Tecnología > Tecnología

Los robots de almacén aprenden tareas más difíciles

En un complejo de Berlín, un nuevo tipo de robot cumple tareas que hasta hace poco habían estado fuera del alcance de las máquinas

Tiempo de lectura: -'

10 de febrero de 2020 a las 05:00

Dentro de un almacén en las afueras de Berlín, una larga fila de cestas azules de embalaje recorría una banda transportadora. Adentro llevaban interruptores de luz, enchufes y otros componentes eléctricos. Se detuvieron en cierto punto y cinco trabajadores separaron los pequeños artículos colocando cada uno en una caja de cartón.

En Obeta, una compañía de componentes eléctricos que abrió sus puertas en 1901, ese es el tipo de tareas monótonas que los trabajadores han realizado durante años.

Sin embargo, hace varios meses, un nuevo trabajador se unió al equipo. Acomodado detrás de un cristal protector, un robot que usa tres copas de succión al extremo de su largo brazo hace el mismo trabajo, clasifica objetos con una velocidad y una precisión sorprendentes.

Aunque quizá no parezca gran cosa, este robot clasificador de componentes es un gran avance en la inteligencia artificial y la capacidad de las máquinas de desempeñar labores humanas.

Conforme millones de productos pasan por los almacenes dirigidos por Amazon, Walmart y otras tiendas minoristas, los trabajadores de bajos sueldos deben acomodar los objetos que se encuentran en un contenedor tras otro —desde ropa hasta zapatos o equipo electrónico— para que cada artículo pueda empacarse y enviarse a su destino. Las máquinas no habían podido con estas tareas. Hasta ahora.

“He trabajado en la industria de la logística durante más de 16 años y jamás he visto algo así”, dice Peter Puchwein, vicepresidente de Knapp, una compañía austríaca que proporciona tecnología de automatización para los almacenes.

Cerca de ahí, en el almacén de Obeta, los ingenieros de California que crearon el robot tomaron fotografías con sus celulares. Pasaron más de dos años diseñando el sistema en una empresa emergente llamada Covariant.AI, basándose en las investigaciones que realizaron en la Universidad de California, campus Berkeley.

Su tecnología es un indicio de que, en los próximos años, pocas tareas de los almacenes serán demasiado pequeñas o complejas para los robots. Además, conforme las máquinas dominan las tareas que tradicionalmente han realizado los humanos, su desarrollo plantea nuevas preocupaciones sobre los trabajadores de los almacenes que pierden sus empleos debido a la automatización.

Puesto que el negocio de las ventas minoristas por internet está creciendo muy rápidamente —la mayoría de las compañías tardarán en adoptar las tecnologías robóticas más recientes—, los economistas creen que los avances no afectarán el número total de empleos de logística en el corto plazo. Sin embargo, los ingenieros que crean estas tecnologías admiten que, en determinado momento, la mayoría de las tareas de los almacenes serán realizadas por máquinas. Los trabajadores humanos tendrán que encontrar otras cosas que hacer.

Los ingenieros de Covariant se especializan en una rama de la inteligencia artificial llamada aprendizaje de refuerzo. Las máquinas están programadas para aprender nuevas tareas por sí mismas a través de un proceso extremo de prueba y error. Y el mejor lugar para aprender es el mundo real.

“Si quieres que la inteligencia artificial avance, no debes dejarla en un laboratorio –dice Peter Chen, director ejecutivo y cofundador de Covariant–. Hay una gran brecha al llevar estas tecnologías al mundo real”.

Los almacenes ya están muy automatizados. En el almacén fuera de Berlín, dentro de una sala vallada más grande que un campo de fútbol, otros robots desde hace tiempo se han usado para recoger grandes cajas que se encuentran en estantes a varios pisos de altura.

Sin embargo, esa es una tarea relativamente fácil para una máquina. Los ingenieros pueden programar un robot para que realice el mismo movimiento una y otra vez. Las cajas son todas iguales. El robot puede recogerlas con el mismo movimiento en cada ocasión.

Clasificar los artículos que se encuentran en un contenedor es algo distinto. Las siluetas varían, al igual que las superficies. Un interruptor de luz podría estar boca abajo y otro quizá esté boca arriba. El siguiente dispositivo eléctrico podría estar en una bolsa de plástico que refleje la luz de manera que un robot jamás ha percibido. Se necesita la intervención de un ser humano.

