Google پلتفرم رباتیک خود را متن‌باز کرد؛ خیز بلند برای تسلط بر «اندرویدِ ربات‌ها»

زیرمجموعه Intrinsic متعلق به شرکت Google، امروز هسته اصلی پلتفرم رباتیک صنعتی خود را به صورت متن‌باز منتشر کرد. این شرکت نرم‌افزارهای کنترل، برنامه‌ریزی حرکت، برنامه‌ریزی گرفتن اشیاء، شبیه‌سازی، تخمین وضعیت و کالیبراسیون دوربین را که پیش از این در انحصار محصولات تجاری‌اش بود، تحت لایسنس آزاد Apache 2.0 در دسترس عموم قرار داده است.

این پلتفرم که Intrinsic Core نام دارد، کاملاً با سیستم ROS سازگار است؛ به این معنی که با میان‌افزار متن‌بازی که اکثر جامعه رباتیک جهان از آن استفاده می‌کنند، هماهنگ است. بنا بر اعلام Intrinsic، این قابلیت‌ها دقیقاً همان ابزارهایی هستند که روزانه در پروژه‌های واقعی و عملیاتی به کار گرفته می‌شوند و صرفاً یک نسخه دموی ساده‌شده نیستند. علاوه بر این، Intrinsic راه‌حل Open Machine Tending Solution را نیز منتشر کرده است؛ یک طراحی مرجع برای تغذیه ماشین‌افزارهای CNC با کمک هوش مصنوعی که روی Intrinsic Core اجرا می‌شود و از همان ابتدا از مدل‌های تولیدکنندگان ربات مانند FANUC و Universal Robots پشتیبانی می‌کند.

ایده اصلی بسیار ساده است: توسعه‌دهندگان رباتیک مدام در حال ساختن زیرساخت‌های تکراری هستند. توسعه درایورها، سینماتیک، مسیریابی بدون برخورد، روتین‌های کالیبراسیون و موارد مشابه، باعث می‌شوند تیم‌ها هفته‌ها یا حتی ماه‌ها زمان خود را صرف کارهای پایه‌ای کنند، پیش از آنکه بتوانند محصولی منحصربه‌فرد بسازند و ارزش افزوده‌ای خلق کنند.

شرکت Intrinsic قصد دارد این لایه از کار را به صورت رایگان در اختیار توسعه‌دهندگان قرار دهد. اما سوال مهم‌تر این است که در ازای این کار، چه چیزی عاید Google می‌شود؟

تشبیه به Android ایده خود Google است

در ماه فوریه سال جاری میلادی، Intrinsic از بخش پروژه‌های جانبی در Alphabet خارج شد و به عنوان یک گروه مستقل، مستقیماً زیر چتر Google قرار گرفت. در این تغییر ساختار، وندی تان وایت (Wendy Tan White) به عنوان مدیرعامل این بخش، گزارش‌های خود را به هیروشی لاکهایمر (Hiroshi Lockheimer) ارائه می‌دهد. این جابه‌جایی باعث شد تا Intrinsic به مدل‌های Gemini، زیرساخت ابری Google Cloud و تحقیقات Google DeepMind متصل شود.

تان وایت پیش از این در مصاحبه‌ای فاش کرده بود که ساندار پیچای در زمان نهایی شدن این قرارداد، پلتفرم Intrinsic را «اندرویدِ رباتیک» نامیده است.

اکنون با گذشت هفت ماه، شاهد پیاده‌سازی دقیق همان استراتژی Android هستیم:

1. لایه‌ای را که همه به آن نیاز دارند به صورت رایگان ارائه دهید.
2. آن را واقعاً باکیفیت، کاملاً متن‌باز و با دسترسی آزاد بسازید.
3. اجازه دهید یک اکوسیستم حول آن شکل بگیرد.
4. بخش‌هایی که درآمدزا هستند را برای خود نگه دارید.

شرکت Intrinsic در مورد این بخش آخر بسیار شفاف عمل کرده است. این شرکت در بیانیه خود اعلام کرده است که راه‌حل‌های ساخته‌شده با Intrinsic Core، «به‌طور خودکار با دیگر محصولات Intrinsic، از جمله خدمات سازمانی ما که شامل مدل‌های پیشرفته هوش مصنوعی، Intrinsic Flowstate و سرویس‌های ابری صنعتی می‌شود، کار می‌کنند و نیازی به بازنویسی کدها نیست.»

