Robotar lär sig industriarbete på dagar – och överträffar sedan sina mänskliga förebilder

Robotar som lär sig som mästare — fast snabbare

Vad händer när en robot slutar vara ett programmerbart verktyg och börjar bli en lärande kollega? Det är frågan som Londonbaserade Humanoid nu sätter på dagordningen med lanseringen av KinetIQ Ascend — en metod för förstärkningsinlärning som enligt företaget revolutionerar hur industrirobotar tränas och driftsätts.

Enligt The Robot Report presenterar Humanoids tekniska chef Jarad Cannon systemet som en slags "förmågsfabrik": roboten börjar med ett grundläggande beteende, och förfinar det sedan genom prövning och misstag tills det når produktionsklar nivå. Det som tidigare tog månader av manuell finjustering ska nu kunna uppnås på bara några dagar — och resultatet ska dessutom överträffa de mänskliga demonstrationer som roboten ursprungligen lärde sig ifrån.

Det är ett djärvt påstående. Men siffrorna som presenteras är svåra att ignorera.

Testresultat som talar sitt tydliga språk

Humanoid har kört KinetIQ Ascend på tre olika industriella uppgifter, och resultaten är anmärkningsvärda:

• Vid plockning av stållagerringar från en behållare till ett transportband ökade genomströmningen med 42 procent, och roboten nådde 1,5 gånger hastigheten jämfört med den mänskliga demonstrationen den tränades på.
• Vid plockning från en rörig låda med efterföljande överlämning till en människa ökade genomströmningen med hela 85 procent, medan andelen lyckade försök klättrade från 80 till 98 procent.
• I det tredje testet — lyftning av en låda med båda armarna — mer än fördubblades genomströmningen, och tillförlitligheten steg från 78 till 99 procent. Det innebär ungefär en tjugofaldig minskning av misslyckanden.

Det sista talet är det som verkligen stannar kvar. En minskning av felfrekvensen med en faktor tjugo är inte en gradvis förbättring — det är ett kvalitativt skifte.

Vad gör detta annorlunda?

Förstärkningsinlärning är inte ett nytt koncept inom robotik. Det som Humanoid påstår sig ha löst är det klassiska problemet med att göra metoden praktiskt användbar i industriell miljö — det vill säga tillräckligt snabb, tillräckligt tillförlitlig och tillräckligt skalbar för att rulla ut i verklig produktion.

Historiskt sett har förstärkningsinlärning för fysiska robotar krävt enorma mängder träningstid, antingen i simulering eller i verkligheten. Att komprimera den processen till dagar, och ändå nå 99,9 procents tillförlitlighet, är precis det språng som tillverkningsindustrin har väntat på.

Humanoid grundades 2024 av Artem Sokolov — ett ungt bolag med ambitiösa mål. Det är just den typen av aktör som ofta ritar om spelplanen: tillräckligt lättrörlig för att tänka annorlunda, tillräckligt fokuserad för att faktiskt leverera.

Tillverkningsindustrin på randen till ett nytt kapitel

Sätt detta i ett bredare sammanhang. Tillverkningsindustrin har länge levt med ett fundamentalt dilemma: människor är flexibla men dyra och ojämna i precision, medan traditionella robotar är precisa men stela och kostsamma att omprogrammera. Det har skapat ett gap — särskilt för moment som kräver anpassningsförmåga, som plockning ur röriga lådor eller hantering av varierade detaljer.

KinetIQ Ascend positionerar sig direkt i det gapet. Om tekniken kan leverera det den lovar i verklig produktionsmiljö — och inte bara i kontrollerade tester — handlar det inte längre om att automatisera enkla repetitiva moment. Det handlar om att automatisera komplexitet.

Det är ett fundamentalt annat erbjudande till industrin.