TechCrunch рассказывает, что в большинстве фабрик автоматизация фиксирована: роботы и машины запрограммированы для выполнения одной конкретной задачи и продукта. Изменение линии требует перепрограммирования и физической перенастройки или замены оборудования, что может занять недели или месяцы. Стартап из Сан-Франциско Industrial Next утверждает, что он меняет эту ситуацию. Компания, которая сегодня представила свои разработки на сцене Startup Battlefield на мероприятии TechCrunch Disrupt 2026, создает автономные роботизированные станции на основе ИИ, управляемые собственными фундаментальными моделями, которые связывают визуализацию, контекст задач и движения. По словам компании, это позволяет перенастраивать производственную линию за минуты вместо недель без традиционного программирования. Целью является автоматизация сложных и деликатных задач, которые традиционно требуют человеческого труда. На сцене было объявлено о партнерстве с BMW Group Technology Office для оценки манипуляций с помощью ИИ от Industrial Next для производства. Industrial Next была основана в 2021 году Люкасом Панкало и Алленом Паном, которые ранее работали в Tesla. Панкало занимал должность главного электрического архитектора в Tesla, прежде чем перейти в Waymo. Пан возглавлял усилия Tesla по созданию автономных фабрик и позже стал главным архитектором в компании Neolix, занимающейся автономным вождением. Идея для Industrial Next возникла у них во время работы в Tesla. Первый контакт Панкало с Паном произошел, когда он буквально споткнулся о него, когда Пан спал на проходе фабрики после бессонной ночи. Хотя изначально они не ладили, вскоре они поняли, что у них есть общая одержимость выполнением задач и взаимодополняющими навыками. После нескольких лет наблюдения за тем, как передовые технологии автомобилей и автономного вождения сдерживаются устаревшим фабричным оборудованием, основатели осознали, что производство нужно перестраивать. «У нас были все эти замечательные вещи, которые мы могли делать с автомобилями. Я мог запускать алгоритмы машинного обучения для проектирования автомобиля. Но я не мог понять, как запрограммировать робота, и это было довольно распространено среди инженеров в Tesla», — сказал Панкало. «Существовал огромный разрыв: люди, которые действительно хорошо справляются со своей работой — проектированием автомобилей и систем автономного вождения — оказывались в тупике на фабрике, глядя на оборудование из 1980-х годов. И мы начали переосмысливать, как это должно выглядеть, используя технологии, которые у нас есть сегодня». Они продолжали думать о своих разочарованиях с промышленным оборудованием даже после перехода на новые работы. Они поддерживали связь, часто вспоминая машины, которые никогда не работали так, как им хотелось, и в конечном итоге решили, что могут сделать лучше. «Я был в Waymo и скучал по темпам работы в Tesla», — добавил Панкало. Пан, по его словам, находился в аналогичной ситуации в Momenta, разработчике систем автономного вождения в Китае. Пан вспомнил их вывод: «Мы не молодеем, и мы все еще явно увлечены этим. Мы продолжаем жаловаться на промышленную технологию. Как бы то ни было, три года спустя, мы должны основать компанию». Панкало отметил, что традиционные промышленные роботы обычно программируются для выполнения высокоспецифических, повторяемых задач. В результате даже небольшое изменение в процессе или продукте может привести к сбою робота или вызвать дорогостоящие простои, что заставляет производителей упрощать свои продукты для повторяемости. Сделать роботов действительно гибкими представляет собой другую задачу. Им требуется огромное количество обучающих данных, и, в отличие от ИИ-моделей, обученных на данных из интернета, в робототехнике не хватает обширных наборов данных, необходимых для обучения машин выполнению сложных физических задач. «Мы можем заставить роботов делать все эти крутые вещи, такие как танцевать, потому что для этого есть данные, но мы не можем заставить их собирать высокоточные вещи», — объяснил Панкало. «Вот здесь мы сделали много успехов, используя симулированные среды для выполнения этих высокоточных и высокодекстерных задач. Секрет наших роботов в том, что мы дали им общее понимание процесса, но мы строим это понимание, используя чрезвычайно высококачественный симуляционный движок, который близок к реальной динамике, что позволяет нам заставлять робота выполнять такие высокоточные задачи почти без визуализации деталей». Другими словами, роботы тренируются в высокодетализированном виртуальном мире, который близок к физике реального мира. Роботизированные станции Industrial Next могут быть перенастроены, объединены и повторно развернуты на разных производственных линиях. Новые задачи обучаются через симуляцию и демонстрацию, а не жестко закодированные сценарии. Панкало объяснил, что некоторые рабочие станции стартапа уже используются при производстве одного из самых популярных смартфонов в мире. Они выполняют задачи, которые производители пытались автоматизировать в течение многих лет, такие как продевание деликатного гибкого кабеля и установка крошечной крышки разъема на место. (Он не мог раскрыть имя клиента.) Он также описал станцию «снятия пленки», где их роботы на основе ИИ снимают защитную пленку с камер и кнопок с человеческой скоростью и 100% точностью, даже когда их перемещают на новую модель телефона и производственную линию, с которой они никогда не работали. «Мы основали эту компанию, потому что это тот уровень производительности, который мы хотели иметь в Tesla, где мы обходили станции роботов, потому что не могли эффективно их программировать с использованием традиционных технологий», — сказал Панкало. «Теперь мы хотим развивать это на более сложные задачи, чем просто сборка телефона. В конечном итоге мы хотим довести это до сборки полного автомобиля от начала до конца без какого-либо человеческого вмешательства». Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.