מה התחרות ביקשה מהרובוטים לעשות
בפעולות-איסוף במחסן, מערכות כמו הרובוטים הניידים שפיתחה Kiva Systems (שאמזון רכשה ב-2012 ומאוחר יותר שינתה את שמה ל-Amazon Robotics) כבר ידעו להזיז מדפים שלמים אל עובד אנושי. מה שנשאר בידי אדם היה השלב הבא: לשלוף פריט בודד ומדויק מתוך המדף ולהניחו במכל. תחרות האיסוף של אמזון נועדה, לפי מאמר-הסיכום האקדמי הראשון עליה, לספק לקהילת המחקר הרובוטי בעיה-אתגר שמשלבת תפיסה חזותית, תכנון-תנועה, תכנון-אחיזה ותכנון-משימה יחד — לקראת המטרה ארוכת-הטווח של אוטומציה מלאה של מחסן. לא הייתה זו תחרות-סטארט-אפ עם פרס-כסף מרכזי שהתפרסם בציבור, אלא זירת-מחקר אקדמית שקיבלה גם תמיכת-חומרה מיצרנים מסחריים.
המהדורה הראשונה: סיאטל, 2015
התחרות הראשונה נערכה בשני ימים, בכנס ICRA 2015 בסיאטל. 26 קבוצות התמודדו: לכל רובוט ניתנו 20 דקות לשלוף 12 פריטי-יעד מתוך מדף, כשהניקוד נע בין 10 נקודות לפריט במשבצת בודדת ל-20 נקודות לפריט במשבצת עם שלושה פריטים או יותר, בקיזוז על פריט שנפל או ניזוק. הקבוצה המנצחת, RBO מהאוניברסיטה הטכנית של ברלין (Technische Universität Berlin), שלפה 10 פריטים נכונים ואחד שגוי, ב-148 נקודות; קבוצת MIT הגיעה למקום השני עם שבעה פריטים נכונים, 88 נקודות. בסך-הכול, מתוך כל 26 הקבוצות, נאספו 36 פריטים נכונים, נפלו ארבעה, ונשלפו שבעה פריטים שגויים.
2016: גם לאחסן, לא רק לשלוף
במהדורה השנייה, ב-2016, נוספה למשימת השליפה גם משימת אחסון — הנחת פריטים חדשים על המדף. הזוכה, קבוצת Team Delft מהאוניברסיטה הטכנית של דלפט, ניצחה בשתי המשימות גם יחד, בעזרת זרוע תעשייתית, מצלמות תלת-ממד ותפסן ייעודי שהיא בנתה בעצמה, בשילוב ראייה-ממוחשבת ולמידה עמוקה לזיהוי עצמים, הערכת תנוחה ותכנון-אחיזה.
2017: שינוי שם, גמר חדש, וקבוצה אוסטרלית
ב-2017 שינתה אמזון את שם התחרות ל-Amazon Robotics Challenge, והוסיפה סבב-גמר חדש: מתוך 16 קבוצות, שמונה המובילות התמודדו בגמר. קבוצת Cartman, מהמרכז האוסטרלי לראייה רובוטית (ACRV) באוניברסיטת קווינסלנד לטכנולוגיה (QUT), זכתה במקום הראשון עם רובוט קרטזי זול-במיוחד שבנתה בעצמה: היא אחסנה 14 מתוך 16 פריטים ושלפה את כל תשעת פריטי-המבחן תוך 27 דקות, ב-272 נקודות. באותה מהדורה, קבוצה משותפת של MIT ופרינסטון זכתה במקום הראשון במשימת האחסון הספציפית, בזכות שיטה שמשלבת זיהוי-אחיזה-רב-ערוצי עם התאמת-תמונות.
למה זה נחשב קשה כל-כך
האתגר במחסן שונה מהותית מהאתגר בקו-ייצור: הרובוט אינו יודע מראש אילו עצמים יעמדו מולו, בכמה הם ייארזו זה לצד זה, ובאיזו תנוחה. מאמר שדן במערכת הקבוצה השנייה, NimbRo מאוניברסיטת בון, מציין שהאתגר המרכזי בתחרות 2017 היה דווקא הצגת קטגוריות-עצמים חדשות שהקבוצות לא ראו קודם — כלומר הצלחה נמדדה לא רק בדיוק אלא ביכולת להכליל. זהו בדיוק הקושי שערך אחיזה רובוטית הקיים באתר עוסק בו לעומק: להחליט היכן להניח את האצבעות סביב עצם שמעולם לא נראה.
המורשת: ממה שלמדו לספרות המחקר של היום
אף אחת מהמערכות המנצחות לא פורסמה כמוצר מסחרי — התחרות הייתה בעיית-מחקר, לא תחרות-סטארט-אפ. אבל השיטות שפותחו בה — מאגרי-אימון סינתטיים, תפסנים היברידיים (יניקה בשילוב אצבעות), וזיהוי-אחיזה מבוסס-למידה-עמוקה — הפכו לחלק סטנדרטי בספרות שממשיכה עד היום. קבוצת KTH מסטוקהולם, שהתמודדה בגמרי 2015 ו-2016, בנתה את מערכת-הבקרה שלה על מבנה Behavior Tree — עדות לכך שהתחרות שימשה זירת-מבחן גם לשיטות-בקרה, לא רק לתפיסה חזותית. תחרות-מחקר אחרת שהתקיימה באותן שנים, אתגר הרובוטיקה של DARPA (DARPA Robotics Challenge), בחנה את הקצה ההפוך של אותה שאלה — לא שליפת פריט ממדף מסודר אלא רובוט שנדרש לתפקד בתוך מבנה הרוס שתוכנן לבני-אדם — וגם ממנה לא יצא מוצר מסחרי אלא ספרות-מחקר.