Jedan od takvih zadataka je utovar i istovar kamiona – posao koji na prvi pogled može izgledati jednostavno, ali je za autonomni robotski sustav iznimno složen. Robot mora razumjeti prostor oko sebe, prepoznati ljude, vozila, palete i prepreke, donositi odluke u stvarnom vremenu i pritom uvijek raditi sigurno.

Upravo na takvim izazovima radi Gideon, hrvatska tvrtka specijalizirana za autonomne robotske sustave za logistiku. Njihov sustav Trey automatizira utovar i istovar kamiona u stvarnim skladišnim uvjetima – ondje gdje se prostor stalno mijenja, a nepredvidive situacije nisu iznimka nego svakodnevica.

Skladište je za robota vrlo zahtjevan prostor

Za čovjeka je skladište poznato okruženje: prolazi, palete, kamioni, viličari, ljudi u pokretu. No za robota to nije jednostavna karta prostora, nego dinamičan svijet u kojem se sve može promijeniti u nekoliko sekundi.

Ljudi prolaze kroz radnu zonu, viličari se kreću, palete se premještaju, prolazi se zatvaraju ili otvaraju, a uvjeti osvjetljenja često nisu idealni. Robot se mora kretati sigurno, izbjeći prepreke i pritom obaviti zadatak precizno i učinkovito.

Posebno zahtjevan scenarij je istovar kamiona. Teret može biti gusto složen, djelomično oštećen, nagnut ili nestabilan. Palete ponekad dolaze deformirane, a pristup robi mogu blokirati zaštitne metalne šipke koje se koriste za osiguravanje tereta tijekom transporta. Drugim riječima, robot ne radi u savršenom laboratorijskom okruženju. Radi u stvarnom svijetu — a stvarni svijet je neuredan, promjenjiv i pun iznimki.

Kako robot razumije prostor?

Da bi autonomni robot mogao razumjeti što se događa oko njega, ne oslanja se na jedan izvor informacija. Umjesto toga koristi kombinaciju različitih senzora koji doprinose boljem razumijevanju okoline.

Stereo kamere pomažu robotu da “vidi” prostor i prepoznaje objekte poput ljudi, viličara, paleta, tereta i prepreka. Budući da kamere mogu procijeniti dubinu, robot ne dobiva samo sliku, nego i informaciju gdje se objekt nalazi u prostoru. Uz kamere, koriste se i 2D lidari koji pomažu u sigurnosti, lokalizaciji i mapiranju prostora. Oni stvaraju zaštitnu zonu oko robota i omogućuju mu da reagira ako se u blizini pojavi osoba ili prepreka.

Sustav može uključivati i sigurnosni radar, 3D lidar te dodatne senzore udaljenosti koji pomažu pri preciznoj manipulaciji paletama i provjeri stabilnosti tereta. Važno je naglasiti da snaga sustava nije u jednom senzoru, nego u njihovoj kombinaciji. Tek kada robot spoji informacije iz kamera, lidara, radara i drugih senzora, može stvoriti pouzdanu sliku svijeta oko sebe.

Umjetna inteligencija i geometrija rade zajedno

Kada se govori o autonomnim robotima, često se najviše pažnje posvećuje umjetnoj inteligenciji. No u praksi AI nije zamjena za klasične robotske metode — nego njihov dodatak.

Geometrija je i dalje temelj mnogih robotskih sustava. Ona pomaže robotu da izračuna udaljenosti, odredi svoj položaj, mapira prostor i planira kretanje. Bez geometrijskih algoritama robot ne bi mogao sigurno navigirati kroz skladište.

No geometrija sama po sebi nije dovoljna. Robot može izmjeriti da se ispred njega nalazi neki objekt, ali ne zna nužno je li to čovjek, paleta, metalna šipka ili oštećeni dio tereta.

Tu nastupa umjetna inteligencija. Modeli strojnog učenja omogućuju robotu da ne vidi samo oblike i udaljenosti, nego da razumije što se nalazi u prostoru. Primjerice, AI može pomoći u prepoznavanju oštećenih paleta, reflektirajuće folije, zaštitnih šipki ili drugih situacija koje je teško pouzdano riješiti samo klasičnim algoritmima. Najbolji rezultati postižu se upravo kombinacijom: geometrija daje preciznost, a umjetna inteligencija daje razumijevanje.