به عبارت دیگر، در حالی که فریم‌ورک کنترلی، همزاد دیجیتال (Digital Twin) و درایورها رایگان هستند، اما مدل‌های پیشرفته هوش مصنوعی، Flowstate و زیرساخت‌های ابری صنعتی پولی خواهند بود.

این رویکرد شباهت زیادی به روشی دارد که Red Hat با استفاده از آن به یک شرکت چند میلیارد دلاری تبدیل شد. در اصل، Google در حال ایجاد یک کانال توزیع برای هوش مصنوعی فیزیکی مبتنی بر Gemini است؛ آن هم در پایین‌ترین لایه، جایی که تصمیمات معماری توسعه‌دهندگان شکل می‌گیرد و تثبیت می‌شود.

نقطه تلاقی نرم‌افزارهای متن‌باز و تجاری

پلتفرم Intrinsic Core تنها بخشی از تلاش‌های فیزیکی Google در حوزه هوش مصنوعی است.

بخش Google DeepMind در تاریخ ۳۰ ژوئیه مدل Gemini Robotics 2 را عرضه کرد که شامل سه مدل مختلف برای کنترل کل بدن ربات‌های انسان‌نما، استدلال تجسم‌یافته و اجرای محلی روی دستگاه بود. سازندگان برجسته ربات مانند Apptronik، Boston Dynamics، Agile Robots و Franka جزو اولین شرکای این پروژه بودند.

با این حال، دسترسی به این مدل‌ها نسبتاً محدود است. مدل استدلالی Gemini Robotics ER 2 در Google AI Studio و همچنین به صورت پیش‌نمایش خصوصی در پلتفرم سازمانی Gemini Enterprise Agent در دسترس است. مدل‌های دیگر نیز تنها از طریق ثبت درخواست به شرکای اولیه ارائه می‌شوند و استفاده از کیت توسعه نرم‌افزار رباتیک Gemini نیازمند پیوستن به برنامه آزمایش‌کنندگان معتمد است.

همه این اقدامات برای شرکتی در ابعاد Google کاملاً منطقی به نظر می‌رسد.

ساخت درایورها و حل‌کننده‌های سینماتیک بسیار پرهزینه است اما محافظت از انحصار آن‌ها تقریباً غیرممکن است. برنامه‌نویسی نسخه‌های اضافی از آن‌ها نیز ارزش خاصی برای هیچ‌کس، به ویژه Google، ایجاد نمی‌کند. در مقابل، مدل‌های پایه می‌توانند بسیار سودآور باشند. به همین دلیل، Google بخش اول را متن‌باز کرده و بخش دوم را پشت درهای بسته نگه داشته است.

احتمالاً برنامه این است که هر رباتی که با Intrinsic Core کار می‌کند، در آینده به درگاهی برای اتصال به مدل‌های Gemini تبدیل شود. اما یک نکته وجود دارد: هنوز هیچ ارتباط ظاهری میان این دو بخش دیده نمی‌شود.

در اطلاعیه DeepMind برای مدل Gemini Robotics 2، هیچ اشاره‌ای به Intrinsic یا ROS نشده است. کیت توسعه نرم‌افزار آن نیز نامی از این دو نمی‌برد. اگرچه در ماه فوریه اعلام شده بود که Intrinsic از مدل‌های Gemini استفاده خواهد کرد و همکاری نزدیکی با DeepMind خواهد داشت، اما تا به امروز مشخص نیست که رابط کاربری میان این دو دقیقاً چگونه خواهد بود.

شاید دلیل این موضوع، تفاوت در کلاس ربات‌های هدف باشد. پروژه Gemini Robotics 2 روی ربات‌های انسان‌نما متمرکز است، در حالی که Intrinsic Core برای بازوهای صنعتی و تغذیه دستگاه‌های CNC طراحی شده است. بررسی اینکه آیا این دو مسیر در آینده به یکدیگر می‌پیوندند یا خیر، همچنان در هاله‌ای از ابهام است و بر اساس گزارش‌ها، درخواست‌ها برای شفاف‌سازی در این زمینه از سوی Google هنوز بی‌پاسخ مانده است.

