Konecranes Portal tarjoaa yhden käyttöpisteen teollisuuslaitteiden, satamaratkaisujen ja trukkien digitaalisille asiakasalustoillemme. Voit tarkastella kunnossapitotietoja ja TRUCONNECT-tietoja, selata varaosia, lisävarusteita ja käyttöoppaita sekä tutustua Konecranesin tarjontaan.
Humanoidirobotti pystyy hädin tuskin nostamaan enempää kuin omat käsivartensa. Mitä tekemistä sillä on raskaan teollisuuden kanssa – ja miksi Konecranesin kaltainen teollisuusyritys kouluttaa sellaista?
Ensi silmäyksellä ihmismäisen kehon omaava robotti ei tunnu teollisuusympäristössä lainkaan järkevältä, sanoo Konecranesin T&K-johtaja Markku Häivälä.
”Parempi olisi esimerkiksi nelijalkainen robotti tai pyörillä liikkuva laite, jotta se ei kaatuisi niin helposti.”
Kävelevällä humanoidirobotilla on kuitenkin jotain muuta: markkinoiden parhaisiin kuuluva ”äly”. Unitree G1 -robotissa on kehittyneet neuroverkkoihin perustuvat liikkumisominaisuudet ja ohjelmistopino, jonka taustalla toimii Nvidian tekoälylaskenta.
Ratkaisevaa ovat sen "aivot".
”Jokainen insinööri tietää, että kävelevän robotin ohjelmointi on todella vaikeaa”, Häivälä sanoo.
Humanoidin muodolla itsessään ei ole olennaista merkitystä.
”Ratkaisevaa ovat sen ’aivot’. Se toimii tutkimusalustana teknologioille, kuten vahvistusoppimiselle ja ohjelmoinnille, VR:lle, AR:lle sekä digitaalisille kaksosille.”
Konecranes kuuluu teollisuusyrityksiin, jotka ovat humanoidirobottien testaamisen ja kouluttamisen eturintamassa.
Autoteollisuuden yritykset ovat toteuttaneet pilottihankkeita robottiyritysten kanssa, mutta kaikesta mediahuomiosta huolimatta humanoidirobotit ovat yhä varhaisessa vaiheessa – todellisia kaupallisia käyttökohteita on edelleen vähän.
Teollisessa testihallissa tutkimusinsinööri Timo Lundstedt laittaa VR-lasit päähänsä. Hän heilauttaa kättään. Robotti heilauttaa samanaikaisesti lähes ilman viivettä.
Tämä on yksi tapa, jolla humanoidirobotti oppii: jäljittelemällä ihmisen liikkeitä. Tätä kutsutaan teleoperaatioksi. Sen perusteella, mitä robotti tekee Konecranesin tutkimusinsinöörien perässä, se voi ohjelmoida itseään.
Tulevaisuudessa robotit saattavat pystyä katsomaan video-opastuksia oppiakseen uusia tehtäviä – samaan tapaan kuin ihmiset katsovat YouTube-videoita vaihtaakseen autonrenkaan tai tehdäkseen kiharoita ilman lämpöä.
Toinen tapa, jolla robotti oppii, on se, mitä Häivälä kutsuu vahvistusoppimiseksi: robotti saa positiivista palautetta aina tehdessään jotain oikein. Robotin kouluttaminen muistuttaa koiran kouluttamista.
Jokaisesta opitusta liikkeestä robotille annetaan esikoulutettu neuroverkko – eräänlainen tekoälymalli. Tutkimusinsinöörit kirjoittavat koodin, jolla nämä yksittäiset taidot yhdistetään koordinoiduiksi liikesarjoiksi ja orkestroiduksi kokonaisuudeksi.
Tällä tavoin robotti pystyy oppimaan kokonaisia liikevirtoja tai monivaiheisia tehtäviä. Ihmiselle luonnolliset asiat, kuten käden heilauttaminen, vaativat paljon työtä. Robotin opettaminen heilauttamaan kättään vei Lundstedtilta ja hänen kollegoiltaan kolme kuukautta.
”Robotti voi olla hyvä tietyssä tehtävässä, mutta ihmiset pysyvät taidoissaan ylivoimaisina vielä hyvin pitkään”, Lundstedt sanoo.
Lundstedt, Iina Lumme ja Sami Terho työskentelevät rinnakkain kouluttaen robottia. Ajatuksena on, että jokainen oppii, tutkii ja pystyy hyödyntämään yhteistä osaamista erilaisissa sovelluksissa.
