ÉlőUtoljára: 56 perceMa: 1
Üzlet & Startupfrissítve: 18:10

Haditengerészeti munkaerőhiányra válaszol a GrayMatter Robotics új AI-rendszere

A GrayMatter Robotics szerint az autonóm felületkezelő rendszerek pótolhatják a haditengerészeti ipar 174 000 fős munkaerőhiányát, javítva a harci egységek készrejelentését.

Haditengerészeti munkaerőhiányra válaszol a GrayMatter Robotics új AI-rendszere
Fotó: Sergey Koznov / Unsplash
forrás: The Robot Report·AI Forradalom szerk.·
Megosztás

A munkaerőhiány és a fluktuáció a védelmi gyártásban mérhető, és hatásuk a készrejelentési adatokban is megmutatkozik. Az Amerikai Hadsereg 2024-ben 45 repülőgép-flotta közül 42 esetében nem érte el a célokat, nagyrészt a képzett karbantartó munkások hiánya miatt — állítja a Government Accountability Office (GAO) márciusi jelentése. A felületelőkészítés és -kikészítés, amely a javítási munkálatok előtti kritikus lépés, ipari kapacitási problémát jelent. Ariyan Kabir, a GrayMatter Robotics társalapítója és vezérigazgatója szerint a depó létesítmények olyan követelményeket támasztanak, amelyekre a legtöbb automatizálási platform nem volt tervezve, de az ő élre telepített fizikai AI architektúrájukat eleve ezekre a korlátokra építették. (The Robot Report)

Mire képes a modell

A depó-szintű karbantartás speciális munka a védelmi iparban. Egy vadászrepülőgép futóművének vagy egy hadihajó felületének előkészítése jelentős időt igényel a szakértők megszerzéséhez. Mivel az új munkatársak betanítása négy-hat hónapig tart, a jelenlegi munkaerő-utánpótlás nem tudja pótolni a távozókat. A felületelőkészítés a munkafolyamat rejtett korlátja: a felületeket specifikáció szerint kell előkészíteni, mielőtt új rendszereket telepítenek vagy korróziógátló bevonatokat alkalmaznak.

Kapcsolódó: AI-központú amerai katonai stratégia

A hajóépítés munkaerőhiánya mélyebb a toborzásnál: az Amerikai Haditengerészet saját felmérése szerint a következő évtizedben 174 000 új munkásra lesz szükség. Egy vezető tengerészeti civil tiszt szerint az elsőéves hajóépítő munkások 50-60%-a még az első évük befejezése előtt otthagyja a céget. A fizikai AI-alapú felületkezelő rendszerek növelhetik a termelési kapacitást anélkül, hogy meghosszabbítanák a képzési időt — állítja a GrayMatter Robotics.

Kapcsolódó: Ázsiai robotikai trend

Partnerek és programok

A GrayMatter Robotics és a Huntington Ingalls Industries (HII) 2026 áprilisában állapodott meg a fizikai AI integrálásáról a hajóépítési programokba. A HYPR (High-Yield Production Robotics) program, amely a HII és a Path Robotics közös kezdeményezése, szintén 2026 áprilisában indult, hogy autonóm összeszerelő sorokat építsenek hajók és tengeralattjárók számára.

Kapcsolódó: Robotgyártás növekedése

A hagyományos automatizálás nem tudott megbirkózni a depó munkáival, mivel az alkatrészek jelentős geometriai változatosságot mutatnak, ellentétben a gyári gyártással. A hagyományos robotrendszerek előre programozott útvonalakat igényeltek, ami az árutermelésben működik, de megtörik, ha nincs két egyforma feladat. A GrayMatter szerint rendszereik millió számítógépes felületi interakciókon tanult folyamatismerettel kezelik a variabilitást, ami lehetővé teszi a geometriától független felületkezelést depó méretben.

Kapcsolódó: Meta humanoid robotokkal

Az AFWERX SBIR Phase II program kiválasztotta a GrayMatter Robotics-ot autonóm rendszerek fejlesztésére a védelmi gyártás számára. A haditengerészet 12 döntőst nevezett meg a depó karbantartási hatékonysági kihívására, köztük a GrayMatter Robotics-ot, a HII-t és a Path Robotics-ot, amelyek a HYPR programot is létrehozták. Ezek a kiválasztások a Védelmi Minisztérium beszerzési válaszait jelzik a készrejelentési adatokban már látható veszteségekre.

Kapcsolódó: AI-ügynökök megbízhatósága

A GrayMatter szerint a tapasztalt depótechnikusok évtizedes tudással rendelkeznek, amelyet a négy-hat hónapos képzési ciklus csak részben tud átadni. A depó karbantartási szerződéses partnerei ezért az autonóm felületkezelő rendszereket a munkafolyamat elejére helyezik, ahol a munkaerőhiány a legkritikusabb, és ahol a következetes, megismételhető kimenetnek van a legnagyobb utóhatása.

Forrás

Feldolgozott sajtóforrás·The Robot Report

Eredeti cikk megnyitása →

Ez a cikk a fenti sajtóforrás alapján készült AI-összefoglalóval.

tetszett a cikk? oszd meg →
Megosztás

Tetszik az oldal? Támogasd a fejlesztést

Az AI Forradalom egy automatizált pipeline: napi adatgyűjtés, LLM-feldolgozás és infrastruktúra fenntartása valódi költségekkel jár. Ha értékesnek találod a tömör, naprakész AI-összefoglalókat, egy kávé sokat segít.

Támogatom