Enam Robot Humanoid AgiBot Selesaikan 1,730 Tugasan dalam Percubaan 24 Jam di Kedai Shanghai

Sehari Penuh di Kaunter, Empat Robot Lulus

Enam robot humanoid AgiBot G2 menyelesaikan 1,730 tugasan dalam percubaan 24 jam di sebuah kedai serbaneka yang beroperasi di daerah Xuhui, Shanghai, melayani pelanggan pada waktu makan tengah hari, petang, malam hingga sarapan. Empat daripada enam robot itu lulus penilaian percubaan, yang menilai penyelesaian tugasan, kelajuan respons, pengendalian situasi tidak dijangka dan maklum balas pelanggan.

Cabaran itu berlangsung dari 10:00 pada 2 November hingga 10:00 pada 3 November. Setiap robot diberikan tugas tetap, daripada menyambut pelanggan dan mengambil barang hingga membuat kopi dan mengelap meja. AgiBot berkata siaran langsung itu menarik lebih 2 juta penonton dalam talian.

Tugas paling sibuk berdasarkan kiraan akhir syarikat ialah menyambut pelanggan, dengan 683 interaksi. Robot itu turut menyelesaikan 369 tugasan mengambil dan menghantar barang, menyediakan 147 kopi, menerima 126 pesanan sarapan, mengisi semula stok dan memeriksa rak sebanyak 277 kali, serta mengelap meja sebanyak 128 kali.

Percubaan itu menghimpunkan beberapa masalah sukar di satu tempat: memahami kehendak pelanggan, mencari produk yang betul, mengendalikan objek dengan cermat dan bergerak di sekitar orang. Penguji jemputan sengaja menyusun semula barang dan menghalang laluan, sementara urusan jual beli biasa diteruskan di sekitar robot.

AgiBot menyifatkan operasi itu sebagai berjalan tanpa penglibatan manusia secara langsung, yakni tiada demonstrasi manusia atau pelarasan manual di kedai. Namun, keputusan yang diterbitkan masih belum memberikan gambaran lengkap tentang prestasi: syarikat itu mengeluarkan jumlah tugasan yang diselesaikan dan kadar kejayaan daripada pelaksanaan sebelum siaran langsung, tetapi belum menerbitkan kadar kejayaan percubaan 24 jam atau angka pengambilalihan kawalan oleh manusia.

Bagaimana Enam Robot Membahagikan Tugas

Sebuah robot menyambut pelanggan di pintu masuk. Dua robot mengendalikan pengambilan barang, pengisian semula stok dan pemeriksaan rak. Robot keempat membuat kopi, robot kelima bertugas di kaunter pembayaran serta mengendalikan makanan panas, manakala robot keenam mengelap meja.

Pembahagian tugas tetap memberikan beban kerja berbeza kepada robot. Menyambut pelanggan memerlukan urutan tindakan yang berbeza daripada membuat minuman atau membungkus makanan. Dalam satu tugas yang sama, robot juga mungkin berdepan permintaan yang berubah-ubah, barang yang tersalah letak atau lorong yang dipenuhi pelanggan.

Jumlah sambutan pelanggan dan pengambilan barang ialah 1,052 daripada 1,730 tugasan yang diselesaikan, atau kira-kira 61 peratus. Angka itu memberikan gambaran tentang lokasi sebahagian besar aktiviti, meskipun kiraan tersebut memberikan nilai yang sama kepada tugasan yang mungkin memerlukan masa dan usaha yang sangat berbeza.

Jumlah keseluruhannya ialah:

• Sambutan pelanggan: 683.
• Pengambilan dan penghantaran barang: 369.
• Penyediaan kopi: 147.
• Servis sarapan: 126.
• Pengisian semula stok dan pemeriksaan rak: 277.
• Pembersihan meja: 128.

Secara purata, enam robot itu menyelesaikan kira-kira 72 tugasan sejam secara berkumpulan. Permintaan sebenar berubah-ubah mengikut waktu sibuk dan waktu malam yang lebih lengang.

