ニュース

Jan 30, 2024

積み込みはアマゾンがロボットで解決する「美しい問題」

Quando si sente parlare di robot operativi nei magazzini, la maggior parte delle volte,

倉庫内の操作ロボットについて聞くと、ほとんどの場合ピッキングの文脈で使われます。 つまり、商品の入った箱から 1 つの商品を取り出し、その商品を別の箱にドロップして、そこで顧客の注文を作成することについてです。 ロボットにとって、ごちゃ混ぜのアイテムから 1 つのアイテムを選択するのは難しい場合があります (特に、さまざまなアイテムの数が数百万に達する場合)。 この問題は確かに解決されていませんが、適切に構造化され最適化された環境では、ロボットは依然としてこの種のことにおいてかなり優れています。

Amazon は、少なくとも 2015 年に ICRA で Amazon Picking Challenge を後援して以来、商品をピッキングできる種類のロボットの開発に向けて進んでいます。 そしてちょうど 1 か月前、Amazon は Sparrow を導入しました。これを「在庫内の個々の商品を検出、選択、処理できる倉庫内初のロボット システム」と説明しています。 ただし、Sparrow について理解することが重要なことは、ほとんどの実用的で効果的な産業用ロボットと同様に、それを取り巻くシステムが多くの重労働を行っているということです。Sparrow には、ロボットに非常に適したゴミ箱が提供されており、その作業が通常よりもはるかに簡単になります。そうでなければ。 これは Amazon に限ったことではありません。ロボットピッキングシステムを備えた高度に自動化された倉庫では、同じ商品のみが入っているか、ピッキングロボットがうまく機能するようにいくつかの異なる商品が入っているだけの箱が一般的です。

ピッキング作業を逆に行うことは積み込みと呼ばれ、そもそも商品が Amazon の倉庫ワークフローに入る方法です。

しかし、アマゾンの倉庫にある大多数の商品にとって、ロボットに優しいゴミ箱は現実的ではありません。その大きな理由は、（いつものように）人間が物をめちゃくちゃにしてしまうことです。この場合は、物を積み込むときにです。まず製品をゴミ箱に入れます。 Amazon Robotics AI のディレクター、シッド・スリニバサ氏は、物品の保管の問題を「悪夢です。... Stow は、既存の産業用ロボットの考え方をすべて根本的に打ち破ります。」と述べました。 しかしここ数年、Amazon Robotics の研究者たちはこの問題の解決に真剣に取り組んできました。

まず、ゴミ箱ピッキングロボットで一般的に見られるロボットフレンドリーなワークフローと、ほとんどの Amazon 倉庫が実際に運営されている方法との違いを理解することが重要です。 つまり、複雑な操作のほとんどを人間が行うということです。

Amazon のドライブ ユニットについてはすでによくご存じかもしれません。これは、上部に棚を備えた移動ロボット (ポッドと呼ばれます) で、顧客の注文を積み上げるために棚から商品を取り出す人間の前を自律走行します。 これは（明らかに）ピッキング作業ですが、同じ作業を逆に行うことは積み込みと呼ばれ、そもそも商品が Amazon の倉庫ワークフローに入る方法です。 Amazon の移動棚に物を積み込む人間は、スペースを最も効率的に最大限に活用するために、基本的にランダムな方法でそれを行っていることが判明しました。 これは直観に反するように聞こえますが、実際には非常に理にかなっています。

Amazon の倉庫に新しい商品、たとえば EVAN (Extremely Very Awesome Nuggets) が入荷したら、すべての EVAN を一度に詰め込むのに十分な空の棚を備えたポッドを呼び出すのが当然かもしれません。 そうすれば、誰かが EVAN を注文すると、EVAN でいっぱいのポッドが現れ、人間が棚の 1 つから EVAN を選ぶことができます。 ただし、この方法の問題は、EVAN でいっぱいのポッドがスタックしたり破損したり、その他の理由でアクセス不能になった場合、誰も EVAN を取得できなくなり、システム全体の速度が低下することです (EVAN の需要が非常に高いため)。 Amazon の戦略は、代わりに EVAN を複数のポッドに分散して、一部の EVAN が常に利用できるようにすることです。

