არსებობს სამუშაოები, რისთვისაც ადამიანის სხეული უბრალოდ არ არის განკუთვნილი. სატვირთო მანქანების და კონტეინერების განტვირთვა განმეორებადი, დამქანცველი ამოცანაა – და ეს არის მთავარი მიზეზი იმისა, თუ რატომ არის საწყობებში ტრავმების მაჩვენებელი ორჯერ მეტი, ვიდრე ეროვნული საშუალო. Pickle Robot Company-ს სურს, რომ ეს მძიმე სამუშაო მისმა მანქანებმა შეასრულონ. კომპანიის ერთხელა რობოტები ავტონომიურად ტვირთავენ მისაბმელებს, იღებენ ყუთებს, რომლებიც 50 ფუნტამდე (დაახლოებით 22.7 კგ) იწონის, და განათავსებენ მათ ბორტ კონვეიერებზე სხვადასხვა ტიპის საწყობებისთვის. კომპანიის სახელი, რომელიც Apple Computer Company-ის პატივისცემას გამოხატავს, მიანიშნებს დამფუძნებლების, ეი ჯეი მაიერის (AJ Meyer ’09), არიანა ეიზენშტეინის (Ariana Eisenstein ’15, SM ’16) და დენ პალუსკას (Dan Paluska ’97, SM ’00) ამბიციებზე. დამფუძნებლებს სურთ, რომ კომპანია მიწოდების ჯაჭვის ავტომატიზაციის ტექნოლოგიური ლიდერი გახდეს. კომპანიის განმტვირთავი რობოტები აერთიანებენ გენერაციულ AI-ს (ხელოვნურ ინტელექტს) და მანქანური სწავლის ალგორითმებს სენსორებთან, კამერებთან და მანქანური ხედვის პროგრამულ უზრუნველყოფასთან, რათა პირველივე დღიდან შეძლონ ახალ გარემოში ნავიგაცია და დროთა განმავლობაში გააუმჯობესონ შესრულება. კომპანიის აპარატურის დიდი ნაწილი ადაპტირებულია სამრეწველო პარტნიორებისგან. მაგალითად, შესაძლოა, მკლავი ამოიცნოთ მანქანების საწარმოო ხაზებიდან – თუმცა, შესაძლოა, ის ასეთ კაშკაშა, „მწნილისფერ“ მწვანეში არ გინახავთ. კომპანია უკვე მუშაობს ისეთ მომხმარებლებთან, როგორებიცაა UPS, Ryobi Tools და Yusen Logistics, რათა საწყობის მუშაკებს ტვირთი შეუმსუბუქოს და მათ მიწოდების ჯაჭვის სხვა პრობლემების გადაჭრის შესაძლებლობა მისცეს. „ადამიანები ნამდვილად კარგები არიან იშვიათი შემთხვევების პრობლემების გადაჭრაში, რობოტები კი არა“, – ამბობს პალუსკა. „როგორ შეუძლია რობოტს, რომელიც ძალიან კარგია უხეში ძალისმიერი, განმეორებადი ამოცანების შესრულებაში, ადამიანებთან ურთიერთობა უფრო მეტი პრობლემის გადასაჭრელად? ადამიანის სხეული და გონება იმდენად ადაპტირებადია, გარემოს შეგრძნებისა და მასზე რეაგირების გზა იმდენად ადაპტირებადია, და რობოტები ამას მალე არ ჩაანაცვლებენ. მაგრამ არსებობს იმდენი რუტინული სამუშაო, რომლისგანაც შეგვიძლია თავის დაღწევა.“ **რობოტებისთვის პრობლემების პოვნა** მაიერმა და ეიზენშტეინმა MIT-ში კომპიუტერული მეცნიერება და ელექტროინჟინერია შეისწავლეს, მაგრამ ერთად არ უმუშავიათ დამთავრებამდე, სანამ მაიერმა არ დააარსა ტექნოლოგიური საკონსულტაციო კომპანია Leaf Labs, რომელიც სპეციალიზებულია ჩაშენებული კომპიუტერული სისტემების შექმნაში ისეთი რაღაცებისთვის, როგორიცაა რობოტები, მანქანები და თანამგზავრები. „MIT-ის უამრავი მეგობარი მართავდა ამ მაღაზიას“, – იხსენებს მაიერი და აღნიშნავს, რომ ის დღესაც ფუნქციონირებს. „არი