Najveći izazov često nisu algoritmi, nego podaci

Kod sustava temeljenih na umjetnoj inteligenciji često se pretpostavlja da je najveći izazov odabrati pravi model. No u praksi je jednako važno — često i važnije — imati kvalitetne podatke. Robot mora učiti iz stvarnih primjera. Ako je model treniran na jednom tipu skladišta, a zatim dođe u potpuno drugačije okruženje, njegove performanse mogu pasti. Različito osvjetljenje, drugačiji raspored prostora, drugačije palete ili specifični načini pakiranja mogu značajno utjecati na rad sustava.

Zato se tijekom implementacije često prikupljaju podaci iz stvarnog korisničkog okruženja. Ti se podaci zatim koriste za dodatno treniranje i provjeru sustava prije nego što robot počne raditi u punom opsegu.

Kako se baza stvarnih scenarija povećava, sustav postaje sve robusniji. Što je više različitih skladišta, paleta, kamiona i nepredvidivih situacija u podacima, to robot bolje generalizira i lakše se prilagođava novim lokacijama.

Zašto su stvarni podaci toliko važni

Skladišta su vizualno vrlo raznolika. Teret može biti omotan prozirnom ili reflektirajućom folijom. Palete mogu biti drvene, plastične, nove, stare, oštećene ili djelomično zaklonjene. Unutrašnjost kamiona može biti slabo osvijetljena, a tamni objekti posebno su zahtjevni za detekciju.

Zbog toga se veliki naglasak stavlja na podatke iz stvarnih okruženja. Simulacije mogu biti korisne, ali stvarni svijet sadrži detalje koje je teško u potpunosti predvidjeti ili umjetno proizvesti. Robusnost autonomnog sustava ne dolazi iz jednog savršenog algoritma, nego iz velikog broja stvarnih primjera na kojima sustav uči kako izgledaju problemi s kojima će se susresti.

Što robot radi kada nije siguran?

Jedno od najvažnijih pravila autonomne robotike je da sigurnost ima prednost pred izvršenjem zadatka. Ako robot nije siguran da može pravilno uhvatiti ili pomaknuti paletu, neće pokušati “na silu” dovršiti zadatak. Umjesto toga, zaustavit će se i obavijestiti korisnika da je potrebna ljudska intervencija.

Primjerice, kod određivanja položaja palete sustav može koristiti dvije neovisne metode procjene. Ako se njihovi rezultati previše razlikuju, to je znak da situacija nije dovoljno pouzdana. U tom slučaju robot prekida manipulaciju.

Takve situacije mogu uključivati oštećene palete, zaklonjen pristup, nestabilan teret ili tipove paleta koje sustav ne podržava. To možda zvuči kao ograničenje, ali je zapravo ključna sigurnosna značajka. Dobar autonomni sustav ne mora uvijek imati odgovor, ali mora znati kada nije siguran.

Sljedeći korak: roboti koji bolje razumiju kontekst

Današnji autonomni sustavi već mogu postići visoku razinu samostalnosti, ali i dalje postoje rijetke i nepredvidive situacije koje su vrlo zahtjevne za klasične modele strojnog učenja. Problem je u tome što se takvi slučajevi događaju rijetko. Ako je nešto rijetko, teško je unaprijed prikupiti dovoljno primjera za treniranje modela. A bez primjera, model teže uči kako reagirati. Zato se sve više istražuje primjena tzv. foundation modela i vision-language modela — sustava koji mogu povezivati vizualne informacije s jezikom i širim kontekstom.

Takvi modeli mogli bi pomoći robotima da bolje prepoznaju neobične situacije, objasne što vide ili pomognu u analizi slučajeva u kojima je bila potrebna intervencija operatera. Drugim riječima, robotika se postupno kreće od sustava koji samo slijede unaprijed definirana pravila prema sustavima koji bolje razumiju kompleksnost stvarnog svijeta.

