СТАТЬИ - ЖУРНАЛ "MEAT INDUSTRY PRO"

Робот для захвата штучных продуктов: как Chef Robotics внедряет piece picking

Робот для захвата штучных продуктов все чаще появляется в разговорах технологов готовых блюд и мясопереработки. Самые нервные операции начинаются там, где сырье ведет себя непредсказуемо: куриная грудка разворачивается, котлета липнет, соусник уезжает под соседний компонент. Chef Robotics называет свой подход piece picking и делает ставку на захват из неструктурированных контейнеров, когда ингредиенты просто высыпают в тару без раскладки.
Робот для захвата штучных продуктов: как Chef Robotics внедряет piece picking

Piece picking против порционирования: где ломается классическая механика

До piece picking у Chef Robotics хорошо получалась другая часть задачи: робот набирает продукт и кладет порцию по весу или объему. В компании прямо говорят, что такой подход закрывает большую долю ингредиентов, которые удобно набирать совком или дозировать, от круп и пасты до соусов и рагу.
Проблема начинается, когда линия живет не граммами, а штуками и ориентацией. Один кусок масла в миску с пастой, три кусочка курицы в лоток, один соусник строго вертикально. Это уже не порционирование, а распознавание отдельных объектов, счет и управляемая укладка. Именно это Chef Robotics и оформляет как piece picking.

Как работает робот для захвата штучных продуктов в неструктурированных контейнерах

Зрение и сегментация: RGBD и расчет позы захвата

В основе piece picking у Chef Robotics компьютерное зрение и модели сегментации. Робот получает цветные данные и глубину с камер RGBD, отделяет один объект от другого в реальном времени, затем вычисляет плоскость поверхности, нормаль и оптимальную позу захвата, то есть позицию и ориентацию инструмента. Дальше робот поднимает объект и кладет в нужный отсек лотка или миски.
Ключевой момент именно в контейнере без порядка. Компания подчеркивает, что ингредиенты не требуется раскладывать в сингулированные лотки и не обязательно подавать на отдельный конвейер. Рабочий может просто высыпать продукт в тару, а робот достает из хаоса, стараясь не сдвигать соседние куски.

Захват под любым углом и укладка с ориентацией

В неструктурированной таре куски лежат под разными углами, и попытка поднять один меняет положение остальных. Chef Robotics заявляет, что их роботы берут объект под любым углом и при укладке контролируют ориентацию, например чтобы куриная грудка легла ровно, а соусник остался вертикальным.

Оснастка: вакуум, вентури и сменные насадки

Для piece picking у Chef Robotics заявлен пищевой вакуумный инструмент с эффектом Вентури. Идея в том, чтобы создать разрежение без затягивания влаги в систему, а заодно не угробить пневматику жиром, маслом и жидкими фракциями. В конструкции упоминается и фильтрация воздуха. Насадки предусмотрены под разные типы продукта, более жесткие и более нежные, с быстрой заменой без инструмента.
На рынке захват в белке вообще отдельная боль. В обзоре по односторонним пневматическим захватам для мясной индустрии вакуум называют самым практичным по удерживающему усилию и низкому риску повреждения, но с оговоркой про вариативность поверхности мяса и необходимость тонкой адаптации инструмента.
А у вакуумных захватов есть и типовые ограничения: зависимость от сжатого воздуха, дополнительные магистрали, мойка обвязки, а еще любовь к более гладким поверхностям. Для еды с неровной фактурой это не всегда подарок, поэтому выбор оснастки обычно упирается в продукт и допуски по следам на поверхности.

Где piece picking пытаются монетизировать прямо сейчас

Chef Robotics позиционирует piece picking шире, чем сборка готовых блюд. В релизе компании перечислены направления: meal assembly, работа с produce, мясная упаковка и выпечка.
Если разложить на привычные для технологов сценарии, получается несколько типовых зон:
  1. Линии готовых блюд и салатных китов, где в лотке важны счет, компоновка и внешний вид
  2. Укладка отдельных кусков белка и полуфабрикатов, где сырье влажное, разнокалиберное и часто хаотично в таре
  3. Работа с единичными пакетиками и стаканчиками, где важна ориентация и стабильная посадка в ячейку

Интеграция на линии: что обычно проверяют до пилота

Piece picking почти всегда упирается не в красивую демонстрацию, а в стык с реальной линией. На практике перед пилотом обычно смотрят на несколько блоков.
  1. Тара и подача
  2. 1.1) Насколько стабильно оператор высыпает продукт, какой слой, какая влажность
  3. 1.2) Хватает ли зоны доступа робота по всей гастроемкости или контейнеру
  4. Санитария и мойка
  5. 2.1) Материалы и чистопригодность оснастки, скорость смены присосок и насадок
  6. 2.2) Сертификация и требования площадки к оборудованию
  7. Точность укладки и качество
  8. 3.1) Допуски по следам на продукте, по смещению в ячейке, по перекосам соусников
  9. 3.2) Что считать браком и как это ловится, камерой, весами, человеком
Отдельная тема сертификация. На странице решений Chef Robotics указывается, что их модуль C 001748 сертифицирован по NSF ANSI 169, стандарту по пищевой безопасности и чистопригодности оборудования.

Цифры и сигналы рынка: кейсы, производство, деньги

В публичных материалах Chef Robotics часто показывает эффект через throughput, labor productivity и giveaway. Например, на кейсе Cafe Spice компания описывает рост скорости линии с 10 до 15 лотков в минуту до в среднем 30, снижение числа людей на линии с 8 до 10 до 3 до 4 и снижение giveaway на 67%, плюс рост приемки продукции до 91% против 75% у ручной сборки.
Масштабирование подкрепляют финансированием. В посте компании о раунде Series A говорится о привлечении 43,1 млн долларов в смеси equity и debt, а общий объем привлеченного капитала оценивается примерно в 65,6 млн, включая оборудование финансирование 26,75 млн через Silicon Valley Bank, подразделение First Citizens Bank.
Еще один маркер зрелости это накопленная эксплуатация. Business Insider со ссылкой на материалы компании писал, что роботы Chef Robotics развернуты на площадках в Северной Америке, работали почти с 2 000 ингредиентов и произвели более 44 млн порций.
А в интервью AgFunderNews основатель компании прямо привязывает устойчивость модели к данным из реальных внедрений, поскольку для еды сложно опереться на симуляции из за липкости, влажности и деформируемости продукта.
Технологии