پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

مقاومت کارگران Tesla دربرابر آموزش ربات انسان‌نمای Optimus؛ رؤیای بزرگ ایلان ماسک با چالش روبه‌رو شد

انتشار:۴ مهر ۱۴۰۵(۲ روز پیش)
۴ دقیقه زمان مطالعه
۰ دیدگاه

تلاش‌های Tesla برای تجاری‌سازی و تولید انبوه ربات انسان‌نمای Optimus با موانع جدی از جمله پیچیدگی دست‌های مکانیکی و امتناع کارگران از آموزش جایگزین‌های خود مواجه شده است. با وجود این چالش‌ها، این شرکت همچنان قصد دارد تیراژ تولید ربات‌ها را تا پایان سال ۲۰۲۶ به بیش از ۱۰۰۰ دستگاه در هفته برساند.

مقاومت کارگران Tesla دربرابر آموزش ربات انسان‌نمای Optimus؛ رؤیای بزرگ ایلان ماسک با چالش روبه‌رو شد

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • کارگران کارخانه‌های Tesla نسبت به پوشیدن لباس‌های مخصوص ضبط حرکات برای آموزش Optimus به دلیل نگرانی از جایگزینی شغلی معترض هستند.
  • پیچیدگی دست‌های مکانیکی با بیش از ۱۰۰ قطعه ظریف و ناپایداری حسگرهای لمسی، خط تولید Optimus V3 را با چالش‌های فنی گسترده‌ای مواجه کرده است.
  • مدل‌های هوش مصنوعی Optimus هنوز برای انجام وظایف همه‌منظوره آماده نیستند و به برنامه‌ریزی اختصاصی در محیط‌های کنترل‌شده نیاز دارند.
  • با وجود هدف‌گذاری تولید بیش از ۱۰۰۰ ربات در هفته تا پایان ۲۰۲۶، Tesla وابستگی شدیدی به تأمین‌کنندگان چینی دارد و با رقبایی چون Toyota و Hyundai مواجه است.

چرخش راهبردی Tesla از ساخت خودروهای برقی به‌سمت توسعه ربات‌های انسان‌نما با چالش‌های جدی مواجه شده است؛ مسائلی که از پیچیدگی دست‌های مکانیکی ربات تا نارضایتی کارکنان از آموزش جایگزین‌های رباتیک خود را در بر می‌گیرد. این دشواری‌ها در مقیاس‌پذیری خط تولید در شرایطی رخ می‌دهد که ایلان ماسک، مدیرعامل Tesla، آینده این شرکت را به هوش مصنوعی و رباتیک گره زده است.

ایلان ماسک در جریان گزارش مالی سه‌ماهه دوم ۲۰۲۶ شرکت Tesla، ربات انسان‌نمای Optimus را بالقوه «بزرگ‌ترین محصول تاریخ» توصیف کرد. با این حال، او اذعان داشته است که ساخت ربات انسان‌نمای خودکاری که توانایی انجام وظایف متنوع را داشته باشد، «یکی از دشوارترین مسائل برای حل کردن» به‌شمار می‌رود. اکنون گزارش‌های مفصل رسانه The Information ابعاد تازه‌ای از پیچیدگی‌هایی را آشکار کرده است که Tesla در فرایند توسعه ربات‌های همه‌منظوره و آماده‌سازی برای تولید انبوه با آن‌ها دست‌وپنجه نرم می‌کند.

طبق گزارش The Information، کارخانه فریمونت Tesla در کالیفرنیا از ماه مه ۲۰۲۶ تولید سدان Model S و شاسی‌بلند Model X را متوقف کرده و مهندسان و کارگران خط تولید را به پروژه توسعه Optimus اختصاص داده است.

با این حال، جدیدترین نسخه این ربات با نام Optimus V3 از نظر توسعه و فرایندهای ساخت با چالش‌های اساسی روبه‌رو شده است. بر اساس این گزارش‌ها، تجهیزات خط تولید برای تراز کردن و مونتاژ دقیق قطعات با اختلال مواجه هستند و سرعت خط تولید نیز به همین دلیل محدود است. طبق گزارش‌ها، اگرچه Tesla توانسته حجم تولید را به صدها ربات در هفته برساند، اما هدف‌گذاری شرکت دستیابی به تولید بیش از ۱۰۰۰ دستگاه در هفته تا پایان سال ۲۰۲۶ است.