იქ მუშაობდა, დენი კონსულტაციას უწევდა და ჩვენ რამდენიმე მსხვილ პროექტზე ვმუშაობდით. ჩვენ ვიყავით მთავარი პროგრამული უზრუნველყოფის და ციფრული დიზაინის გუნდი Project Ara-ს, Google-ის სმარტფონის, უკან და ვმუშაობდით უამრავ საინტერესო სამთავრობო პროექტზე. ეს ნამდვილად ცხოვრების სტილის კომპანია იყო MIT-ის სტუდენტებისთვის. მაგრამ 10 წელი გავიდა და ვიფიქრეთ: „ამ საქმეში კონსულტაციისთვის არ მოვსულვართ. ამ საქმეში რობოტებისთვის მოვსულვართ.““ როდესაც მაიერმა 2009 წელს დაამთავრა, რობოტის მოხერხებულობის მსგავსი პრობლემები გადაულახავი ჩანდა. 2018 წლისთვის ალგორითმული მიდგომების, როგორიცაა ნეირონული ქსელები, აღმასვლამ დიდი წინსვლა მოუტანა რობოტულ მანიპულაციასა და ნავიგაციას. იმის გასარკვევად, თუ რა პრობლემა გადაეჭრათ რობოტების დახმარებით, დამფუძნებლები ესაუბრნენ ადამიანებს ისეთ მრავალფეროვან ინდუსტრიებში, როგორიცაა სოფლის მეურნეობა, საკვების მომზადება და სტუმართმოყვარეობა. რაღაც მომენტში მათ დაიწყეს ლოგისტიკური საწყობების მონახულება, თან წამზომი ჰქონდათ, რათა ენახათ, რამდენი დრო სჭირდებოდა მუშებს სხვადასხვა ამოცანის შესასრულებლად. „2018 წელს ჩვენ წავედით UPS-ის საწყობში და ვუყურებდით 15 ბიჭს, რომლებიც ზამთრის ღამის ცვლაში ტვირთავდნენ სატვირთო მანქანებს“, – იხსენებს მაიერი. „ყველას ვესაუბრეთ და არც ერთ ადამიანს იქ 90 დღეზე მეტი არ უმუშავია. ვკითხეთ: „რატომ არა?“ მათ გაგვიცინეს. თქვეს: „ოდესმე გიცდიათ ეს სამუშაო?““ აღმოჩნდა, რომ საწყობებში კადრების ცვლა ინდუსტრიის ერთ-ერთი ყველაზე დიდი პრობლემაა, რაც ზღუდავს პროდუქტიულობას, რადგან მენეჯერები მუდმივად ებრძვიან დაქირავების, ადაპტაციის და ტრენინგის საკითხებს. დამფუძნებლებმა მოიძიეს საწყისი დაფინანსება და ააშენეს რობოტები, რომლებსაც ყუთების დახარისხება შეეძლოთ, რადგან ეს უფრო მარტივი პრობლემა იყო, რაც მათ საშუალებას აძლევდა ემუშავათ ისეთ ტექნოლოგიებთან, როგორიცაა მჭიდები და შტრიხკოდების სკანერები. მათი რობოტები საბოლოოდ მუშაობდნენ, მაგრამ კომპანია საკმარისად სწრაფად არ იზრდებოდა, რომ მომგებიანი გამხდარიყო. უარესი ის იყო, რომ დამფუძნებლებს ფულის მოძიება უჭირდათ. „სასოწარკვეთილად ცოტა სახსრები გვქონდა“, – იხსენებს მაიერი. „ამიტომ ვიფიქრეთ: „რატომ დავხარჯოთ ჩვენი ბოლო დოლარი გასახურებელ ამოცანაზე?““ სახსრების შემცირებასთან ერთად, დამფუძნებლებმა ააშენეს კონცეფციის დამადასტურებელი რობოტი, რომელსაც შეეძლო სატვირთო მანქანების საიმედოდ განტვირთვა დაახლოებით 20 წამის განმავლობაში და მისი ვიდეო YouTube-ზე გამოაქვეყნეს. ასობით პოტენციური მომხმარებელი დაუკავშირდა მათ. ინტერესი საკმარისი აღმოჩნდა ინვესტორების დასაბრუნებლად და კომპანიის სიცოცხლის შესანარჩუნებლად. კომპანიამ თავისი პირველი განმტვირთავი სისტემა ერთი წლის განმავლობაში საცდელად გამოიყენა კალიფორნიის უდაბნოში მყოფ მომხმარებელთან, რითაც ადამიანები დატვირთვისგან იხსნა.