Od laboratorija do stvarne logistike

Razlika između robotske demonstracije i stvarno korisnog autonomnog sustava nije samo u tome može li robot nešto napraviti jednom u kontroliranim uvjetima. Pravi izazov je može li to raditi pouzdano, sigurno i ponovljivo — svaki dan, u različitim skladištima, s različitim teretom i u nepredvidivim situacijama.

Upravo zato su percepcija, senzori, umjetna inteligencija, geometrija i stvarni podaci toliko važni. Zajedno omogućuju robotu da ne samo vidi prostor oko sebe, nego da ga razumije dovoljno dobro da u njemu može sigurno raditi. Autonomna logistika tako više nije pitanje budućnosti. Ona se već događa — u kamionima, skladištima i distributivnim centrima gdje roboti svakodnevno uče kako se nositi sa stvarnim svijetom.

Na .debugu 2026 o ovim će temama detaljnije govoriti i Filip Mandić kroz predavanje “Autonomni utovar i istovar u stvarnom svijetu”. Kroz konkretne primjere stvarnih instalacija bit će prikazano kako Trey robotski sustav funkcionira u različitim logističkim uvjetima — od specifičnih utovarnih rampi do različitih vrsta paleta i tereta — te koji tehnološki pristupi omogućuju pouzdan autonomni rad u stvarnom svijetu.

Predavanje je na programu .debuga 2026 u utorak, 9. lipnja u 12 sati u dvorani #hardcore na 1. katu Algebre.

Objava Kako autonomni roboti razumiju skladište: AI, senzori i stvarni izazovi logistike pojavila se prvi puta na .debug.

Gideon, proizvođač vodećih autonomnih robotskih rješenja s umjetnom inteligencijom, uključujući autonomnog viličara TREY-a, danas je najavio imenovanje iskusne komercijalne i financijske izvršne direktorice Ive Vukine za glavnu komercijalnu direktoricu (CCO). Dvadeset godina liderstva u području korporativne prodaje, tržišta kapitala i upravljanja rizicima, čine je ključnom figurom u pokretanju sljedeće faze rasta tvrtke prilikom širenja i skaliranja operacija na velike poslovne korisnike.

Gideonova misija je sveobuhvatna transformacija rukovanja materijalima poboljšanjem ljudskih kapaciteta autonomnim robotima. TREY, prvi takav autonomni mobilni robot (AMR), potpuno automatizira operacije utovara i istovara u skladištima, u industrijama poput maloprodaje, potrošačkih pakiranih dobara (CPG), automobilske industrije, te prodaje hrane i pića – što savršeno odgovara Ivinom opsežnom iskustvu prilikom suradnje s velikim poslovnim korisnicima.

Tehnologija tvrtke Gideon ključna je na važnoj prekretnici za logistiku i proizvodnju. Širom svijeta, tvrtke se suočavaju s trajnim manjkom radne snage i rastućim poteškoćama u popunjavanju fizički zahtjevnih radnih mjesta. Samo u Sjedinjenim Američkim Državama, prema podacima tvrtke Prologis – globalnog lidera u industrijskoj imovini – postoji oko milijun operatera viličara, od kojih gotovo trećina radi na utovarnim rampama. S ostarjelom radnom snagom i opadajućim interesom za fizički zahtjevne uloge, smanjenje radne snage prijeti održivosti tradicionalnih skladišnih operacija – naglašavajući hitnu potrebu za automatizacijom.

„Veliko mi je zadovoljstvo poželjeti dobrodošlicu Ivi u naš tim,“ izjavio je Josip Ćesić, glavni izvršni direktor i suosnivač tvrtke Gideon. „Svojim bogatim iskustvom u strateškom vođenju, izgradnji timova i upravljanju ključnim korisničkim odnosima, Iva će igrati ključnu ulogu u našem nastavku rasta i suradnji s vodećim globalnim tvrtkama.“

Prije dolaska u Gideon, Iva je izvršavala dužnost izvršne direktorice u Goldman Sachsu, gdje je vodila poslovanje povezano s tržištima kapitala i upravljanjem rizicima u sektoru potrošnje i maloprodaje, savjetujući tvrtke s popisa Fortune 500 o složenim strategijama financiranja i zaštite od rizika. Također, osnovala je i vodila Goldman Sachsovo poslovanje za kreditna rješenja, razvijajući inovativne, kapitalno učinkovite strukture za korporativne i institucionalne klijente.