Kaikki taidot, jotka yksi robotti oppii, voidaan myöhemmin kopioida muihin robotteihin. Heiluttavien humanoidirobottien joukko ei kuitenkaan ole se, mitä Konecranesin asiantuntijoilla on mielessä.
Autonomisten robottien kanssa työskentely on vähän kuin moonshot-hanke.
”Autonomisten robottien kanssa työskentely on vähän kuin moonshot-hanke”, Markku Häivälä sanoo.
”Kuuhun meneminen ei vieläkään ole kaupallisesti kannattavaa, mutta teknologian kehittäminen johti lukemattomiin arjen innovaatioihin pölynimureista muistivaahtoon.”
Häivälää ja hänen tiimiään kiinnostaa, miten tällaista oppimistapaa voidaan hyödyntää Konecranesin nykyisten laitteiden ja palveluiden sovellusten kehittämisessä.
Markku Häivälän mukaan humanoidirobottien ympärillä olevan hypen ja sen välillä, mikä on oikeasti mahdollista ja sovellettavaa, on suuri kuilu.
Päämääränä voi yhtä hyvin olla automaatio, autonomiset robotit tai miehittämätön niin sanottu pimeä tehdas. Vielä kiinnostavampaa on kuitenkin se, mikä on jo täällä tai aivan nurkan takana, kuten tekoälyavusteinen ohjelmointi ja ohjelmistojen testausympäristöt tai digitaalisten kaksosten kehittäminen teollisen tuotannon ja logistiikan tehokkuuden parantamiseksi.
Tietenkin monissa teollisuusympäristöissä on myös tilanteita, joissa humanoidimaisesta muodosta voisi olla hyötyä, esimerkiksi vaarallisissa ympäristöissä kuten ydinvoimaloissa tai valimoissa.
Tai robotit voisivat työskennellä rinnakkain ihmisten ja raskaiden koneiden kanssa. Kun ilmassa on 20 tonnin kuorma, turvallisuus on Konecranesille ja sen asiakkaille ensisijaisen tärkeää.
”Robotti voisi kävellä tai liikkua pyörillä kuorman edellä ja ilmoittaa nosturille, jos se havaitsee reitillä ihmisen tai ajoneuvon. Hyvin yksinkertainen ratkaisu, mutta se voisi pelastaa hengen – ja samalla pitää asiakkaan liiketoiminnan käynnissä”, Markku Häivälä sanoo.
Pidemmällä aikavälillä nosturi itse saattaa pystyä havainnoimaan ympäristöään ja toimimaan sen perusteella turvallisesti.
”Jos koneissamme olisi tällaista autonomista päätöksentekokykyä, se saisi minut varmasti sanomaan wow”, Häivälä toteaa.
Kun katsoo, mitä tiimi parhaillaan työstää, tämä skenaario ei ehkä olekaan tieteisfiktiota.
”Minua kiinnostaa eniten se, miten tämä robotti pystyy havaitsemaan ja ymmärtämään ympäristöään sensoreiden, lidar-laserskannerin ja kameran avulla”, sanoo tietokonenäön, syväoppimisen ja teollisen automaation rajapinnassa työskentelevä Senior Specialist Sami Terho.
Terho vetää tutkimusyhteistyötä Helsingin yliopiston ja Aalto-yliopiston kanssa soveltaakseen tietokonenäköä ja tekoälyä. Hänen kollegansa Timo Lundstedt on puolestaan tutkinut automaattisten älynostureiden mahdollisuuksia tehdasekosysteemissä.
Loppujen lopuksi kyse on vain koneesta. Kiinnostavinta on sen kanssa työskentelevän asiantuntijatiimin oppimiskäyrä.
Silti paljon on vielä tapahduttava ennen kuin Häivälä saa ”wow!”-hetkensä. Humanoidiroboteille ei ole käyttöohjeita, eikä vertailudataa juuri ole saatavilla.
”Minulle työn paras osa on teleoperaatio eli robotin opettaminen VR-lasien avulla. Vaikeinta taas on se, ettei mistään ole valmista dokumentaatiota”, Iina Lumme sanoo.
Miksi Konecranes on valinnut raskaan työn tekemisen ja tien näyttämisen edelläkävijänä?
Teknologiajohtajana Konecranesilla on Häivälän mukaan kulttuuri ja halu innovoida.
”Ihmisemme ovat aina innokkaita tarttumaan kaikkeen uuteen.”
”Loppujen lopuksi kyse on vain koneesta. Kiinnostavinta on sen kanssa työskentelevän asiantuntijatiimin oppimiskäyrä.”