top of page
  • Immagine del redattoreAndrea Viliotti

Covariant e ABB: Alleanza tra AI e robotica per evolvere il settore logistico

Covariant, nata da ex dipendenti di OpenAI in California, eccelle nell'automazione industriale con il "Covariant Brain", un sistema AI avanzato addestrato su dati globali di magazzini, permettendo ai robot di gestire vari prodotti fin dal primo giorno. Con un finanziamento totale di 222 milioni di dollari, Covariant punta a espandere le sue soluzioni robotiche. L'obiettivo della partnership con ABB è di trasformare la logistica e l'e-commerce, con l'AI che permette ai robot di apprendere e modificare il loro comportamento, aumentando l'efficienza operativa e la produttività, diminuendo il lavoro manuale.


Covariant e ABB: Alleanza tra AI e robotica per evolvere il settore logistico
Covariant e ABB: Alleanza tra AI e robotica per evolvere il settore logistico

Il progresso tecnologico nell'intelligenza artificiale (AI) sta ormai superando i confini del digitale, entrando con forza nel mondo fisico. Covariant, una start-up nel campo della robotica, sta emergendo come un punto di riferimento in questa transizione, utilizzando metodologie di sviluppo tecnologico simili a quelle impiegate per i chatbot, al fine di dotare i robot di capacità di apprendimento avanzate.

 

Covariant e ABB

Covariant è un'impresa di Emeryville, in California, creata da ex dipendenti di OpenAI, riconosciuta come una delle aziende all'avanguardia nello sviluppo della GenAI. Questa azienda si è fatta notare nel settore dell'automazione industriale, soprattutto per come gestisce i magazzini e i centri di spedizione. Hanno creato un sistema chiamato "Covariant Brain" che funziona grazie a un sistema avanzato di intelligenza artificiale denominato RFM-1. Questo sistema è stato addestrato utilizzando una grande quantità di informazioni raccolte da magazzini di tutto il mondo. Grazie a questo addestramento, i robot di Covariant possono identificare e maneggiare moltissimi tipi di prodotti e oggetti fin dal loro primo giorno di lavoro. Questo significa che sono in grado di adattarsi velocemente e in modo efficiente alle diverse esigenze di un magazzino o centro di distribuzione, migliorando la gestione degli spazi e la velocità delle operazioni.


Il recente investimento di 75 milioni di dollari ricevuto dall'azienda, che porta il totale dei fondi raccolti a 222 milioni di dollari, mostra quanto gli investitori credano nelle idee e nelle innovazioni proposte da Covariant. Questa ingente somma di denaro sarà impiegata per migliorare il "Covariant Brain", il cuore delle loro tecnologie, con l'obiettivo di renderlo ancora più efficace e versatile. Grazie a questo potenziamento, sarà possibile applicare le soluzioni di Covariant in una gamma ancora più ampia di settori, dimostrando l'impatto e la versatilità delle loro innovazioni.


La collaborazione tra Covariant e ABB, leader mondiale nella fornitura di robot industriali, è mirata a rivoluzionare il settore della logistica e dell'e-commerce attraverso lo sviluppo di soluzioni robotiche avanzate. Questa partnership si propone di portare sul mercato soluzioni robotiche abilitate dall'AI, iniziando con una soluzione completamente autonoma per la gestione degli ordini in magazzino, rispondendo alla crescente domanda nel settore dell'e-commerce e superando le sfide legate alla natura complessa e laboriosa dei processi di magazzino​​​​.


La partnership sottolinea l'obiettivo condiviso di Covariant e ABB di creare soluzioni in cui i robot intelligenti operino a fianco degli esseri umani in ambienti dinamici, apprendendo e migliorando collettivamente ad ogni compito completato. Questa collaborazione si inserisce nella strategia di ABB di espandersi in nuovi settori in crescita come la distribuzione e l'e-commerce, sfruttando il potenziale di scalabilità in questi campi. L'integrazione dell'intelligenza artificiale con i robot di ABB apre nuovi campi di opportunità e applicazioni per una varietà di industrie​​.


In una prova i cofondatori di Covariant Peter Chen e Pieter Abbeel hanno fatto vedere come il modello possa essere stimolato con cinque diversi tipi di input: testo, immagini, video, comandi per robot e misure.


Per esempio, fate vedere al robot un'immagine di un contenitore con vari oggetti sportivi e ditegli di prendere il sacchetto di palline da tennis. Il robot può poi sollevare l'oggetto, generare un'immagine di come cambierà il contenitore dopo aver tolto le palline da tennis o creare un video che mostra una vista dall'alto di come il robot compirà il compito.

Se il modello prevede che l'oggetto sia troppo difficile da afferrare, potrebbe anche chiedere, "Non ho una presa sicura. Come posso fare?"


