Autonomiczne roboty mobilne (AMR) są często reklamowane ze względu na swoją elastyczność, ponieważ nie wymagają niestandardowej infrastruktury, nadajników ani torów do podążania trasami. Zazwyczaj działają one w oparciu o wstępnie zaprogramowane trasy, które mogą być trenowane za pomocą różnych metod nawigacji. Najszybszym i najprostszym sposobem na uruchomienie AMR jest metodologia "Naucz i powtarzaj". Podejście to, dostępne wyłącznie w aplikacjach zrobotyzowanych obsługujących BrainOS®(szorowarki, skanery i holowniki dostawcze), polega na tym, że operator najpierw prowadzi maszynę na trasie czyszczenia, umożliwiając maszynie utworzenie "pamięci" ścieżki, która jest następnie przechowywana w robocie i udostępniana jako wstępnie zaprogramowane trasy. Umożliwia to robotowi bezpieczną i autonomiczną pracę, zaczynając od wyznaczonego "znacznika domowego", gdziekolwiek szorowarka jest rozmieszczona (sklepy detaliczne i spożywcze, lotniska, centra handlowe, kampusy).

Metodologia Teach & Repeat do zarządzania aplikacjami zrobotyzowanymi oferuje trzy kluczowe korzyści dla klientów końcowych, w tym 1) łatwość szkolenia nowych operatorów, 2) szybkie ustawianie i resetowanie tras oraz 3) elastyczność operacyjną.

1. Szybkie szkolenie nowych operatorów
Rozważając wdrożenie zrobotyzowanego programu automatyzacji, dyrektorzy operacyjni i zarządzający obiektami często martwią się, że będą musieli zatrudnić wyspecjalizowanych techników do szkolenia i obsługi robotów. W przypadku robotów, które wykorzystują metodologię Teach & Repeat, dosłownie każdy pracownik może zostać operatorem robota, niezależnie od jego wykształcenia technicznego. Nie tylko uwalnia to pracodawców od stresu związanego ze znalezieniem pracowników technicznych, ale także daje obecnym pracownikom cenną nową umiejętność i odpowiedzialność, zwiększając satysfakcję z pracy.

Wdrożenie niektórych aplikacji zrobotyzowanych może zająć tygodnie, a nawet miesiące, ze względu na trudność szkolenia, więc korzyść ze szkolenia operatorów w mniej niż jeden dzień ma znaczący wpływ na zwrot z inwestycji. Inne metody szkolenia robotów mogą wymagać specjalistycznych umiejętności lub kosztownego zaangażowania profesjonalnych usługodawców. W przypadku robotów wykorzystujących metodologię Teach & Repeat, takich jak te obsługiwane przez BrainOS, pracownicy mogą stać się operatorami robotów w ciągu jednego dnia i mogą łatwo zmieniać trasy w locie. Im szybciej pracownicy zaczną obsługiwać roboty, tym szybciej uzyskają pozytywny finansowy zwrot z inwestycji (ROI).

2. Łatwe tworzenie nowych tras
Roboty, które wymagają pomocy technicznej do wyznaczania tras, nie są odpowiednie dla firm, które często zmieniają układy podłóg, takich jak sklepy detaliczne i spożywcze lub magazyny. Dzięki funkcji Teach & Repeat operatorzy robotów mogą szybko wskoczyć na swoje roboty (na przykład w przypadku szorowarki samojezdnej) i wyznaczyć nową trasę, którą można od razu wykorzystać. Czekanie, aż inżynierowie lub inni eksperci technologiczni przyjadą na miejsce, aby wyznaczyć nową trasę, może zająć tygodnie, powodując, że roboty będą w międzyczasie siedzieć i zbierać kurz. Na przykład, jeśli sklep spożywczy miałby zdjąć ekspozycję promocyjną lub zmienić układ sekcji produktów, może skorzystać z podejścia Teach and Repeat, aby przeszkolić aplikację robotyczną na nowej trasie i uruchomić ją w ciągu tego samego ranka lub popołudnia. Ta zaleta pomaga utrzymać wydajną pracę sklepów przy jednoczesnym maksymalnym wykorzystaniu programu robotyki.

3. Dostosowanie tras do potrzeb operacyjnych
W przypadku dynamicznych środowisk publicznych kluczowe znaczenie ma elastyczność podczas uruchamiania tras AMR. Jeśli na przykład pewna alejka spożywcza jest uzupełniana w określonym czasie, operator robota może użyć funkcji Teach and Repeat, aby łatwo wybrać trasę lub sekwencję tras, które omijają te sekcje, jednocześnie zajmując się innymi w sklepie. Możliwość wyboru pojedynczej trasy lub wielu kolejnych tras zapewnia operatorom możliwość podejmowania decyzji w oparciu o potrzeby operacyjne w danym dniu.

W przypadku robotów AMR, które korzystają z innych systemów mapowania, wstrzymywanie tras i poświęcanie robotom uwagi lub pomocy może być trudne. Często, gdy roboty te potrzebują więcej płynu do czyszczenia, obiekt jest usuwany z ich ścieżki lub trasy muszą być całkowicie ponownie uruchamiane, tracąc cenny czas. Dzięki funkcji Teach & Repeat robot może zwrócić na siebie uwagę w połowie trasy i kontynuować ją od miejsca, w którym ją przerwał.

Metodologia Beyond the Technology
Teach & Repeat została zaprojektowana tak, aby wdrażanie i obsługa robotów AMR w środowiskach komercyjnych była szybsza, łatwiejsza i mniej frustrująca niż w przypadku złożonych systemów mapowania. Jest to nie tylko korzystne finansowo dla dyrektorów lub właścicieli firm, którzy decydują się na inwestowanie w robotykę, ale także dla kierowników sklepów lub magazynów oraz pracowników obsługujących roboty, ułatwiając im pracę i zwiększając jej wydajność.

Metodologia ta sprawia, że osoby o dowolnym poziomie przygotowania technicznego mogą stać się biegłe w obsłudze i szkoleniu robotów AMR w ciągu zaledwie kilku godzin. Nie tylko oszczędza to czas firm podczas procesu szkolenia, w porównaniu z innymi programami robotycznymi, które są skomplikowane i wymagają tygodni na wdrożenie pracowników, ale także pozwala pracownikom być bardziej wydajnymi i produktywnymi w przyszłości. Tworzenie nowych tras za pomocą Teach & Repeat jest tak proste, jak ręczne przejechanie robota nową ścieżką i powrót do znacznika początkowego, bez konieczności korzystania z zewnętrznej pomocy technicznej lub skomplikowanego mapowania cyfrowego. Inwestowanie w roboty wykorzystujące tę metodologię oznacza, że roboty mogą wykonywać zadania w dynamicznych środowiskach, umożliwiając firmom kontynuowanie działalności i unikanie przestojów, a tym samym osiąganie szybszego zwrotu z inwestycji.

Brain Corp oferuje technologię Teach & Repeat poprzez swoją pionierską platformę oprogramowania robotycznego, BrainOS, która obecnie zasila największą flotę robotów AMR działających w dynamicznych środowiskach publicznych.