Fra blank skærm til færdig kode på få minutter: Sådan bruger du AI til at programmere robotter
Med en AI-chatbot kan de fleste komme i gang med at programmere robotter på få minutter. Teknologisk Institut demonstrerer, hvordan generativ AI gør robotprogrammering hurtig og fleksibel for både nybegyndere og eksperter – dog med lidt hjælp fra Malaika Din Hashmi fra Teknologisk Institut.
Forestil dig, at du kan beskrive en opgave for en robot på hverdagssprog, og få minutter senere se robotten udføre opgaven, uden at du har skrevet en eneste linje kode.
Det lyder som fremtidsmusik, men det er præcis den virkelighed, som specialister på Teknologisk Institut nu demonstrerer.
Ved at fodre en AI-chatbot med den rette information kan virksomheder nemlig reducere tiden fra idé til færdig robotapplikation.
I den her artikel vil Malaika Din Hashmi, der er konsulent ved Teknologisk Institut, guide til dig til, hvordan du kan bruge AI til at hjælpe dig med at programmere en robot.
Sådan lærer AI at tale "robot"
Lad os sige, at opgaven er, at en robot skal stable tre klodser, hvorefter den skal lægge dem tilbage igen, hvor den tog dem.
Det skal du få den til ved hjælp af en chatbot og helt uden selv at skrive en eneste linje kode.
Dog er det ikke helt uden udfordringer.
De store sprogmodeller bag chatbots er ikke på forhånd trænet i de mange forskellige ”robotsprog”, og hver robot har sin helt egen 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 fortæller, at man kan gøre chatbotten klar på opgaven ved hjælp af tre trin, hvor specifikke dokumenter uploades:
1. En opgavebeskrivelse
En fil, der i almindeligt sprog forklarer, hvad robotten skal gøre. For eksempel at stable tre klodser, inklusiv deres positioner.
2. En script-manual
Teknisk dokumentation over robottens indbyggede funktioner og kommandoer, så AI'en ved, hvilke "værktøjer" den har til rådighed.
3. En "best practice"-fil
En samling af ekspertviden og knowhow.
− Det sidste dokument kræver lidt mere end de to andre, som du typisk selv kan beskrive eller kan hente på robottens leverandørs hjemmeside. ”Best practice”-filen fortæller, hvordan man programmerer en robot, hvad man normalt skal gøre. At man normalt skal gå op over et emne for at gå ned og gribe fat, i stedet for at gå direkte i emnet, så man ikke kolliderer, forklarer Malaika Din Hashmi.
Når chatbotten har modtaget disse informationer, 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. Teknologisk Institut har udført benchmarks, der sammenligner resultaterne med og uden de ekstra informationsfiler.
I en test, hvor en robot skulle stable klodser, viser resultaterne en markant forbedring, når AI-modellen (GPT-4) fik adgang til både script-manual og best practice-viden.
Benchmark: Resultater for GPT-4-modellen
Tabel: Uddrag fra Teknologisk Instituts benchmark viser, at succesraten stiger fra 75 til 100 procent, mens antallet af nødvendige justeringer falder fra over fire til under én, og tidsforbruget mere end halveres.
Tallene viser, at en korrekt instrueret AI ikke kun løser opgaven hurtigere, men også rammer plet i første forsøg. Dette er afgørende for at gøre teknologien praktisk anvendelig i en travl produktionshverdag.
En assistent for både nye og erfarne brugere
Metoden åbner døre for to primære brugergrupper. For det første dem uden dybdegående kendskab til robotprogrammering.
− Så i stedet for, at de skal starte fra bunden hver gang, så har de en chatbot til hjælp − som en assistent, der kan hjælpe med at lave programmerne for dem, fortæller Malaika Din Hashmi.
For det andet er det en gevinst for erfarne automationshuse og virksomheder med behov for hyppig omstilling.
Når et produkt eller en proces skal ændres, kan man blot beskrive ændringen til chatbotten.
Fra prompt til produktion kræver prøvekørsel
Men kan man stole på en kode, der er genereret af en AI?
Ifølge Malaika Din Hashmi er det afgørende altid at tænke sikkerhed og kvalitetssikring ind.
− Noget, man skal være opmærksom på, er, at det jo er generativ AI, så den kommer ikke nødvendigvis med det samme svar hver gang, siger hun og fortsætter:
− Derfor er det vigtigt, at vi lige får testet det af, før vi sætter det ud på den fysiske robot.
Malaika Din Hashmi anbefaler, at man altid afprøver koden i et simuleringsmiljø først. På den måde kan man sikre, at robotten opfører sig som forventet og undgå uforudsete situationer i produktionen.
Først når programmet er godkendt i simulation, bør det implementeres i den virkelige verden.
Vil du vide mere eller prøve af i praksis?
Teknologisk Institut hjælper gerne virksomheder med at afprøve, tilpasse eller videreudvikle AI-løsninger til robotprogrammering. Uanset om du har konkrete udfordringer, blot er nysgerrig på teknologien, eller ønsker sparring om muligheder og begrænsninger, er du velkommen til at tage kontakt.
Måske er du allerede gået i gang, eller måske overvejer du, om AI kan hjælpe i netop din produktion. Vi deler viden, holder oplæg og undersøger gerne nye cases sammen med danske virksomheder. Ræk endelig ud, hvis du vil videre med robotter og AI i praksis.
Kontakt os for en uforpligtende snak om mulighederne.