この分散積み込みのプロセスは、人間の積み込み者が次に現れるポッドに積み込むために数台の EVAN を取得する可能性があるという意味でランダムです。 各ポッドにはアレイ シェルフがあり、その一部は空です。 EVAN がどこに最適であるかを決定するのは人間に任されており、人間が EVAN がどこに配置されたかを在庫システムに伝える限り、Amazon は特に気にしません。 このプロセスは次のようになります。

このビデオから 2 つのことがすぐにわかります。まず、このような自動倉庫に Amazon 製品を積み込む方法は、現在のほとんどの箱ピッキング ロボットとまったく互換性がありません。 第二に、この種の密航がロボットにとって「悪夢」である理由は簡単にわかります。 ごちゃ混ぜのオブジェクトを慎重に操作してゴミ箱にスペースを確保する必要があるかのように、操作と視覚化の両方の邪魔になるゴムバンドにも対処する必要があります。収納しようとしているアイテムをつかんで操作することができます。 ウーフ。

「私にとって、それは難しいですが、難しすぎるというわけではありません。これはロボットで実現可能なものの最先端にあります」と、Amazon ロボティクス & AI の応用科学担当シニアマネージャー、アーロン パーネスは言います。 「仕事をするのはめちゃくちゃ楽しいよ。」 パーネス氏はスタンフォード大学と JPL から Amazon に来て、そこで StickyBot や LEMUR などのロボットに取り組み、微小重力下で小惑星を掴むように設計されたこのとんでもないマイクロスパイン グリッパーの責任者でした。 「乱雑で接触の多い環境でもロボットが対話できることは、非常にエキサイティングです。なぜなら、それによってアプリケーションの波が開かれると思うからです」とパーネス氏は続けます。 「まさにこれが私が Amazon に来た理由です。その種の問題に取り組み、それを拡大しようとするためです。」

ロボットにとってアマゾンでの積み込み作業が最先端であると同時に悪夢であるのは、それが人間向けに高度に最適化された作業であるためです。 Amazon は人間の最適化に多額の投資を行っており、(少なくとも現時点では) 同社は人間に大きく依存しています。 これは、人間中心のワークフローに重大な影響を与えるであろうロボット ソリューションは、おそらくあまり普及しないことを意味します。 そこで、パーネス氏は上級応用科学者のパーカー・オーワン氏とともに、この問題をそのまま解決できるハードウェアとソフトウェアを開発する必要がありました。 彼らが思いついたのは次のとおりです。

ハードウェア側には、各ゴミ箱にアクセスできるようにゴムバンドを邪魔にならないように持ち上げるフック システムがあります。 しかし、それは簡単な部分です。 難しい部分はアーム先端ツール (EOAT) に組み込まれています。これは、品物を優しく握って拾い上げることができる 2 つの長いパドルで構成されており、その内面には品物をビンに送り込むためのコンベア ベルトが付いています。 伸縮可能な薄い金属製のヘラのようなものをパドルの前のゴミ箱に入れ、必要に応じてアイテムを移動してスペースを空けることができます。

このハードウェアをすべて使用するには、非常に複雑なソフトウェアが必要です。システムは、ゴミ箱内のアイテム (相互に遮蔽されている場合や、ゴムバンドの背後にある場合もあります) を認識し、各アイテムの特性を推定し、方法を検討できる必要があるためです。この場合、これらのアイテムを安全に押し込んで、収納するオブジェクトに基づいて利用可能なビンのスペースを最大化し、適切な動作を実行してそのすべてを実現できます。 アマゾンの研究者らは、一連のモーション プリミティブを特定して連鎖させることで、(実験室での) 90% を超える収納成功率を達成することができました。

長年の作業を経て、このシステムは十分に機能し、プロトタイプがワシントン州のアマゾンフルフィルメントセンターに実際の在庫商品を保管している。 目標は、Amazon が在庫する商品 (数百万点) の 85% を保管できるようにすることですが、このシステムは人間が使用するのと同じワークフロー内にインストールできるため、100% に達する必要はありません。 システムが処理できない場合は、人間のワーカーに引き渡されます。 これは、システムが 85 パーセントに達していなくても実用になることを意味します。システムがほんの一部の項目を実行できれば、その基本的な作業の一部を人間からオフロードできるからです。 そして、あなたが基本的なことを何度も何度もやらなければならない人間なら、それは良いことのように思えます。 ありがとう、ロボットたち！

しかし、もちろんロボット工学の面ではさらに多くのことが起こっており、私たちはさらに詳しく知るためにアーロン・パーネスに話を聞きました。

IEEE Spectrum: Amazon の倉庫への積み込みは、人間によって高度に最適化された作業です。 これはロボットにとって物事をさらに困難なものにするのでしょうか?