Kroz niz rukovodećih pozicija u prodaji unutar različitih poslovnih jedinica, Iva je razvila jedinstvenu sposobnost povezivanja strateške vizije s operativnom izvedbom i angažmanom korisnika – ključnu prednost za širenje komercijalnog dosega tvrtke Gideon.

Osim bogatog korporativnog iskustva, Iva se istaknula i kao cijenjena društvena liderica. Trenutačno obnaša dužnost predsjednice Odbora direktora Grace Institute of New York, članica je Međunarodnog savjetodavnog odbora Zagrebačke škole ekonomije i managementa, te predsjednica njujorške podružnice Udruge hrvatsko-američkih profesionalaca (ACAP).

„Sretna sam što se mogu pridružiti Gideonu u ovom uzbudljivom trenutku rasta,“ izjavila je Iva Vukina. „Gideonovo vizionarstvo i inovativna rješenja za stvarnu automatizaciju izuzetno su inspirativni. Veselim se suradnji s timom na jačanju partnerstava s korisnicima i širenju našeg komercijalnog utjecaja na globalnoj razini.“

Iva je rođena u Zagrebu, a trenutačno živi i radi u New Yorku. Diplomirala je matematičke znanosti te stekla magisterij iz operacijskih istraživanja i industrijskog inženjeringa na Sveučilištu Sjeverna Karolina i Sveučilištu Cornell.

Gideon će se predstaviti i na .debugu 2025, gdje ćete moći poslušati i keynote predavanje njihovog CEO-a Josipa Ćesića!

Objava Bivša direktorica iz Goldman Sachsa postaje Glavna direktorica za komercijalu u Gideonu pojavila se prvi puta na .debug.

Na .debugu 2025 nakon kratke će pauze ponovno nastupiti domaća robotička kompanija Gideon, a njihov nastup u našem je TV studiju najavio Tomislav Haus. U međuvremenu Gideon se transformirao u organizaciju usmjerenu na proizvode, fokusirajući se na razvoj autonomnih mobilnih robota. Njihov glavni proizvod je autonomni viličar “Trey”, pa su trenutačno usmjereni na njegovu komercijalizaciju, s projektima uglavnom u Sjevernoj Americi te Ujedinjenom Kraljevstvu i Irskoj. Uz to, pokrenuli su i partnerstvo s Toyotom.

Primarni fokus je na širenju tima u Americi, ali postoje i selektivne uloge u Hrvatskoj za koje zapošljavaju. Gideon će na .debugu 2025 imati keynote predavanje o razvoju tvrtke, koje će održati njihov CEO Josip Ćesić, a sve ostale pojedinosti poslušajte u videu.

Ulaznice za .debug 2025 samo do kraja ove nedjelje dostupne su po Early Bird cijenama…

Objava VIDEO: Na .debug se vraća Gideon, najavljujemo njihov nastup pojavila se prvi puta na .debug.

Osim što su posljednjih nekoliko mjeseci intenzivno radili na razvoju i optimizaciji Caseya, Gideonovci su paralelno sve intenzivnije i ozbiljnije uvodili product-oriented mindset i agilne metode u svoje razvojne cikluse.

Niže pročitajte što se dogodi kad robote počnemo razvijati po agilnim principima, i kako Petra, Swarm Team Lead i Karlo, Python Team Lead u Gideonu balansiraju između svojih leadership pozicija te novih uloga u produktnim timovima.

Najnovije robotsko rješenje, svježe ispečeno u Gideonovoj robotskoj pećnici naziva se Casey, a integralna jedinica je već dobro poznati autonomni mobilni robot, takozvani LiftBot. Oboje ste zajedno s vašim timovima dosta intenzivno radili na razvoju Caseya, možete li nam ukratko opisati na čemu su točno vaši ekspertni timovi radili?

