Kanadyjski zespół w wyścigu o stworzenie pracowników napędzanych AI

A Cambridge startup joins the global sprint

Poznajcie kanadyjski zespół, który ściga się, by stworzyć nową generację pracowników napędzanych przez AI: w tym tygodniu start-up z Cambridge w prowincji Ontario, o nazwie Mirsee Robotics, zaprezentował swój prototyp MH3, przygotowując się do przejścia od konstrukcji laboratoryjnych do produkcji wielkoseryjnej. Dyrektor generalny firmy, Tarek Rahim, powiedział reporterom, że MH3 trzeciej generacji posiada kanadyjskiej produkcji stos wizyjny, pokładową sztuczną inteligencję do podstawowych zadań oraz celowy wybór konstrukcyjny, który odróżnia go od wielu wiralowych nagrań humanoidalnych robotów pochodzących z Chin: MH3 porusza się na kołach, a nie na dwóch nogach. Wybór ten podyktowany jest czasem bezawaryjnej pracy, stabilnością i żywotnością baterii – to praktyczne kompromisy dla maszyn przeznaczonych do pracy w halach fabrycznych i magazynach, a nie na scenie.

Demonstracja Mirsee – zlokalizowanie butelki wody za pomocą systemów wizyjnych, chwycenie jej i przeniesienie – wygląda skromnie przy wiralowych pokazach kung-fu, ale Rahim argumentuje, że te skromne zadania są najtrudniejsze, gdy chce się, aby robot niezawodnie zastąpił człowieka na powtarzalnej zmianie. Mirsee twierdzi, że posiada dwa najnowsze roboty, w tym roku spodziewa się zbudować sześć kolejnych, a na przyszły rok planuje model do produkcji masowej. Harmonogram oraz język produkcji masowej pomagają wyjaśnić, dlaczego kapitał wysokiego ryzyka, wąskie gardła w łańcuchach dostaw i polityka rządowa nagle znalazły się w centrum rozmów, które jeszcze kilka lat temu miały charakter czysto akademicki.

Meet canadian team racing: industrial design choices and timelines

Podejście Mirsee ilustruje kluczowe pytania inżynieryjne i biznesowe stojące przed grupami próbującymi wprowadzić do użytku pracowników napędzanych przez AI. Jednym z natychmiastowych pytań jest to, czy przyszła siła robocza robotów powinna naśladować ludzką lokomocję, czy też zapożyczać prostsze rozwiązania mechaniczne. Koła Mirsee to kompromis: rezygnacja z części mobilności na rzecz wytrzymałości. Zmniejsza to potrzebę szybkiej kontroli równowagi i złożonego napędzania, co z kolei obniża pobór energii i poprawia czas bezawaryjnej pracy – kluczowe wskaźniki dla kierowników fabryk porównujących koszty kapitałowe z kosztami pracy. Inne firmy w Kanadzie i za granicą wybierają inne kompromisy: Sanctuary AI i Agility Robotics dążą do ruchu antropomorficznego, ponieważ otwiera on dostęp do środowisk bardziej zorientowanych na człowieka, podczas gdy firmy takie jak Unitree i wiele przedsiębiorstw z Chin wykazują szybki postęp mechaniczny kładący nacisk na dynamiczny ruch i efektywność kosztową.

Sensors, software and the supply chain

Na poziomie technologicznym następna generacja pracowników napędzanych przez AI to stos kilku współzależnych komponentów: percepcji, manipulacji, planowania i zasilania. Percepcja wykorzystuje systemy wizyjne oparte na kamerach, w niektórych przypadkach lidar oraz czujniki specyficzne dla danego zadania. Mirsee kładzie nacisk na swój kanadyjski stos wizyjny; firma Forcen z Toronto zakończyła niedawno rundę finansowania w celu skalowania prototypów czujników siły, które pozwalają robotycznym dłoniom wykrywać kontakt i dostosowywać chwyt. Te czujniki dotyku i siły są niezbędne do obsługi nieregularnych przedmiotów – kartonu w porównaniu z kruchą butelką – bez nadzoru człowieka.

Po stronie oprogramowania firmy integrują duże modele językowe, sieci percepcyjne oparte na architekturze transformer, sterowniki oparte na uczeniu przez wzmacnianie oraz deterministyczne planery ruchu. Warstwa LLM jest coraz częściej wykorzystywana do sekwencjonowania zadań wyższego poziomu – mapowania instrukcji typu „zapakuj te pięć przedmiotów” na sekwencję podprogramów percepcji i manipulacji – podczas gdy sterowniki niższego poziomu działają na sprzęcie brzegowym, co zapewnia niskie opóźnienia i bezpieczeństwo. Ten podział między chmurę a krawędź sieci jest krytyczną decyzją projektową: wpływa na bezpieczeństwo w czasie rzeczywistym, przepustowość danych oraz to, czy flota może działać podczas awarii sieci.

Wreszcie, wszystko zależy od półprzewodników, zasilania i łańcuchów dostaw produkcyjnych. Szerszy popyt na procesory graficzne i dedykowane akceleratory dla AI wywołał wyścig o moc obliczeniową, który dotyka również producentów robotów. Analitycy rynkowi jasno wskazują, że potrzeby sprzętowe AI napędzają inwestycje w chipy i energetykę; niedobór w którejkolwiek z tych dziedzin może opóźnić produkcję lub sprawić, że roboty staną się ekonomicznie nieopłacalne dla niektórych klientów.