صنعت خودروسازی و سایر صنایع ده‌ها سال است که از ربات‌های صنعتی تخصصی مانند بازوهای مکانیکی استفاده می‌کنند. اکنون Tesla به‌همراه سایر خودروسازان و شرکت‌های رباتیک بر این باورند که تلفیق ربات‌های انسان‌نما با پیشرفت‌های چشمگیر در مدل‌های هوش مصنوعی می‌تواند در نهایت به ساخت ربات‌های همه‌منظوره‌ای منجر شود که توانایی انجام وظایف گوناگون را دارند و با محیط‌های کاری انسان سازگارترند.

چالش‌های سخت‌افزاری و هوش مصنوعی

ساخت دست‌های رباتیکی که بتوانند کارهای ظریف را با دقتی هم‌تراز با دست انسان انجام دهند، چالشی مهندسی و بسیار بزرگ محسوب می‌شود. پیچیدگی دست‌های مکانیکی Optimus دردسرهای تولیدی فراوانی برای Tesla ایجاد کرده است؛ چراکه کارگران ناچارند دست‌ها و ساعدهای ربات را که حاوی بیش از ۱۰۰ قطعه ریز نظیر پیچ‌ها است، به‌صورت دستی مونتاژ کنند.

این فرایند ساخت دستی و نه‌چندان بی‌نقص سبب شده است که ربات‌های تازه‌تولیدشده بلافاصله به تعمیرات و تنظیمات مجدد نیاز پیدا کنند. افزون‌بر این، حسگرهای لمسی دست ربات نیز عملکرد پایداری نداشته‌اند، به‌طوری‌که Tesla اکنون لایه‌ای دستکش‌مانند از حسگرها طراحی کرده است تا در صورت خرابی، بتوان بدون تعویض کل دست مکانیکی، حسگرها را تعویض کرد.

بر اساس گزارش‌ها، قابلیت‌های هوش مصنوعی ربات نیز همچنان برای عملکردهای همه‌منظوره ناکافی است؛ موضوعی که با توجه به چالش‌های کل این صنعت، چندان دور از انتظار نیست. یکی از منابع آگاه The Information اشاره کرده است که ربات‌های Optimus در حال حاضر برای انجام وظایف خاص، نیازمند برنامه‌ریزی اختصاصی در محیط‌های کاملاً کنترل‌شده هستند.

یکی از بزرگ‌ترین چالش‌های پیش‌روی شرکت‌های رباتیک، گردآوری داده‌های آموزشی کافی برای یادگیری بصری وظایف فیزیکی و دستی است. اتکای شدید به یادگیری تقلیدی سبب شد تا Tesla از کارگران خطوط تولید در تگزاس و کالیفرنیا بخواهد لباس‌های مخصوصی بر تن کنند که حرکات فیزیکی آن‌ها را در حین کار ثبت و ضبط می‌کند.

با این حال، طبق گزارش The Information، برخی از کارگران نسبت به این موضوع معترض شده‌اند، زیرا می‌دانستند که این ربات‌ها در نهایت برای جایگزینی خود آن‌ها طراحی می‌شوند. به همین دلیل، Tesla مسئولیت جمع‌آوری این داده‌ها را به تیم‌های اختصاصی واگذار کرده و مراکزی تحت عنوان «هاب‌های آموزشی» برای این تیم‌ها راه‌اندازی کرده است.

رقابت فشرده در ساخت ربات‌های انسان‌نما

گزارش The Information همچنین بر وابستگی مداوم Tesla به تأمین‌کنندگان چینی برای ساخت قطعات مختلف ربات تأکید می‌کند؛ رویکردی که پیش‌تر نیز در استارتاپ‌های سیلیکون‌ولی دیده شده بود که قطعات رباتیک را در چمدان‌های خود از چین به آمریکا می‌آوردند.

وابستگی زنجیره تأمین صنعت رباتیک آمریکا به چین همچنان پابرجاست، هرچند دولت دونالد ترامپ تلاش کرد تا زنجیره‌های تأمین داخلی و تولید ربات‌ها در آمریکا را تقویت کند. با این حال، در ماه ژوئیه، کمیسیون فدرال ارتباطات آمریکا (FCC) ورود ربات‌های جدید خارجی از جمله ربات‌های انسان‌نما، ربات‌های چهارپای سگ‌نما و جاروبرقی‌های رباتیک را ممنوع اعلام کرد.