Una risposta potrebbe suggerirgli di usare un numero diverso delle ventose sui suoi bracci per migliorare la presa, ad esempio otto invece di sei.

Questo segna un progresso, ha detto Chen, nella capacità dei robot di adattarsi al loro contesto usando i dati come guida invece che il codice complesso e specifico per il compito che caratterizzava la precedente generazione di robot industriali. È anche un passo verso ambienti di lavoro in cui i gestori possono dare istruzioni in linguaggio naturale.


Implementazione dei robot ABB e Covariant presso Active Ants

L'implementazione della soluzione abilitata dall'intelligenza artificiale di ABB e Covariant presso Active Ants, una società parte del Belgian Post Group (bpost) in Olanda, rappresenta un esempio concreto dell'impatto che questa collaborazione innovativa sta avendo nel settore reale. Active Ants è conosciuta per fornire servizi di realizzazione e-commerce di alto livello per le imprese web, e l'introduzione di questa tecnologia avanzata nel loro magazzino di Utrecht segnala un significativo passo avanti verso l'automazione intelligente e l'efficienza operativa.

 

Questa installazione non solo dimostra l'efficacia delle soluzioni robotiche abilitate dall'AI nel gestire le complesse operazioni di magazzino, ma sottolinea anche come tali tecnologie possano essere integrate con successo in ambienti di lavoro esistenti per migliorare la produttività e ridurre la dipendenza dal lavoro manuale intensivo. L'utilizzo del "Covariant Brain" permette ai robot di adattarsi e imparare da nuovi compiti, mostrando la flessibilità e l'adattabilità richieste per affrontare la vasta gamma di prodotti e le mutevoli esigenze del settore e-commerce.

 

Questa applicazione concreta mostra come le future installazioni possano cambiare ancora l'industria, rendendo i processi più veloci, precisi e meno bisognosi di operazioni umane, in linea con lo scopo di entrambe le aziende di aumentare l'uso dell'AI nella robotica industriale e in altri ambiti.


Metodi di apprendimento

Il metodo di addestramento impiegato dai robot di Covariant si avvale di una combinazione avanzata di tecniche di imitazione e di apprendimento per rinforzo, consentendo di raggiungere un'efficacia notevole nel riconoscimento e nella manipolazione degli oggetti. Questo si traduce in una capacità operativa che si avvicina all'ideale di autonomia con una minima necessità di intervento umano. Questi risultati si fondano su importanti progressi nel campo dell'intelligenza artificiale, in particolare nell'ambito dell'apprendimento profondo e dell'apprendimento per rinforzo.


L'apprendimento profondo, o deep learning, è una sottocategoria dell'apprendimento automatico che si ispira al funzionamento dei neuroni nel cervello umano. Utilizza reti neurali profonde, che sono strati di algoritmi interconnessi, per elaborare grandi quantità di dati, imparando a riconoscere schemi e caratteristiche complesse. Questo tipo di apprendimento permette ai sistemi di migliorare progressivamente le loro prestazioni man mano che vengono esposti a più dati, rendendoli estremamente efficaci nell'elaborazione di immagini, nella comprensione del linguaggio naturale, nella previsione di tendenze e molto altro.


L'apprendimento per rinforzo, d'altra parte, è un metodo in cui un agente impara a compiere azioni in un ambiente al fine di massimizzare una forma di ricompensa cumulativa. L'agente esplora l'ambiente e sperimenta con diverse strategie, ricevendo feedback in termini di ricompense o punizioni. Questo processo iterativo gli consente di apprendere quali azioni portano ai risultati migliori in vari contesti. Nel caso dei robot di Covariant, l'apprendimento per rinforzo li aiuta a ottimizzare le loro decisioni operative nella selezione e manipolazione degli oggetti, adattandosi dinamicamente alle sfide che emergono durante l'esecuzione dei compiti.


La sinergia tra apprendimento profondo e per rinforzo consente ai robot di Covariant di acquisire una comprensione sofisticata e una ottima adattabilità, posizionandoli all'avanguardia dell'automazione intelligente.


Inoltre, l'integrazione delle tecnologie di Covariant sta guidando la trasformazione delle configurazioni dei magazzini, con alcune aziende che iniziano a riprogettare i loro layout per massimizzare le capacità dei robot, mantenendo ancora stazioni manuali per la gestione di oggetti particolarmente delicati o complessi​​. Questa evoluzione nel campo dell'automazione solleva interrogativi significativi riguardo l'impatto sui lavori e sugli operatori umani, ma evidenzia anche l'importanza di concentrarsi sulla transizione, supportando la riqualificazione dei lavoratori e creando nuove opportunità di crescita professionale.