Pelanggan dan Penguji Mengubah Keadaan

Penguji jemputan mencabar robot itu dengan situasi yang memerlukan lebih daripada sekadar mengingati lokasi biasa produk. Mereka mencampurkan kola biasa dengan kola tanpa gula, kemudian meminta secara khusus versi tanpa gula. Mereka juga mengubah susunan seisi rak gula-gula getah.

Robot itu dilaporkan menggabungkan permintaan minuman secara lisan dengan pemeriksaan visual untuk mengenal pasti kola yang betul. Bagi gula-gula getah pula, robot mengira barang secara visual semasa menyusun semula rak, dan tidak bergantung pada kedudukan yang ditunjukkan oleh tanda harga.

Kedua-dua ujian itu menyasarkan masalah lazim dalam peruncitan: keadaan kedai di hadapan pekerja mungkin berbeza daripada susunan yang dijangka. Pelanggan mungkin meletakkan produk di tempat yang salah, manakala pembungkusan yang serupa boleh menyebabkan dua produk berlainan kelihatan hampir sama.

Penguji turut berdiri di lorong dan menjatuhkan kotak di laluan robot. Robot itu dilaporkan berhenti dan memilih laluan baharu untuk mengelak halangan. Di kedai yang beroperasi, pergerakan dan servis saling berkait: sampai ke rak dengan selamat ialah sebahagian daripada menyelesaikan permintaan pelanggan.

Mengapa Roti Bun atau Pintu Peti Sejuk Sukar Dikendalikan

Ren Guanghui, naib presiden pusat penyelidikan kecerdasan terjelma AgiBot, menyifatkan kedai serbaneka sebagai persekitaran yang mencabar kerana terdapat pelbagai jenis barang, permintaan pelanggan yang berbeza-beza dan peralatan yang perlu digunakan robot. Tugasan di kilang boleh dilakukan dalam persekitaran yang lebih tetap, dengan jenis objek dan pergerakan yang lebih terhad.

Membungkus roti bun menggambarkan kesukaran itu. Robot perlu menggunakan penyepit, memegang makanan dan membuka beg kertas. Setiap langkah mengubah kedudukan objek dan ruang yang tersedia untuk pergerakan seterusnya. Kejayaan memegang objek sahaja hanyalah satu bahagian daripada proses menyiapkan pesanan.

Membuka peti sejuk beku menimbulkan satu lagi siri masalah semasa pembangunan. Robot perlu memahami arah bukaan pintu dan jumlah daya yang perlu dikenakan. Kemudian, robot perlu menyelaraskan kedua-dua lengannya, memegang pintu dengan satu tangan sambil menggunakan tangan yang lain untuk mengambil barang.

Ren menjelaskan bahawa sensor pada kepala dan pergelangan tangan, bersama-sama sensor daya pada lengan, membantu robot menilai pergerakannya. Penderiaan daya membolehkan mesin mengesan sekuat mana ia menolak atau menarik, sekali gus membantu mengelakkan hentaman kuat atau kerosakan pada pintu.

Antara tugas paling sukar ialah mengendalikan barang yang mudah melentur, beralih atau pecah. Menggantung beg gula-gula pada cangkuk dan mengambil kek lembut tanpa menghancurkannya masih sukar, dan robot itu kadangkala gagal. Contoh ini menunjukkan mengapa percubaan di kedai perlu menilai kualiti pengendalian selain jumlah kerja yang diselesaikan.

Perisian yang Menghubungkan Keputusan dengan Pergerakan

Kesemua enam robot diselaraskan oleh Genie Master, rangka kerja ejen kecerdasan terjelma AgiBot. Syarikat itu berkata Protokol Pelaksanaan Terjelma mereka menghubungkan keputusan tugasan, pergerakan fizikal dan maklum balas daripada hasilnya.

Secara ringkas, kecerdasan terjelma ialah kecerdasan buatan yang bertindak melalui mesin fizikal. Robot di kedai perlu menukarkan permintaan kepada pergerakan, kemudian menggunakan sensornya untuk memeriksa apa yang berlaku. Permintaan minuman menetapkan matlamat; mencari, memegang dan menghantar bekas yang betul memerlukan rangkaian tindakan fizikal.

