Audi testuje mobilne humanoidy firmy Agile Robots do sekwencjonowania części w swoim Production Lab w Ingolstadt. Projekt ogłoszono 21 października na konferencji GTC w Berlinie, a uczestniczą w nim także Dassault Systèmes i NVIDIA. Audi jest kolejnym europejskim producentem samochodów, który wprowadza humanoida do logistyki wewnętrznej — i kolejnym, który robi to na etapie proof of concept, bez podanych wyników.
Najważniejsze w skrócie
- Zadanie: pobieranie komponentów z pojemników i układanie ich w kolejności pod montaż
- Roboty łączą manipulację dwuręczną i zasięg na wysokości człowieka z bazą mobilną
- Operacje zaopatrzenia materiałowego Audi obejmują około miliona pobrań dziennie — to skala istniejącego procesu, nie wydajność robotów
- Cyfrowy bliźniak w DELMIA na platformie 3DEXPERIENCE korzysta z bibliotek NVIDIA Omniverse
- Ogłoszenie opisuje proof of concept, bez wyników liczbowych i bez harmonogramu wdrożenia w całym zakładzie
Na czym polega sekwencjonowanie części?
Linia montażowa potrzebuje konkretnych komponentów w konkretnej kolejności, zgodnej z wariantem auta, który właśnie przez nią jedzie. Części przychodzą jednak do zakładu luzem, w dużych pojemnikach zbiorczych.
Między jednym a drugim stoi człowiek, który wyjmuje elementy z pojemnika i układa je na wózku albo w kasecie w kolejności montażu. Ta operacja nazywa się sekwencjonowaniem i w logistyce samochodowej jest jednym z najbardziej pracochłonnych kroków.
Według ogłoszenia Audi operacje zaopatrzenia materiałowego obejmują około miliona pobrań dziennie. To liczba opisująca dzisiejszy proces, nie przepustowość, jaką pokazały roboty.
Ale pojawia się problem: części w pojemniku leżą nieposortowane, w losowej orientacji, a część z nich jest wiotka i zmienia kształt przy chwytaniu.
I właśnie taki zestaw warunków — zmienne, elastyczne i nieposortowane komponenty w istniejącym środowisku logistycznym — partnerzy wskazują jako cel projektu.
Co dokładnie robi robot?
Maszyny Agile Robots łączą trzy cechy, które razem są warunkiem wykonania tego zadania. Manipulacja dwuręczna (bimanual manipulation) pozwala przytrzymać pojemnik albo element jedną ręką i operować drugą. Zasięg na wysokości człowieka obejmuje regały i pojemniki zaprojektowane pod pracownika. Baza mobilna pozwala dojechać do kolejnego stanowiska, zamiast pracować w jednym gniazdzie.
To ostatnie jest istotną różnicą względem klasycznej automatyzacji. Stacjonarne ramię przemysłowe wymaga, żeby materiał przyjechał do niego. Mobilny humanoid wpisuje się w układ hali zaprojektowany dla ludzi, bez przebudowy.
Audi wnosi do projektu wymagania sekwencjonowania i wiedzę operacyjną. Dassault Systèmes i NVIDIA odpowiadają za warstwę testów wirtualnych.
Po co do tego cyfrowy bliźniak?
Partnerzy budują cyfrowego bliźniaka w DELMIA na platformie 3DEXPERIENCE, korzystając z bibliotek NVIDIA Omniverse. Model ma obsłużyć kontrolę wykonalności, taktu, ergonomii i bezpieczeństwa przed szerszym wdrożeniem.
Każdy z tych czterech punktów odpowiada innemu rodzajowi ryzyka. Wykonalność to pytanie, czy robot w ogóle dosięgnie wszystkich pozycji w pojemniku. Takt decyduje, czy zdąży przed kolejnym autem na linii. Ergonomia dotyczy stanowiska współdzielonego z ludźmi. Bezpieczeństwo to warunek dopuszczenia maszyny do pracy wśród pracowników.
Testowanie tego na hali oznacza zajmowanie realnej linii produkcyjnej. W symulacji można to sprawdzić równolegle i taniej, choć zostaje klasyczny problem przeniesienia wyników z symulacji na fizyczny sprzęt, czyli sim-to-real.
To uproszczony przebieg zbudowany na opisie zadania z ogłoszenia, a nie dokumentacja działającej instalacji.
Dlaczego branża motoryzacyjna zaczyna właśnie od sekwencjonowania?