Aaron Parness 氏、Amazon Robotics & AIAmazon 応用科学担当シニアマネージャー

アーロン・パーネス：家庭、病院、宇宙ステーションなど、こうした環境には人間が構築した環境があります。 あれは我々にとってドライバーではないと思う。 私たちが解決しようとしている難しい問題には、接触と推論が含まれます。 そしてそれは環境によってもあまり変わらないと思います。 私のチームのほとんどは、そのような性質の質問、つまり「ゴミ箱をこの高さにさえできたら」とか、「あれやこれやの小さなことだけを変更できたら」といった質問には焦点を当てていません。 Amazon がプロセスを変更したり、システムを変更したりすることは決してないと言いたいわけではありません。 明らかに、私たちは常にそれを行っています。 古い建物よりも新しい建物の方がそれを行うのは簡単ですが、アマゾンは依然としてそれを完全に行っています。 私たちは、自社の製品がそれらの既存の環境に適合することを考えようとしているだけです。

ロボットを研究室から取り出して現実世界に導入すると、ロボットを置く環境によって常に制約を受けるという一般的な主張があると思います。 収納の問題に関しては、それは間違いなく真実です。 これらのファブリック ポッドは水平面であるため、重力に対する向きが要因となる可能性があります。 視界を遮るゴムバンドは大変です。 環境の剛性も重要です。これは、この強制ループ制御を行っているためです。また、Amazon が販売するアイテムの信じられないほどの多様性は、一部のアイテムが圧縮可能であることを意味します。 つまり、それらの要因も私たちの環境の一部なのです。 したがって、私たちの場合、この非構造的な接触、この予期せぬ接触に対処することが、問題の最も難しい部分です。

「接触の処理は、産業用ロボットにとって、特に予期せぬ予測不可能な接触の処理は新しいことです。これは難しい問題であると同時に、価値のある問題でもあります。」—アーロン・パーネス

各箱の中に何が入っているかについてどのような情報を持っていますか?また、それは物品を保管するのにどの程度役立ちますか?

パーネス:私たちは、ゴミ箱の中にあるものの在庫と、それらの各アイテムに関する大量の情報を持っています。 また、[格納される] バッファー内のアイテムに関するすべての情報も知っています。 そして、私たちの知覚システムからの 3D 表現が得られます。 しかし、品質管理の問題もあって、在庫システムでは箱に 4 つの品目があると表示されているのに、実際にはどこかに欠陥があったため、箱に品目は 3 つしかありません。 Amazon では、1 日に何百万もの商品について話しているので、それは日常的な出来事です。

各ビン内のアイテムの構成は、非常に難しいことの 1 つです。 同じ 5 つのアイテム (サッカー ボール、テディベア、T シャツ、ジーンズ、SD カード) を 100 回ゴミ箱に入れたとすると、それぞれのアイテムは異なって見えるでしょう。その100件。 非常によく似たものも入手できます。 赤いジーンズ、または赤い T シャツと赤いスウェットパンツを持っている場合、あなたの知覚システムは必ずしもどちらがどれであるかを区別することができません。 そして、私たちは潜在的にアイテムを損傷する可能性があることについても考慮する必要があります。私たちのアルゴリズムは、どのアイテムをどのビンに入れるか、その積み込みが成功するかどうか、また積み込みが成功した場合にアイテムを損傷するリスクはどれくらいかを決定します。物をひっくり返したり、押しつぶしたりする。

「接触と乱雑さが私を夜眠れなくさせる 2 つの要因です。」—アーロン パーネス

ゴミ箱の中に何が入っているかについて不完全な情報を持って作業している可能性がある場合、どのようにして何も損傷していないことを確認できますか?