AgiBot berkata sistemnya menilai semula tugasan yang berjaya dan gagal setiap hari, menyimpan pengalaman berguna dalam ingatan jangka panjang dan menjadikan percubaan yang telah diperbetulkan sebagai data latihan. Data latihan itu terdiri daripada contoh yang boleh digunakan sistem untuk memperbaik tingkah lakunya kemudian.

Ren berkata sistem pesanan pada mulanya berdepan pesanan yang gagal, kemas kini status yang tidak direkodkan dan konflik tentang kedudukan robot. Masalah penyelarasan aliran kerja diteliti pada hari yang sama, dengan perubahan berkuat kuasa pada hari berikutnya tanpa mengubah model itu sendiri.

Robot itu juga berlatih pada waktu lengang. Ren berkata robot akan pergi ke rak ketika tidak bertugas pada waktu malam untuk berlatih melakukan tugas yang lebih sukar. Ini menjadikan kedai itu tempat kerja dan juga ruang untuk latihan lanjut, dengan tugasan diteruskan di luar waktu pelanggan paling ramai.

Penerangan syarikat itu menghubungkan beberapa bahagian pembangunan robot yang sering dibentangkan secara berasingan: memilih tindakan, melaksanakannya dan belajar daripada hasilnya. Kedai serbaneka itu menyatukan semua bahagian tersebut dalam satu pelaksanaan, dengan kesilapan pada satu langkah berpotensi menjejaskan bahagian pesanan yang lain.

Perkara yang Dinilai dan Maklumat yang Masih Belum Didedahkan

Empat robot lulus penilaian percubaan selepas penilaian penyelesaian tugasan, kelajuan respons, pengendalian pengecualian dan maklum balas pelanggan. Dua robot tidak lulus. Keputusan yang diterbitkan tidak memperincikan keputusan dan sebab kegagalan setiap robot, selain tidak menyertakan angka kejayaan percubaan 24 jam serta angka pengambilalihan kawalan oleh manusia.

Dalam pelaksanaan di kedai serbaneka sebelum siaran langsung, kadar kejayaan aliran kerja lengkap robot G2 yang menggunakan GO-3 Preview meningkat daripada 28.6 peratus pada hari pertama kepada 85.7 peratus yang stabil menjelang hari kelima. Kadar kejayaan tugasan tunggal mereka 17.7 mata peratusan lebih tinggi berbanding penalaan halus terselia konvensional, atau SFT. Angka ini merujuk kepada pelaksanaan sebelum siaran langsung, bukan percubaan 24 jam itu sendiri.

Ren berkata syarikat akan menjejaki rangkaian ukuran yang lebih luas: kadar kejayaan tugasan, kejayaan pada percubaan pertama, masa respons, jumlah masa daripada permintaan hingga selesai, bilangan penghantaran yang memuaskan bagi setiap unit masa, kekerapan pengambilalihan kawalan oleh manusia, masa pemulihan dan ketersediaan sistem.

Ukuran tersebut menjawab soalan praktikal yang berbeza. Kejayaan percubaan pertama merekodkan sama ada robot terus berjaya menyiapkan tugas. Masa pemulihan mengukur tempoh yang diperlukan untuk kembali menjalankan tugas selepas masalah berlaku. Ketersediaan sistem menunjukkan berapa lama peralatan sedia digunakan dalam tempoh operasi yang dirancang.

Pengendali kedai memerlukan butiran itu kerana sesuatu penghantaran yang selesai mungkin dilakukan dengan pantas dan lancar atau selepas beberapa percubaan semula. Begitu juga, robot yang memberikan respons segera tetapi mengambil masa lama untuk menyiapkan pesanan memberikan pengalaman pelanggan yang berbeza daripada robot yang menyelesaikan keseluruhan proses dengan cepat.

Jumlah akhir tugasan AgiBot merekodkan jumlah aktiviti yang diselesaikan. Ukuran prestasi yang lebih lengkap akan membolehkan kedai menilai sejauh mana robot itu dapat melayani pelanggan secara konsisten, jumlah bantuan yang diperlukan dan keupayaannya untuk pulih apabila berlaku masalah.

Daripada Pelancaran Produk kepada Syif Semalaman

Cabaran di kedai serbaneka itu menutup siri pelancaran AI WAVE AgiBot, yang bermula pada 22 Oktober. Siri itu menghimpunkan set data, platform simulasi, model dan perkakasan robot syarikat dalam satu pelaksanaan langsung.