Projekt Audi nie jest odosobniony. Najbliższą paralelą jest projekt BMW z robotem Figure 03 w zakładzie w Spartanburgu, gdzie zadanie jest praktycznie identyczne: pobieranie nieposortowanych komponentów z dużych pojemników i wkładanie ich do wózków, które jadą dalej na montaż. BMW prowadzi też projekt z humanoidem AEON firmy Hexagon w Lipsku, obejmujący między innymi produkcję komponentów i montaż baterii wysokonapięciowych.
Boston Dynamics realizuje ten sam przypadek użycia z robotem Atlas w Robotics Metaplant Application Center na kampusie produkcyjnym Hyundai Motor Group w Georgii. Centrum otwarto we wrześniu, z początkowym naciskiem właśnie na sekwencjonowanie części samochodowych. Plan Hyundaia przewiduje wdrożenie fabryczne od 2028 roku, więc dzisiejsza praca jest treningiem przed produkcyjnym użyciem.
Zbieżność nie jest przypadkowa. Sekwencjonowanie jest powtarzalne, ale nie na tyle, by opłacało się pod nie budować dedykowaną maszynę. Nie wymaga precyzji montażu, odbywa się obok linii, a nie na niej, więc błąd robota nie zatrzymuje produkcji. Do tego istniejące stanowiska są już zaprojektowane pod ludzki zasięg, co usuwa koszt przebudowy hali.
Warto też zauważyć, czego w tym zestawie nie ma. Żaden z tych projektów nie stawia humanoida na samej linii montażowej, gdzie takt jest sztywny, a pomyłka zatrzymuje produkcję całej zmiany. Logistyka wewnętrzna jest buforem, w którym opóźnienie można nadrobić, i to ona jest dziś faktycznym poligonem.
Co znaczą te nazwy?
Cztery pojęcia, bez których to ogłoszenie czyta się jak zbiór nazw własnych:
- Sekwencjonowanie — układanie części w kolejności montażu dla konkretnego egzemplarza auta. Odpowiednik kompletowania zamówienia w magazynie, tylko że kolejność narzuca linia produkcyjna.
- Proof of concept — pilotaż sprawdzający, czy rozwiązanie w ogóle działa w danym otoczeniu. Nie oznacza decyzji o zakupie ani harmonogramu wdrożenia.
- Cyfrowy bliźniak — wirtualna kopia stanowiska, w której można przetestować przebieg zadania bez zajmowania hali. Odpowiednik środowiska testowego przed wdrożeniem na produkcję.
- DELMIA na 3DEXPERIENCE — oprogramowanie Dassault Systèmes do planowania i symulacji procesów produkcyjnych, w którym ten bliźniak jest zbudowany.
Rozróżnienie między drugim a trzecim punktem decyduje o tym, jak czytać komunikat: testy przechodzą najpierw w symulacji, a dopiero potem rozstrzyga się, czy robot wchodzi na halę szerzej.
Czy to już działa?
Nie, to proof of concept. Ogłoszenie z 21 października opisuje projekt pilotażowy w Production Lab w Ingolstadt, bez wyników wydajnościowych i bez harmonogramu wdrożenia w całym zakładzie. Cyfrowy bliźniak ma dopiero wspierać kontrole przed szerszym użyciem, co samo w sobie oznacza, że decyzja o skalowaniu nie została podjęta.
Nie podano też, ile robotów bierze udział w testach, jaki udział zadań wykonują samodzielnie ani jak często potrzebują człowieka. Milion pobrań dziennie to parametr dzisiejszego procesu ludzkiego, a nie zmierzona przepustowość maszyn.
Dlaczego to ważne?
Europejska motoryzacja przechodzi od pokazów do pilotaży na realnych stanowiskach, i to w logistyce, nie na linii montażowej. Wybór zadania mówi tu więcej niż specyfikacja robota: producenci szukają miejsca, w którym humanoid może się mylić bez zatrzymywania produkcji. Dopóki ogłoszenia nie zawierają taktu i udziału autonomii, pozostają potwierdzeniem kierunku, nie dowodem opłacalności.
Co dalej?
- Kolejnym sprawdzalnym krokiem są wyniki z cyfrowego bliźniaka — wykonalność, takt, ergonomia i bezpieczeństwo mają być weryfikowane przed szerszym wdrożeniem
- Boston Dynamics trenuje Atlasa na tym samym zadaniu w centrum przy kampusie Hyundai Motor Group, a plan przewiduje wdrożenie fabryczne od 2028 roku
- Brak harmonogramu rozszerzenia projektu Audi poza Production Lab w Ingolstadt