کدام بازار بیشترین نفع را می‌برد؟

انتشار راه‌حل‌های مربوط به ماشین‌افزارها نشان‌دهنده جامعه هدف اصلی Intrinsic است.

به گفته Intrinsic، تنها در ایالات متحده و اروپا ده‌ها هزار کسب‌وکار تولید قطعات وجود دارند که از این میان، تنها ۸ درصد به نوعی از اتوماسیون مجهز هستند. بسیاری از این تولیدکنندگان کوچک هرگز توان پرداخت هزینه‌های سنگین و چند صدهزار دلاری یکپارچه‌سازی سیستم‌ها را ندارند.

این بازار به شدت نادیده گرفته شده است و اتوماسیون صنعتی سنتی برای دهه‌ها نتوانسته نیازهای آن را برآورده کند، چرا که استفاده از این سیستم‌ها در مقیاس‌های کوچک بسیار گران‌قیمت بوده است.

با این حال، کاهش قیمت بازوهای رباتیک و در دسترس قرار گرفتن رایگان عناصر کلیدی مانند Intrinsic Core، می‌تواند کاتالیزوری برای ورود اتوماسیون به کسب‌وکارهای کوچک‌تر و کارگاه‌های خانوادگی باشد.

وضعیت ROS پس از گذشت چهار سال

جامعه رباتیک سوابق مربوط به این حوزه را به خوبی به یاد دارد.

در دسامبر ۲۰۲۲، شرکت Intrinsic بخش تجاری Open Source Robotics Corporation را خریداری کرد؛ سازمانی که توسعه سیستم‌عامل ROS (سیستم‌عاملی که بخش عمده‌ای از دنیای رباتیک بر پایه آن بنا شده است) را بر عهده داشت. در پی این خرید، توسعه ROS، Gazebo، ROSCon و TurtleBot به بنیاد غیرانتفاعی Open Source Robotics Foundation واگذار شد. برایان گرکی (Brian Gerkey)، یکی از خالقان ROS، نیز به عنوان مدیر ارشد فناوری به Intrinsic پیوست.

در آن زمان، جامعه رباتیک به طور قابل‌درکی نگران نفوذ و تسلط یک شرکت زیرمجموعه Alphabet بر زیرساخت‌های متن‌باز بود.

پاسخ گرکی در آن زمان این بود: «ما را با کارهایمان قضاوت کنید.» او یک سال بعد در مصاحبه‌ای تاکید کرد که استاندارد Intrinsic برای متن‌باز کردن پروژه‌ها بر پایه این اصل استوار است که تنها ابزارهایی متن‌باز شوند که بتوانند تحولی اساسی در این صنعت ایجاد کنند.

اکنون انتشار Intrinsic Core به نوعی یک آزمون واقعی برای این ادعا محسوب می‌شود.

با توجه به اینکه Intrinsic در ژانویه ۲۰۲۳ حدود ۲۰ درصد از نیروهای کار خود را تعدیل کرد و همچنین سابقه Google در متوقف کردن بسیاری از پروژه‌هایش، انتشار متن‌باز این نرم‌افزار خبر بسیار خوبی است؛ زیرا ساخت زیرساخت تولید بر پایه یک پلتفرم متن‌باز متعلق به شخص ثالث، بسیار امن‌تر از تکیه بر APIهای انحصاری است.

البته باید توجه داشت که رقابت در زمینه نرم‌افزارهای متن‌باز رباتیک در حال افزایش است. شرکت NVIDIA با پلتفرم LeRobot و همکاری Hugging Face در حال توسعه فریم‌ورک‌های خود است و وزنه‌های مدل Isaac GR00T به صورت عمومی منتشر شده‌اند. همچنین استارتاپ Physical Intelligence کدهای مربوط به مدل π0 را متن‌باز کرده است. با این حال، مزیت رقابتی Intrinsic این است که نرم‌افزارهای آن در کارخانه‌های واقعی آزمایش شده‌اند؛ ادعایی که همه شرکت‌ها نمی‌توانند آن را مطرح کنند.

در نهایت باید منتظر ماند و دید که این پلتفرم چگونه با دیگر پروژه‌های رباتیک متعلق به Google از جمله دستاوردهای DeepMind یکپارچه خواهد شد.