パーネス:そこで強調すべきことが 2 つあります。 1 つは、どのような行動をとるべきかについてのアプローチと決定方法です。 そして 2 つ目は、可能な限り押しつぶすなど、そのような種類のアクションを実行する際にアイテムにダメージを与えないようにする方法です。

まず最初に、決定木を使用します。 私たちはそのアイテム情報を使用して、簡単なものをすべて請求します。箱が空の場合は、できるだけ大きなものを箱に入れます。 ビン内にアイテムが 1 つだけあり、そのアイテムが本であることがわかっている場合は、それが非圧縮であると仮定することができ、それに応じて操作できます。 デシジョン ツリーをたどっていくと、複雑すぎて一連のヒューリスティックを使用できない特定の枝葉にたどり着きます。そこで機械学習を使用して、「この点群をスイープすると、どのくらいのスペースがあるか」などのことを予測します。ゴミ箱に入る可能性はありますか？

ここで、接触ベースの操作が登場します。もう 1 つは、倉庫ではスピードが必要だからです。 1 時間に 1 つのアイテムを効率的に収納することはできません。 ここで、制御ループに力とトルクを加えることが違いを生みます。センサーの周囲を閉じる数百ヘルツの高レートのループと、アドミッタンス コントローラーとモーション プランニング スタックに特別なソースを大量に用意する必要があります。アイテムを損傷することなくそれらの動作を実行できることを確認するためです。

Amazon の新しい積み込みロボットの俯瞰図Amazon

これらの人間に最適化された環境で業務を行っているということは、ロボットによるアプローチは人間が行うことをどの程度模倣しているのでしょうか?

パーネス:まずは自分たちでやってみました。 私たちもロボットのエンドエフェクターを持ちながら、自分たちでそれを行いました。 これは非常に重要です。なぜなら、自分がこうした細かい制御動作を行っていることや、手には非常に多くのセンサーがあることに気づいていないからです。 これは事です。 しかし、私たちがこのタスクを自分たちで実行したとき、専門家がそれを行っているのを観察したとき、ここでモーション プリミティブのアイデアが生まれ、問題がもう少し達成可能になりました。

より一般化された学習手法ではなく、モーション プリミティブ アプローチを使用した理由は何ですか?

パーネス:正直に答えます。私は強化学習に誘惑されたことは一度もありませんでした。 しかし、私のチームにはそのことに誘惑される人もいて、私は反復的な設計哲学とプロトタイピングの価値を心から信じているので、議論しました。 私たちは初期段階のプロトタイプを数多く作成し、データ駆動型の意思決定を試みましたが、エンドツーエンドの強化学習は手に負えないように思えました。 しかし、モーションプリミティブ戦略は実際、ロボットにこの仕事ができるかどうかについての少し懐疑的な考えを私に変え、「ああ、そうだ、これが大事だ。これをやるべきだ」と考えさせました。 それがターニングポイントでした。モーション プリミティブを入手し、それが問題を解決できるように構造化する方法であると認識しました。なぜなら、モーション プリミティブを使用すると、ほとんどの目的地に到達できるため、ロングテール以外のすべてを処理できるからです。 そして、尻尾の場合、おそらく時々人間が覗いていて、「テトリスをプレイしながら、この信じられないほど複雑で遅いことをやれば、このユニコーンの形をした物体を入れるための完璧なユニコーンの形の穴を作ることができます。」と言うかもしれません。 ロボットはそんなことはしませんし、する必要もありません。 大量の処理が可能です。

もともと、問題が解決できるとはまったく考えていませんでしたか？

パーネス:はい。 私のチームの主任科学者の一人であるパー​​カー・オーワンは、研究室の隅に行き、いくつかの実験の準備を始めました。 そして、他の作業をしているときにそっちを見て、「ああ、あの若者、なんて勇敢なんだろう。この問題で彼が分かるだろう」と思ったのです。 そして、興味を持ち始めました。 先ほども言ったように、最終的には 2 つのことが起こりました。1 つは、これらのモーション プリミティブを使用して、ビン内操作の大部分を実行できることを発見したことです。実際、それが問題の最も難しい部分だからです。 2 つ目はグリッパー、アーム先端ツールにありました。

「ロボットがうまくいっていれば、『これは達成可能だ！』と思います」 そして、いくつかの新しい問題が発生すると、突然、「これは世界で最も難しいことだ！」と思います。 「――アーロン・パーネス

エンドエフェクターはかなり特殊なようですが、どのように開発したのですか?