Petra: Swarm tim djeluje u tri smjera. Prvi smjer je rad na Swarm simulatoru koji koristimo kako bismo testirali naše algoritme, analizirali koliko je određeno skladište kompatibilno za Casey aplikaciju, te unaprijedili sam simulator za različite procese koji se u skladištu mogu odvijati. Drugi smjer je optimizacija kojoj je cilj optimalno koordinirati heterogenu flotu kako bismo na kraju u kraćem vremenu odradili istu količinu posla, i to sa što manje prijeđenih kilometara po radniku. Ovaj heterogeni sustav je izuzetno kompleksan te samim tim postoji puno varijabli koje želimo optimizirati, ali je isto tako velik dio tih varijabli međuovisan. Treći smjer djelovanja Swarm tima je sama realizacija naših algoritama i funkcija na realnom robotskom sustavu te kontinuirana podrška pri procesima testiranjima.

Karlo: Naš Python ekspertni team radio je na rješenju koje kontrolira, prati i dodjeljuje zadatke cjelokupnoj floti robota. Rješenje smo nazvali Swarm Engine upravo zbog toga što orkestrira rad ne jednog, već više robota. Konkretnije, Casey robotsko rješenje odnosi se na proces pickiranja (prikupljanja) artikala u skladištu pomoću Gideonovih mobilnih robota. U tom konkretnom rješenju, Swarm Engine šalje robote na picking lokacije (na kojima se nalaze artikli) i, po završetku prikupljanja artikala, šalje robote na mjesto predviđeno za ostavljanje artikala. Time se automatizira proces kojeg bi inače morao odrađivati radnik pomoću viličara.

Kako vidite Casey kao proizvod koji pospješuje procese automatizacije prijevoza robe, i još važnije, kao robotsko rješenje koje služi kao ispomoć radnicima u zahtjevnim skladišnim poslovima? Kakvu vrijednost po vama Casey donosi industriji, kupcima i krajnjim korisnicima?

Petra: Casey donosi niz prednosti trenutnom načinu rada: od povećanja kapaciteta pickiranja; smanjenja udaljenosti koju prelaze ljudi upravljajući ručnim viličarem; oslobađanje od penjanja i spuštanja s električnog viličara čak i do par stotina puta dnevno; povećanje sigurnosti zbog izuzetno brze reakcije naših robota ako detektiraju objekt u blizini; oslobađanje od potrebe za treninzima i dozvolama za vožnju viličara jer su naši roboti opremljeni ekranom koji daje upute radnicima, itd.

Karlo: Casey vidim kao pravi novitet na tržištu. Trenutno u svijetu postoji tek nekolicina sličnih rješenja. Osim veće efikasnosti i automatizacije case-picking procesa, mislim da će krajnjim korisnicima koji rade s robotima ovo predstavljatii vrlo ugodnu i zanimljivu promjena u njihovom radu.

Nedavno ste oboje uz Team Lead uloge koje imate, preuzeli i nove uloge u cross-functional produktnim timovima. Kakve vam je to sve nove promjene donijelo vezano uz dnevnu dinamiku, vođenje tima i širinu zadataka kojima se bavite, Što biste izdvojili kao najveću promjenu ili poboljšanje u odnosu na “stari” način rada?

Petra: Casey se kao cjelokupno robotsko rješenje sastoji od više produktnih linija u kojima se razvijaju tehnologije poput Fleet Management Systema (FMS), Robot Autonomy-a, Robot Platform-a, i Optimization-a. Uz vođenje tima sam preuzela ulogu Product Ownera za razvoj tehnologije za optimizaciju. Što se tiče mog tima, ne bih rekla da nam je to bila velika promjena jer sam oduvijek poticala agilne metode rada, no svakako se primijeti bolja suradnja s ostalim timovima koja rezultira daljnjim unaprjeđenjem Caseya.

