Spot oppi lukemaan mittarit – tarkkuus nelinkertaistui

Boston Dynamicsin Spot-robottikoira sai 14. huhtikuuta merkittävän aivopäivityksen. Google DeepMindin uusi Gemini Robotics-ER 1.6 -malli tuli pilvipäivityksenä robotin Orbit-ohjelmistoon, ja se nosti analogisten mittarien lukutarkkuuden aiemmasta 23 prosentista 93 prosenttiin. Robotti ei enää pelkästään kuvaa mittaria – se zoomaa, laskee lukeman koodia ajamalla ja perustelee vastauksensa.

Mitä tutkijat tekivät konkreettisesti

Uuden mallin ydinoivallus on se, mitä DeepMind kutsuu agenttiseksi näöksi. Kun Spot kohtaa analogisen painemittarin, malli etenee vaiheittain: rajaa kuvasta mittarin tarkennetun otoksen, merkitsee viisarin ja asteikon pisteet, pyörittää pientä laskentakoodia viisarin kulman tulkitsemiseksi suhteessa asteikkoon ja muuntaa tuloksen vasta sitten lukuarvoksi. Sama ketju toimii sähkölukemilla ja pinnanmittausputkien 0–100 prosentin täyttymisellä.

Boston Dynamicsin blogin mukaan kykyjen lista kasvoi kerralla huomattavasti. Spot tunnistaa nyt lattialle lammikoitunutta nestettä, laskee tarkasti lavapinojen määrän varastossa, tekee niin sanottuja 5S-siisteysauditointeja ja havaitsee valvotulla alueella olevat valtuuttamattomat ihmiset. Lammikonhavainto on varsin konkreettinen turvallisuuspäivitys: pulppauksena näkyvä kemikaalivuoto tai voiteluöljyvuoto päätyy lokitukseen ennen kuin kukaan kävelee siihen.

Miten tekninen konteksti on kehittynyt

Kaksi vuotta sitten multimodaaliset mallit olivat vielä kuvatulkinnassaan epäluotettavia. Edellinen versio Gemini Robotics-ER 1.5 ylsi mittarinluennassa 23 prosentin onnistumiseen, mikä on käytännössä liian huono taso tuotantokäyttöön. Hyppy 93 prosenttiin syntyi yhdistämällä kaksi asiaa: visuaalinen päättely ja erillisen koodisuorituksen salliva työkaluketju. Malli ei yritä enää arvata viisarin asentoa pelkällä kuvasta oppimisellaan vaan muuntaa ongelman geometrian laskemiseksi.

Toinen rakenteellinen muutos on läpinäkyvyys. Aiemmin tekoälypohjaiset tarkastusjärjestelmät antoivat vain tuloksen. Orbitin uusi versio näyttää käyttäjälle myös välivaiheet: mitä robotti havaitsi, mihin se zoomasi ja miksi se päätyi esittämäänsä lukemaan. Boston Dynamics listasi AIVI-Learning-päivityksen virallisesti 8. huhtikuuta. Päivitys tuli asiakkaille automaattisesti pilven kautta, eikä Spot-yksiköitä tarvinnut lähettää huoltoon.

Mitä tämä ei vielä tarkoita

Päivitys ei tee Spotista itsenäistä kunnossapitäjää. Robotti lukee mittareita, mutta ei vaihda niitä eikä korjaa havaitsemiaan vikoja. Kaikki poikkeamat menevät yhä ihmiselle jatkokäsittelyyn, ja huoltotoimenpiteet edellyttävät edelleen asentajaa. Kyse on ennen muuta rutiinitiedonkeruun siirtymisestä ihmiseltä robotille. Se siirtymä on kuitenkin Suomen teollisuudelle oleellinen.

Mitä tämä tarkoittaa Suomessa

Suomessa Spot-robottia on jo kokeiltu: Destia testasi sitä Kalasataman ja Pasilan infrahankkeella keräämään pistepilvidataa ja laserskannauksia vaikeapääsyisistä kohteista. Metsä- ja kemianteollisuuden tehtaat ovat seuraava looginen käyttöalue. Esimerkiksi sellutehtaissa paine-, pinta- ja virtausmittareita on tuhansia, ja niiden rivikierrot tekevät yhä ihmiset – usein yöllä ja portaikoissa. Stora Enson, UPM:n, Metsä Fibren ja Kemiran kaltaiset toimijat ovat viime vuosina investoineet kunnossapidon digitalisointiin, ja pilvipäivitetyn AIVI-Learningin myötä mittarikierrosten automatisointi ei enää vaadi omaa tekoälykehitystä tehtaalla.

Kunnossapitoasentajille vaikutus ei välttämättä ole työpaikkojen katoaminen vaan työnkuvan siirtymä. Yksinkertainen kierroskäynti korvautuu häiriötilanteen diagnostiikalla, jossa robotti on jo tuottanut alustavan tilannekuvan lokituksineen. Suurin avoin kysymys liittyy dataan: kenelle kuuluu mittausaineisto, kun se syntyy ulkoisen pilvimallin perusteluketjussa eikä tehtaan omassa valvomossa?