パーネス:業界を見回すと、たくさんの吸盤やピンチグリップが存在します。 そして、そのような種類のグリッパーを持っていると、突然、自分が握っているアイテムを使って、ビンの中の他のアイテムを操作しようとするようになりますよね? パドル アプローチを採用してアイテムをカプセル化することに決めたとき、アイテムを 6 つの自由度で制御できるため、望まないスペースにアイテムが入らないようにすると同時に、グリッパー上の既知のエンジニアリング表面。 おそらく私は、硬さ、接触特性、またはゴミ箱に入っているアイテムを大まかに予測することしかできませんが、パドルの後ろ、つまりアルミニウム製のものに触れていることはわかっています。

しかし、その後、エンドエフェクターが実際にはゴミ箱内で多くのスペースを占めていることに気づきました。重要なのは、Amazon.com でたくさんの商品を販売できるように、これらのゴミ箱をいっぱいにしようとしているということです。 そこで私たちは、「わかった、まあ、ビンの外に留まるつもりですが、ビン内のマニピュレーターとなるこのスパチュラを用意します」と言います。 これは、物を押したり、ひっくり返したり、押しつぶしたりするために使用できる非常にシンプルなツールです。人間の手による 27 自由度の作業を行うことは間違いありませんが、これらのモーション プリミティブがあるため、ハードウェアがそれを補完しました。

しかし、パドルを使用するときは基本的にアイテムを落とし、同時に押し込む必要があるため、パドルには新たな問題が発生しました。 この種のダイナミックな動き、つまり手を放して押し込むような動きは、素晴らしいものではありませんでした。 それが、コンベアベルトをパドルに取り付けることにつながり、成功という点で私たちを月に連れて行きました。 私は今のところ最大の信者です！ パーカー・オーワンは私がとても興奮しているので、時々私を遅くしなければなりません。

エンドエフェクターで繰り返しを繰り返したいという誘惑に駆られたに違いありません。

パーネス:そうです、特にチームに科学者やエンジニアがいる場合には、それは魅力的です。 彼らはすべてを望んでいます。 いつも「もっと良くできる、もっと良くできる、もっと良くできる」という感じです。 私の中にもそれは確かにあります。 私が本当に好きなフレーズがもう 1 つあります。それは、「とてもシンプルなので、うまくいくかもしれません」です。 私たちは発明して複雑化しているのでしょうか、それとも洗練されたソリューションを開発しているのでしょうか? これをもっと簡単にできるでしょうか？ ラボと実際のフルフィルメント センターのもう 1 つの違いは、オペレーターと協力しなければならないことです。 使えるようにする必要があります。 アクセスしやすく、使いやすいものにする必要があります。 各ロボットの周りに 4 人の博士号を配置して、常にロボットをいじくり回したり、最適化したりすることはできません。 私たちはそのバランスを常にとろうとしていますが、誘惑はありますか? うん。 人間が知っているすべてのセンサーをロボットに搭載したいと考えています。 それは誘惑ですが、私はよく知っています。

ピッキングは逆に収納するだけでどの程度ですか？ システムを逆方向に実行して、ピッキングも解決してもらえますか?

パーネス:それは良い質問です。もちろん私もそれについて考えますが、選択するのは少し難しいです。 収納では、ゴミ箱内にどのようにスペースを作るか、そしてそのスペースにアイテムをどのように収めるかが重要です。 ピッキングするには、商品を識別する必要があります。その箱が表示されたとき、機械学習、コンピューター ビジョン、そのシステムが乱雑な中から適切な商品を見つけられる必要があります。 しかし、一度連絡を処理し、混乱を処理できるようになれば、pick は確実に開かれるアプリケーションになります。

本当に長期的に考えた場合、Amazon がこれらの収納ロボットを多数配備した場合、突然商品の追跡が開始され、このロボットがこの商品をこの箱のこの場所に収納したことを思い出すことができます。 コンテナ マップの構築を開始できます。 ただし、現時点ではシステムは記憶していません。

特にピッキングに関しては、Amazon がここ数年で行った素晴らしいことは、学術コミュニティとの関わりを深め始めたことです。 私のチームは、MIT とワシントン大学での研究を後援しています。 そしてワシントン大学のチームは実際に指名を検討している。 ストウとピックはどちらも非常に難しく、非常に魅力的な問題なので、いずれ両方とも解決できるようになりたいと思っています。

この記事は、2023 年 3 月の印刷号に「Amazon Tells Warehouse Robots Where to Stow It」として掲載されます。