Peristiwa pentingnya ialah:

• 22 Oktober: AgiBot memulakan siri pelancaran AI WAVE.
• 2 November, 10:00: Enam robot memulakan cabaran di kedai serbaneka di daerah Xuhui, Shanghai.
• 2 hingga 3 November: Pasukan itu bertugas sepanjang waktu makan tengah hari dan puncak petang, syif malam serta waktu puncak pagi.
• 3 November, 10:00: Percubaan tamat, dengan AgiBot melaporkan 1,730 tugasan selesai dan empat robot lulus penilaian.

Ren mengenal pasti syif malam sebagai satu bidang praktikal yang sedang diterokai syarikat. Kedai yang beroperasi sepanjang masa memerlukan kakitangan pada waktu yang mengganggu corak tidur biasa, sedangkan sesetengah tugas berulang memerlukan perhatian untuk tempoh yang panjang.

AgiBot turut meneroka penukaran bateri secara autonomi bagi menyokong operasi berpanjangan. Ini membolehkan robot menukar bateri yang kehabisan kuasa dan kembali bekerja. Pendekatan itu sebahagian daripada rancangan yang dinyatakan syarikat untuk mengekalkan operasi bagi tempoh yang panjang.

Makna Percubaan Ini untuk Kerja di Kedai

Pelaksanaan di Shanghai menempatkan robot dalam beberapa peranan servis yang saling berkait ketika pelanggan terus membeli-belah. Perincian praktikal paling ketara ialah kepelbagaian kerja yang dicuba: bercakap dengan pelanggan, membezakan produk, mengendalikan makanan, menggunakan peralatan, bergerak di lorong dan membersihkan permukaan yang digunakan bersama.

Situasi sukar yang dihadapi juga nyata. Kek lembut perlu dipegang dengan cermat. Pintu peti sejuk beku memerlukan daya terkawal dan pergerakan lengan yang diselaraskan. Produk yang tersalah letak memerlukan pemeriksaan visual baharu. Setiap satunya mungkin tindakan kecil bagi pekerja berpengalaman, namun memerlukan beberapa keupayaan robot berfungsi bersama.

Bagi peruncit yang mempertimbangkan peralatan serupa, persoalan utama ialah kebolehpercayaan sepanjang syif, kualiti servis ketika waktu sibuk dan jumlah sokongan manusia yang diperlukan. AgiBot telah menerbitkan jumlah aktiviti yang besar serta keputusan penilaian percubaan yang bercampur. Ukuran prestasi yang dicadangkan syarikat akan memberikan perincian seterusnya untuk menilai penggunaan rutin di kedai.

Perkara Utama

• Enam robot humanoid AgiBot G2 bertugas dari 2 hingga 3 November di sebuah kedai serbaneka yang beroperasi di daerah Xuhui, Shanghai.
• AgiBot melaporkan 1,730 tugasan selesai, termasuk 683 sambutan pelanggan, 369 pengambilan dan penghantaran barang serta 147 kopi.
• Empat robot lulus penilaian percubaan acara itu; dua tidak lulus.
• Penguji menyusun semula produk dan menghalang lorong untuk menguji pengecaman, kerja di rak dan navigasi.
• Pengendalian barang yang mudah rosak, termasuk mengambil kek lembut dan menggantung beg gula-gula, masih sukar.
• AgiBot menyifatkan operasi itu sebagai tidak melibatkan demonstrasi manusia atau pelarasan manual di kedai. Sebelum siaran langsung, kejayaan aliran kerja lengkap meningkat daripada 28.6 peratus pada hari pertama kepada 85.7 peratus menjelang hari kelima, manakala kejayaan tugasan tunggal 17.7 mata peratusan lebih tinggi berbanding penalaan halus terselia konvensional. Kadar kejayaan percubaan 24 jam dan angka pengambilalihan kawalan oleh manusia masih belum diterbitkan.
• Syarikat itu sedang meneroka kerja syif malam dan penukaran bateri secara autonomi untuk tempoh operasi yang lebih panjang.