Bemærk: Engelske undertekster er tilgængelige i videoafspilleren
Med en AI-chatbot kan de fleste komme i gang med at programmere robotter på få minutter. Her demonstrerer AI-MATTERS’ partner Teknologisk Institut, hvordan generativ AI gør robotprogrammering hurtig og fleksibel for både begyndere og eksperter.
Forestil dig, at du kan beskrive en opgave for en robot på hverdagssprog og få minutter senere se robotten udføre opgaven uden selv at have skrevet en eneste linje kode.
Det lyder måske som science fiction, men det er præcis den virkelighed, som specialisterne på DTI nu demonstrerer gennem AI-MATTERS.
Ved at fodre en AI-chatbot med de rigtige oplysninger kan virksomheder reducere tiden fra idé til en færdig robotapplikation.
I denne artikel guider Malaika Din Hashmi, konsulent hos DTI, dig til, hvordan du kan bruge AI til at programmere en robot.
Hvordan AI lærer at “tale robot”
Lad os sige, at opgaven er, at en robot skal stable tre klodser og derefter lægge dem tilbage, hvor den fandt dem.
Du skal få den til at gøre det ved hjælp af en chatbot, helt uden selv at skrive en eneste linje kode.
Det er dog ikke helt uden udfordringer.
De store sprogmodeller bag chatbots er ikke på forhånd trænet i de mange forskellige “robotsprog”, og hver robot har sin egen særlige syntaks, som AI’en ikke nødvendigvis kender.
Løsningen er at give chatbotten den nødvendige viden, så den ved, hvad den skal gøre og hvordan.
Malaika Din Hashmi forklarer, at man kan forberede chatbotten til opgaven ved at følge tre trin og uploade specifikke dokumenter:
1. En beskrivelse af opgaven
En fil, der i almindeligt sprog forklarer, hvad robotten skal gøre. For eksempel at stable tre blokke, inklusive deres positioner.
2. En script-manual
Teknisk dokumentation af robottens indbyggede funktioner og kommandoer, så AI’en ved, hvilke “værktøjer” den har til rådighed.
3. En fil med bedste praksis
En samling af ekspertviden og knowhow.
Det sidste dokument kræver lidt mere end de to andre, som du som regel selv kan beskrive eller finde på robotleverandørens hjemmeside. Best practice-filen fortæller dig, hvordan du skal programmere en robot, hvad du typisk skal gøre. For eksempel bevæger man sig normalt over et objekt, før man bevæger sig ned og griber fat i det, i stedet for at bevæge sig direkte ind i det, så man undgår kollisioner, forklarer Malaika Din Hashmi.
Når chatbotten har modtaget disse oplysninger, skriver brugeren en simpel kommando – en prompt – og AI’en genererer den komplette robotkode.
Fra timer til minutter
Effektiviteten af denne metode er ikke kun teoretisk. DTI har udført benchmarks, der sammenligner resultater med og uden de ekstra informationsfiler.
I en test, hvor en robot skulle stable blokke, viste resultaterne en markant forbedring, da AI-modellen (GPT-4) havde adgang til både scriptmanualen og viden om bedste praksis.
Benchmark: Resultater for GPT-4-modellen
Tabel: Uddrag af DTI’s benchmark viser, at succesraten stiger fra 75 til 100 procent, mens antallet af nødvendige justeringer falder fra over fire til mindre end én, og tidsforbruget mere end halveres.
Tallene viser, at en korrekt instrueret AI ikke bare løser opgaven hurtigere, men også gør det rigtigt i første forsøg. Det er afgørende for at gøre teknologien praktisk anvendelig i den travle produktionsverden.
En assistent til både nye og erfarne brugere
Denne metode åbner døre for to hovedgrupper af brugere. For det første dem uden dyb viden om robotprogrammering.
Så i stedet for at skulle starte fra bunden hver gang, har de en chatbot til at hjælpe sig, som en assistent, der hjælper med at skabe programmerne for dem, siger Malaika Din Hashmi.
For det andet er det en gevinst for erfarne automationshuse og virksomheder med hyppige omstillingsbehov.
Når et produkt eller en proces skal ændres, beskriver du blot ændringen for chatbotten.
Fra prompt til produktion kræver en prøvekørsel
Men kan man stole på kode genereret af en AI?
Ifølge Malaika Din Hashmi er det vigtigt altid at tænke på sikkerhed og kvalitetssikring.
– En ting, man skal være opmærksom på, er, at det er generativ AI, så den vil ikke nødvendigvis give præcis det samme svar hver gang, siger hun og fortsætter:
– Derfor er det vigtigt at teste det, før det implementeres i den fysiske robot.
Malaika Din Hashmi anbefaler, at man altid tester koden i et simuleringsmiljø først. På den måde kan du sikre, at robotten opfører sig som forventet, og du undgår uforudsete situationer i produktionen.
Først når programmet er blevet godkendt i simuleringen, skal det implementeres i den virkelige verden.
Vil du gerne vide mere eller prøve det i praksis?
DTI og vores andre AI-MATTERS-partnere hjælper gerne virksomheder med at teste, tilpasse eller videreudvikle AI-løsninger til robotprogrammering. Uanset om du har konkrete udfordringer, blot er nysgerrig på teknologien eller ønsker rådgivning om muligheder og begrænsninger, er du velkommen til at kontakte os.
Måske er du allerede i gang, eller måske overvejer du, om AI kan hjælpe i din produktion. Vi deler viden, holder oplæg og er glade for at udforske nye cases sammen med europæiske virksomheder. Kontakt os, hvis du gerne vil komme videre med robotteknologi og AI i praksis.
Find ud af , hvordan AI-Matters kan støtte din innovationsproces, eller kontakt os direkte for en uforpligtende samtale om mulighederne.