Policy, jobs and Canada’s competitive posture

Silne strony Kanady – klastry badawcze, start-upy i ugruntowane firmy przemysłowe – są oczywiste, ale luki w polityce i talencie mogą spowolnić adopcję. Raport Deloitte Canada wskazał na niski poziom przygotowania w wielu miejscach pracy: organizacje interesują się AI, ale brakuje im personelu i szkoleń, aby bezpiecznie ją wdrażać. Dyrektor generalny Mirsee publicznie wezwał do większego wsparcia federalnego dla robotyki; jednocześnie federalny Fundusz Innowacji Strategicznych zainwestował dziesiątki milionów w pakowanie półprzewodników i partnerstwa kwantowe z firmami takimi jak IBM w Bromont w prowincji Quebec, co sygnalizuje świadomość rządu, że zaawansowane ekosystemy sprzętowe mają znaczenie, jeśli Kanada chce odgrywać rolę w krajowej produkcji systemów AI.

Skutki dla zatrudnienia są skomplikowane. Natychmiastowe korzyści dotyczą produktywności – roboty mogą zmniejszyć rotację na nudnych, powtarzalnych stanowiskach i obniżyć koszty produkcji – ale zjawisko wypierania pracowników jest realne. Historyczne fale automatyzacji stworzyły nowe role w konserwacji, programowaniu i nadzorze, a wielu badaczy spodziewa się podobnego zrównoważenia w przypadku robotyki: wzrośnie zapotrzebowanie na techników robotyki, integratorów systemów i inżynierów bezpieczeństwa AI. Czas i skala tej transformacji zadecydują o tym, czy społeczności staną w obliczu zakłóceń, czy szybszego wzrostu gospodarczego.

What technologies define the next-generation AI worker?

Lista technologii wspomagających jest długa. Percepcja wizualna i wykrywanie głębi, obliczenia brzegowe o wysokiej przepustowości (procesory GPU typu NVIDIA lub dedykowane akceleratory), czujniki siły i dotyku, modułowe chwytaki oraz wytrzymałe systemy bateryjne to oczywiste elementy sprzętowe. Po stronie oprogramowania firmy wykorzystują mieszankę klasycznego planowania ruchu, uczenia przez wzmacnianie trenowanego w symulacji oraz modeli fundamentowych dostosowanych do planowania zadań. Warstwy bezpieczeństwa – zarówno programowe systemy nadzoru ograniczające ruchy, jak i fizyczne zabezpieczenia typu fail-safe – są obowiązkowe w środowiskach przemysłowych.

Nowi gracze, tacy jak AutoAlign, opracowali rozwiązania mające na celu zabezpieczenie modeli LLM oraz redukcję halucynacji lub niebezpiecznych działań, uznając, że sprawcza sztuczna inteligencja w poruszającym się ciele wymaga surowszej kontroli. Jednocześnie branża uczy się od innych obszarów AI: środki bezpieczeństwa dzieci, na które zgodziły się duże firmy w przypadku systemów generatywnych, ilustrują, w jaki sposób można wspólnie opracowywać ramy zarządzania. Robotyka będzie wymagać tego samego poziomu koordynacji wielu interesariuszy: producenci, operatorzy, związki zawodowe, regulatorzy i badacze będą potrzebować wspólnych standardów certyfikacji i audytu.

Benefits, risks and how Canada can position itself

Korzyści są wymierne: poprawa bezpieczeństwa w miejscu pracy, niższe koszty jednostkowe powtarzalnych zadań oraz możliwość automatyzacji ról, w których brakuje siły roboczej. Baza przemysłowa Kanady – motoryzacja, przetwórstwo spożywcze i logistyka – może odnotować wzrost produktywności, jeśli technologia będzie przystępna cenowo i niezawodna. Ryzyka obejmują jednak wypieranie miejsc pracy, koncentrację produkcji i infrastruktury chmurowej w kilku globalnych ośrodkach oraz skutki społeczne gwałtownych zmian.

Aby to wykorzystać, Kanada potrzebuje trójelementowej strategii: ukierunkowanego finansowania publicznego dla zakładów produkujących sprzęt i zajmujących się pakowaniem półprzewodników, inwestycji w przekwalifikowanie siły roboczej i edukację z zakresu robotyki na etapie średniego szczebla kariery oraz zachęt promujących lokalny montaż i rozwój oprogramowania. Istniejące działania – takie jak wsparcie z Funduszu Innowacji Strategicznych dla zakładu IBM w Bromont i dotacje dla firm produkujących czujniki – pomagają, ale ostrzeżenia Deloitte dotyczące talentów pokazują, że potrzeba więcej pracy, aby krajowe możliwości nie odpłynęły na większe rynki zagraniczne.

Dla Kanadyjczyków zastanawiających się, jak ten projekt wygląda w hali fabrycznej: należy spodziewać się, że w ciągu kilku lat w centrach dystrybucyjnych pojawią się wyspecjalizowane maszyny na kołach, natomiast platformy humanoidalne lub bardziej ogólnego przeznaczenia będą pojawiać się wolniej, w miarę dojrzewania systemów bezpieczeństwa, kosztów i regulacji. Stos technologiczny – wizja, czujniki siły, planery oparte na LLM, obliczenia brzegowe – już istnieje; wyzwaniem jest zintegrowanie go w systemy, które będą działać ekonomicznie i bezpiecznie przez długie lata.

Źródła wykorzystane w tym raporcie obejmują briefingi firmowe oraz badania branżowe kanadyjskich instytucji i programów rządowych.

Sources

• Deloitte Canada (Future of Canada Centre)
• Dokumentacja Funduszu Innowacji Strategicznych rządu Kanady
• Thorn (organizacja zajmująca się bezpieczeństwem dzieci)