توسّع شركة Seeing Machines الذكاء الاصطناعي المتمحور حول الإنسان ليشمل الروبوتات الصناعية

تُطوّر شركة Seeing Machines أتمتة المصانع باستخدام الذكاء الاصطناعي المتمحور حول الإنسان في مجال الروبوتات الصناعية

وقّعت شركة Seeing Machines (LSE:SEE) عقد تطوير متقدمًا مع مؤسسة عالمية للتكنولوجيا الصناعية. ويمثل هذا الاتفاق محطة استراتيجية مهمة للشركة، إذ يوسّع نطاق قدرات الذكاء الاصطناعي المتمحور حول الإنسان التي تطورها إلى مجال الروبوتات الصناعية وأتمتة المصانع. وكانت Seeing Machines تركّز سابقًا بصورة أساسية على أنظمة سلامة النقل في قطاعات السيارات، والأساطيل، والمركبات المخصصة للطرق الوعرة، والطيران.

الربط بين سلامة النقل وأتمتة المصانع

يركّز المشروع على بناء نظام لإثبات المفهوم في بيئات التصنيع. وسيدمج المهندسون تقنية Perception Map التابعة للشركة في الروبوتات الصناعية. ونتيجة لذلك، ستتمكن الآلات المؤتمتة من تفسير وجود المشغّلين البشريين وحالاتهم الإدراكية بصورة أفضل.

تعتمد الأتمتة الصناعية بشكل كبير على وحدات التحكم المنطقي القابلة للبرمجة (PLC) وأنظمة التحكم الموزعة (DCS). غير أن أنظمة التحكم التقليدية تفتقر إلى قدرات الاستشعار البشري البديهية. ومن خلال دمج تقنيات الرؤية الحاسوبية المتقدمة، تهيّئ Seeing Machines بيئة عمل تعاونية أكثر أمانًا. ويسهم هذا التكامل في تحسين التفاعل بين الإنسان والروبوت في مناطق التصنيع الحرجة من ناحية السلامة.

توسّع استراتيجي في السوق يتجاوز تطبيقات السيارات

يؤسس هذا الاتفاق لقاعدة تعاون أوسع في مجال أتمتة المصانع. ويتيح التوسع في الروبوتات الصناعية لشركة Seeing Machines تنويع محفظتها التجارية. كما تستفيد الشركة من ملكيتها الفكرية الحالية من دون تشتيت تركيزها عن أعمال النقل الأساسية.

في قطاع التصنيع الحديث، تحمي أنظمة السلامة المجهزة (SIS) المشغّلين من الآلات الخطرة. ويسمح دمج التتبع الفوري للبشر في أنظمة التحكم للآلات بتوقّع الأخطاء البشرية. ونتيجة لذلك، تستطيع خطوط الإنتاج المؤتمتة تعديل عملياتها ديناميكيًا قبل وقوع مخاطر السلامة.

منظور استثماري ومسار النمو

بالنسبة إلى المستثمرين، يشير هذا العقد إلى توسّع مهم في السوق القابلة للاستهداف أمام Seeing Machines. ويفتح دخول مجال أتمتة المصانع فرصًا للإيرادات عبر قواعد جديدة من العملاء الصناعيين. ومع ذلك، لا يتضمن الإعلان تفاصيل مالية محددة أو إيرادات متوقعة أو التزامات بشأن الجدول الزمني للتسويق.

تكمن القيمة الفورية لهذا العقد في التحقق التقني أكثر من تحقيق عوائد مالية مباشرة. ويعتمد الأثر التجاري الأوسع على تحويل إثبات المفهوم هذا إلى نشر واسع النطاق. علاوة على ذلك، تواصل Seeing Machines تحقيق نمو في الإيرادات رغم سلبية التدفق النقدي التشغيلي واستمرار صافي الخسائر. وتُظهر المؤشرات الفنية زخمًا داعمًا للسهم فوق المتوسطات المتحركة الرئيسية. غير أن التقييم طويل الأجل يعتمد بدرجة كبيرة على تحقيق ربحية مستدامة.

رؤى تقنية حول تكنولوجيا الإدراك المتمحور حول الإنسان

تستفيد Seeing Machines من أكثر من 25 عامًا من أبحاث العوامل البشرية لبناء نماذج الذكاء الاصطناعي الخاصة بها. وتجمع منصتها بين المستشعرات البصرية، والمعالجة المضمنة على الحافة، وخوارزميات الرؤية الحاسوبية.

يبدأ تدفق الإشارة بالتقاط المستشعرات البصرية ومكونات الرؤية للبيانات المرئية في الوقت الفعلي. ثم تعالج وحدات المعالجة المضمنة على الحافة هذه المدخلات المرئية الخام مباشرة على مستوى الجهاز. بعد ذلك، تحلل خوارزميات Perception Map والذكاء الاصطناعي للعوامل البشرية تركيز المشغّل وإرهاقه ومساره. وأخيرًا، ينقل النظام معلمات تحكم حتمية مباشرة إلى أتمتة المصنع ومنظومة PLC أو منطق DCS.

عند دمج النظام في أطر أتمتة المصانع، فإنه يتتبع انتباه العامل وإرهاقه وقربه الجسدي باستمرار. وتتلقى شبكات الأتمتة القياسية مدخلات الإدراك هذه باعتبارها معلمات تحكم حتمية. ولذلك، يمكن لبنية التحكم تعديل سرعة الروبوت أو تفعيل حالات التوقف الطارئ تلقائيًا.

سيناريو لحل واقعي: السلامة في خلايا العمل التعاونية

لنفترض وجود خط تجميع آلي للسيارات يعمل فيه فنيو صيانة بشريين إلى جانب روبوتات صناعية ثقيلة. وتعتمد ترتيبات السلامة التقليدية على الأسوار المادية أو الستائر الضوئية الأساسية لإيقاف التشغيل.

ومن خلال تطبيق تقنية Perception Map التابعة لشركة Seeing Machines، يقيّم نظام مراقبة الخلية تركيز العامل ومسارات حركته باستمرار. فإذا أظهر أحد الفنيين علامات تشتت بالقرب من ذراع روبوتية نشطة، يرسل النظام إشارة مقاطعة إلى وحدة PLC للسلامة. وعندها، يبطئ نظام DCS حركة الروبوت بدلًا من تفعيل توقف طارئ كامل. ونتيجة لذلك، تمنع هذه الاستجابة الموجّهة التوقف المكلف للإنتاج مع الحفاظ على سلامة العاملين.