چالش‌های گزارش‌شده برای Tesla در مسیر ساخت ربات‌های انسان‌نما مختص به این شرکت نیست؛ اما این موضوع تسلی‌بخش نخواهد بود، زیرا Tesla با رقابت بسیار شدیدی در جبهه‌های متعدد روبه‌رو است. خودروسازان چینی، ژاپنی و کره‌ای در کنار شرکت‌های تخصصی رباتیک در حال توسعه ربات‌های انسان‌نمای خود هستند. شرکت Toyota در نظر دارد میلیاردها دلار برای تجهیز کارخانه‌های خود به ربات‌ها، از جمله مدل‌های انسان‌نما، سرمایه‌گذاری کند؛ در همین حال، Hyundai قصد دارد طی چند سال آینده تا ۲۵ هزار ربات انسان‌نمای Atlas توسعه‌یافته توسط شرکت تابعه خود یعنی Boston Dynamics را در خطوط تولید به‌کار گیرد.

یکی از پیشروترین شرکت‌ها در استقرار تجاری ربات‌های انسان‌نما، شرکت Agility Robotics است که در سال ۲۰۲۴ برای نخستین بار ربات‌های خود را در انباری متعلق به شرکت GXO Logistics در منطقه آتلانتا به‌کار گرفت. با وجود این، توجیه اقتصادی و تجاری ربات‌های انسان‌نما همچنان نیازمند اثبات از طریق استقرارهای پایدارتر و مقرون‌به‌صرفه‌تر است؛ ضمن آنکه تضمین ایمنی فعالیت این ربات‌ها در کنار نیروهای انسانی نیز یکی از ملزومات حیاتی در این مسیر به‌شمار می‌رود.

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

رکورد ۸۳۳ هزار دانلود ماهانه برای LEGAL-BERT؛ وقتی توسعه‌دهنده‌ها قید مدل‌های گران‌قیمت را می‌زنند!
آخرین اخبار

رکورد ۸۳۳ هزار دانلود ماهانه برای LEGAL-BERT؛ وقتی توسعه‌دهنده‌ها قید مدل‌های گران‌قیمت را می‌زنند!

مدل زبانی تخصصی LEGAL-BERT با ثبت بیش از ۸۳۳ هزار دانلود در ماه روی پلتفرم هاگینگ فیس حسابی خبرساز شده است. این ابزار جمع‌وجور و تخصصی نشان می‌دهد که برای پردازش و تحلیل متون حقوقی، حتماً نیازی به مدل‌های غول‌پیکر و پرهزینه ندارید و گزینه‌های بهینه همچنان در اوج هستند.

۲ دقیقه مطالعه
۰
۶ مهر
جاسوسی هوش مصنوعی در محل کار؛ کارمندان می‌گویند کارفرماها باید قانوناً مچ‌گیری‌هایشان را لو بدهند!
آخرین اخبار

جاسوسی هوش مصنوعی در محل کار؛ کارمندان می‌گویند کارفرماها باید قانوناً مچ‌گیری‌هایشان را لو بدهند!

نظرسنجی‌های تازه نشان می‌دهد که بیشتر کارمندان حس می‌کنند مدیرانشان با ابزارهای هوش مصنوعی تمام حرکات آن‌ها را زیر نظر گرفته‌اند. حالا بیش از ۸۰ درصد شاغلان خواستار تصویب قانونی شده‌اند که شرکت‌ها را مجبور کند هرگونه مچ‌گیری و نظارت هوش مصنوعی در محیط کار را رسماً اعلام کنند.

۳ دقیقه مطالعه
۰
۶ مهر
گزارش داغ مایکروسافت از نفوذ جهانی هوش مصنوعی؛ امارات در صدر و رتبه عجیب آمریکا!
آخرین اخبار

گزارش داغ مایکروسافت از نفوذ جهانی هوش مصنوعی؛ امارات در صدر و رتبه عجیب آمریکا!

مایکروسافت در تازه‌ترین گزارش خود از ضریب نفوذ هوش مصنوعی در جهان پرده برداشت؛ آماری شگفت‌انگیز که نشان می‌دهد امارات و سنگاپور با فاصله‌ای خیره‌کننده پیشتاز دنیا هستند و در مقابل، آمریکا در رتبه ۲۱ جا مانده است. همچنین الگوی استفاده از هوش مصنوعی میان کشورهای غربی و کشورهای در حال توسعه، از تفاوتی عمیق میان کاربردهای روزمره و آموزش پرده برمی‌دارد.

۳ دقیقه مطالعه
۰
۶ مهر