Considerazioni etiche e prospettive future

L'integrazione dell'Intelligenza Artificiale e della robotica nei vari settori, compresi quelli ad alto rischio come la produzione e la sanità, solleva questioni etiche e di sicurezza significative. L'adozione di sistemi di AI, come quelli sviluppati da aziende come Covariant, promette di migliorare l'efficienza e la flessibilità nelle operazioni di magazzino, ma quando si tratta di applicazioni in contesti critici, la tolleranza agli errori si riduce notevolmente.

 

Una considerazione fondamentale è l'equilibrio tra l'automazione e il mantenimento di un adeguato livello di intervento e supervisione umani. Questo equilibrio assicura che, nonostante l'autonomia dei sistemi AI, vi sia sempre una valutazione umana per gestire situazioni impreviste o critiche​​. Inoltre, temi come la privacy, la trasparenza e la prevenzione dei bias diventano cruciali, specialmente quando si raccolgono e si utilizzano grandi quantità di dati per addestrare ed evolvere queste tecnologie​​​​.

 

Per quanto riguarda le prospettive future, l'AI e la robotica continueranno senza dubbio a svolgere un ruolo sempre più significativo in vari settori. Tuttavia, la chiave per un'integrazione etica e sicura di queste tecnologie sarà la continua collaborazione tra sviluppatori, legislatori, esperti etici e gli utenti finali. L'obiettivo deve essere quello di sfruttare i benefici dell'automazione mantenendo al contempo standard elevati di sicurezza, equità e rispetto per la dignità umana. Le tecnologie devono essere progettate non solo con l'obiettivo di aumentare l'efficienza, ma anche con una forte considerazione per le implicazioni etiche e sociali del loro impiego​​​​.

 

In questo scenario in rapida evoluzione, l'aggiornamento e l'ampliamento delle competenze digitali diventano essenziali per tutti gli attori coinvolti, al fine di garantire che possano comprendere e navigare in modo efficace le sfide poste da queste tecnologie avanzate​​.


Conclusione

L'avventura di Covariant nel campo dell'automazione industriale e della robotica, iniziata in California e ormai riconosciuta globalmente, evidenzia un'importante tendenza nel mondo imprenditoriale contemporaneo: l'integrazione tra intelligenza artificiale avanzata e capacità fisiche robotiche sta ridefinendo i confini dell'efficienza operativa. Il "Covariant Brain", un sistema alimentato da tecniche all'avanguardia di apprendimento profondo e per rinforzo, rappresenta un passo significativo verso la realizzazione di ambienti di lavoro in cui i robot non solo eseguono compiti ripetitivi, ma si adattano e apprendono dinamicamente, migliorando costantemente la loro performance.

 

Per gli imprenditori, questa evoluzione offre spunti preziosi su come la tecnologia possa essere impiegata per superare alcune delle sfide più pressanti nei settori della logistica e dell'e-commerce, come la gestione efficiente dei magazzini e la velocizzazione dei processi di spedizione. La collaborazione tra Covariant e ABB, due leader nei rispettivi campi, sottolinea il potenziale dell'integrazione tra competenze tecnologiche avanzate e know-how industriale, apportando soluzioni innovative che potrebbero ben presto diventare lo standard nel settore.

 

Il recente investimento di 75 milioni di dollari in Covariant, portando il totale a 222 milioni, segnala chiaramente la fiducia degli investitori nel potenziale di tali innovazioni, non solo per rivoluzionare il modo in cui gestiamo magazzini e logistica, ma anche per estendere queste soluzioni a un'ampia gamma di settori. Questo sviluppo apre nuove possibilità per le imprese di ripensare le loro operazioni, abbracciando l'automazione intelligente non come una minaccia, ma come un'opportunità per migliorare l'efficienza, ridurre i costi e, soprattutto, liberare risorse umane da compiti monotoni e ripetitivi, indirizzandole verso attività a maggior valore aggiunto.

 

Tuttavia, l'implementazione su larga scala di tali tecnologie solleva questioni importanti riguardo l'impatto sui lavoratori e la necessità di una transizione etica verso un futuro sempre più automatizzato. L'adozione responsabile di queste innovazioni richiederà un impegno attento alla formazione e alla riqualificazione dei lavoratori, nonché allo sviluppo di normative che garantiscano la sicurezza, la privacy e l'equità. Per gli imprenditori, questo rappresenta un doppio mandato: da un lato, sfruttare il potenziale dell'AI e della robotica per migliorare le proprie operazioni; dall'altro, assicurarsi che questo progresso tecnologico si traduca in benefici concreti per tutti i livelli della società, compresi i propri dipendenti.

27 visualizzazioni0 commenti

Comments


bottom of page