AI-система для роботів сфери обслуговування (HoReCa, ритейл)
Сервісні роботи для ресторанів, готелів та магазинів працюють в умовах постійного контакту з людьми. Це накладає жорсткі вимоги на соціальну поведінку, передбачуваність рухів та взаємодію з персоналом. Технічно — це SLAM + social navigation + task planning, об'єднані через единину систему управління.
Типологія задач по вертикалям
Ресторани та кафе:
- Доставка блюд від кухні до столиків (Butler, BellaBot-стиль)
- Збір брудного посуду зі столиків
- Зустріч гостей та проводка до столика (hostess robot)
Готелі:
- Доставка amenities (рушники, зубні щітки) у номери
- Доставка room service замовлень
- Ассистент на рецепції: відповіді на питання, видача карточок-ключів
Ритейл:
- Інвентаризація полиць (Simbe Tally-стиль)
- Прибирання торгового залу (Avidbots ARIA)
- Ассистент покупця: навігація по магазину, пошук товару
Кожен сценарій вимагає різного балансу автономії й передбачуваності.
Соціальна навігація
Ключова проблема не технологічна — юридична й психологічна: люди мають довіряти роботу. Для цього руху мають бути зрозумілими й передбачуваними.
Моделі соціального руху:
- Social Force Model (Helbing, 1995) — класика, швидкий baseline
- ORCA з соціальними вагами — реальний час, добре масштабується
- LSTM-based trajectory prediction (Social LSTM, CIDNN) — найкращий результат, потребує GPU
Практичний підхід: ORCA для реактивного уникнення + LSTM-предиктор для проактивного маневру (робот починає маневр за 3-5 секунд, не за 0.5 секунди як реактивний).
Параметри соціальної навігації:
- Мінімальна дистанція до людини: 0.6 м (границя intimate zone)
- Максимальна швидкість в людних місцях: 0.5-0.8 м/с
- Зупинка при < 0.4 м до будь-якого об'єкту
- Пріоритет пропуску: діти > пожилі > дорослі
Task Management System
Роботи в HoReCa отримують завдання з операційних систем:
- Ресторан: POS-система (iiko, r_keeper, Square) → REST API → Task Queue → Robot
- Готель: PMS (Opera, Protel) → Middleware → Robot Fleet Controller
- Ритейл: WMS / ERP → Event Stream → Robot Scheduler
Task planning використовує multi-criteria оптимізацію: відстань + пріоритет завдання + рівень заряду + поточна завантаженість зони. Алгоритм: модифікований Nearest Neighbor з look-ahead на 3-5 завдань вперед.
Людино-машинна взаємодія (HRI)
Екран, підсвітка та звук — ключові канали комунікації:
| Ситуація | Індикація |
|---|---|
| Рух до цілі | Зелена підсвітка, напрямок погляду екрана |
| Прохання уступити дорогу | Звуковий сигнал, анімація "жест рукою" |
| Чекання лифта | Мигаюча синя підсвітка |
| Низький заряд | Голосове повідомлення, жовта підсвітка |
| Доставка виконана | Анімація, звук, відкриття відсіку |
Голосовий інтерфейс: Whisper для speech-to-text, локальний LLM (Llama 3 8B quantized) для інтерпретації команд, TTS для відповідей. Весь NLU працює on-device для privacy.
Інтеграція з ліфтами й дверима
Вертикальна навігація — окрема складність. Інтеграція з системою управління ліфтів:
- KONE API / Otis Compass: стандартні IoT-інтерфейси для виклику ліфта
- Пожарні двері: Wiegand/OSDP протокол для тимчасового відкриття
- Автоматичні двері: додатковий IR-датчик або BLE-тригер
Для готелів: інтеграція з системою управління номерами для авторизації входу через BLE або RFID.
Моніторинг та аналітика
Операційний дашборд:
- Теплові карти зон найбільшої активності
- Heatmap часу очікування по столиках/номерам
- KPI: завдання за годину, % відхилених завдань, середній час виконання
Навчання на production даних: усі інциденти (ручне втручання, зіткнення, застревання) логуються й використовуються для fine-tuning навігаційної політики кожні 2-4 тижні.
Терміни розробки: MVP одного сценарію (напр., доставка блюд у ресторані) з 1-2 роботами — 3-4 місяці. Розширення на fleet + кілька сценаріїв + інтеграція з POS/PMS — 6-9 місяців.