Programar un brazo robótico para que lidie con todas las situaciones, con una regla a la vez, es imposible. En Knapp, Puchwein y sus colegas durante años han intentado crear un robot con la destreza y la flexibilidad necesarias para hacer el trabajo, pero han fracasado.

Covariant, que está trabajando con Knapp, creó un programa que podía aprender mediante un proceso de prueba y error. Primero, el sistema aprendió de la estimulación digital de la tarea, es decir, una recreación virtual de un contenedor lleno de artículos varios. Después, cuando Chen y sus colegas transfirieron este programa a un robot, pudo recoger artículos en el mundo real.

El robot podría seguir aprendiendo mientras clasificaba artículos que jamás había visto antes. Dentro del almacén alemán, el robot puede recoger y clasificar más de 10 mil artículos distintos, y lo hace con una precisión superior al 99%, de acuerdo con Covariant.

Esto representa un cambio importante para las industrias de las ventas minoristas en línea y la logística.

A finales del año pasado, el fabricante internacional de robots ABB organizó un concurso. Invitó a 20 compañías a diseñar programas para sus brazos robóticos que pudieran clasificar artículos dentro de un contenedor, desde cubos hasta bolsas de plástico con otros objetos.

Diez de las empresas tenían sede en Europa y la otra mitad provenía de Estados Unidos. La mayoría no estuvo ni cerca de pasar la prueba. Algunas pudieron con la mayoría de las tareas, pero fallaron en los casos más complicados. Covariant fue la única compañía que pudo realizar cada tarea de manera tan rápida y eficaz como un ser humano.

Los ingenieros de Covariant creen que los robots mejorarán con la práctica. Conforme el robot de un almacén aprende mejores maneras de recoger ciertos artículos, la información regresa a lo que básicamente es un cerebro central dirigido por Covariant, el cual ayudará a operar las máquinas.

Dirk Jandura, director general de Obeta, dijo que empresas como la suya sufrían una presión extrema para ser más eficaces. La automatización es una manera clave de mantener bajos los costos.

Como muchos operadores de almacenes, Obeta tiene problemas para encontrar trabajadores que estén dispuestos a realizar el trabajo monótono. Cada recogedor se encarga de alrededor de 170 órdenes por hora, o aproximadamente 3 por minuto, a lo largo de una jornada de ocho horas. Durante el verano, las temperaturas en el almacén superan los 37 grados Celsius. Es difícil mantener a los empleados en ese trabajo durante más de seis meses.

Para Obeta, el nuevo robot es una solución ideal. Un trabajo que requiere tres humanos es realizado por un robot incansable.

“No fuma, siempre tiene buena salud, no charla con sus compañeros ni necesita pausas para ir al baño –dice Jandura–. Es más eficaz”.

Knapp también está considerando el diseño de almacenes equipados con robots en vez de humanos, los cuales permitirían que los espacios estén más llenos de paquetes y que los robots capacitados para esa tarea puedan recogerlos.

“Los nuevos almacenes se construirán con base en robots que aprovechen la inteligencia artificial y no en los seres humanos”, comentó Puchwein.

Knapp planea que sea difícil que las compañías se nieguen a reemplazar a los trabajadores humanos con robots. Puchwein dijo que cobrarían una tarifa que siempre sería más baja que lo que una compañía le pagaría a un ser humano. Si una empresa le pagara US$ 40 mil al año a un trabajador, Knapp cobraría alrededor de US$ 30 mil, comentó.

“Simplemente cobramos menos –dijo–. Ese es básicamente el modelo de negocios. Para el cliente, no es muy difícil decidir”. 

REPORTAR ERROR

Comentarios

Registrate gratis y seguí navegando.

¿Ya estás registrado? iniciá sesión aquí.

Pasá de informarte a formar tu opinión.

Suscribite desde US$ 245 / mes

Elegí tu plan

Estás por alcanzar el límite de notas.

Suscribite ahora a

Te quedan 3 notas gratuitas.

Accedé ilimitado desde US$ 245 / mes

Esta es tu última nota gratuita.

Se parte de desde US$ 245 / mes

Alcanzaste el límite de notas gratuitas.

Elegí tu plan y accedé sin límites.

Ver planes

Contenido exclusivo de

Sé parte, pasá de informarte a formar tu opinión.

Si ya sos suscriptor Member, iniciá sesión acá

Cargando...