek.
#Robo @Fabric Foundation $ROBO