Karlo: Uvođenje agilnih produktnih timova donijelo nam je organizacijski okvir u kojem se možemo bolje usmjeriti prema obavljanju točno određenih dijelova posla koji donose mjerljivu inkrementalnu vrijednost tehnologiji koja se razvija. Uz to, možemo i bolje procijeniti koliko nam je vremena potrebno za obavljanje zadataka.

Osim toga, kao voditelj ekspertnog (Python) tima, dijelim odgovornost za kompletnu isporuku pojedinog rješenja, pa se bolje mogu posvetiti savjetovanju članova tima i razvoju tehnički što kvalitetnijih rješenja.

S kojim stručnjacima iz ostalih timova surađujete?

Petra: Swarm tim surađuje s gore navedenim produktnim timovima te Customer Success, Sales, Application Engineering timovima. Primjerice, kod realizacije naših algoritama i funkcija na realnom robotskom sustavu, kod podataka o limitima robota koje moramo uzeti u obzir, kod simulacije određenog skladišta kako bi se odredila kompatibilnost s Casey aplikacijom, surađujemo sa Customer Successom i Salesom jer su oni u direktnom kontaktu s klijentima te je velika vjerojatnost da su skladište vidjeli uživo pa nam ga mogu što preciznije opisati pri modeliraju tog objekta.

Karlo: Uže surađujemo s Petrinim Swarm timom, koji je zadužen za optimizaciju case-picking procesa te s Web (Robot Interface) timom, koji radi na razvoju korisničkog sučelja putem kojeg krajnji korisnici naših robotskih rješenja upravljaju misijama robota te nadziru njihov rad.

S jedne strane imamo cross-functional (produktne) timove usmjere na razvoj produkta te donošenje vrijednosti za kupce, a s druge strane tu su aktivnosti u ekspertnim timovima usmjerene za domensku ekspertizu te mjesto generiranja te dijeljenja tehnološkog znanja. Svi inženjeri koji su dio cross-functional timova su paralelno i dio ekspertnih timova. Kakvu vrijednost vidite u ovome?

Petra: Casey je izuzetno kompleksan sustav. Ovim načinom rada smo okupili eksperte iz desetak različitih područja kako bi surađivali na jasno definiranom zajedničkom cilju – a to je razvoj i uspjeh Caseya. Ekspertni tim je tu i dalje da pomogne svojim članovima u daljnjem razvoju te bude u tijeku s novim tehnologijama, znanjima, i svemu potrebnom da ostanemo u koraku s vremenom.

Karlo: Najveću vrijednost vidim u tome da s jedne strane, članovi cross-functional timova, mogu imati slobodu i samostalnost u odabiru zadataka te u procjeni vremena za njihovo obavljanje, a s druge strane imaju ekspertni tim gdje uvijek mogu zatražiti pomoć kolega ili ekspertnog team leada.

I za kraj, što biste poručili robotskim entuzijastima i zainteresiranim inženjerima koji razmišljaju o potencijalnom priključenju Gideonu?

Petra: Ako želite uzbudljiv i dinamičan posao koji omogućava korištenje state-of-the-art tehnologija u robotici i rad na nečem unikatnom (i Casey i Trey – Gideonov autonomni AI viličar), čekamo vas!

Karlo: Ne razmišljajte, prijavite se odmah

Objava Kako Agile i roboti rade zajedno u Gideonu? pojavila se prvi puta na .debug.

Domaći robotički startup nekada poznat kao Gideon Brothers nedavno je prošao kroz rebranding i postao jednostavno – Gideon. Tvrtku koja proizvodi napredne logističke robote predstavio nam je u .debug studiju njihov suosnivač i CTO, Josip Ćesić.

U videu možete detaljno doznati kako Gideon funkcionira interno, čime se njihovih oko 150 zaposlenika bavi te koliko su zapravo softverska, a koliko robotička kompanija. Dakako, govorio je i o uvjetima rada te benefitima koje Gideon svojim zaposlenicima nudi kako bi ih održao sretnima i dobro educiranima.

Najavio je i predavanje koje će na .debugu održati Edin Kočo, suosnivač i Chief Robotics Officer. Njegovo predavanje naslovljeno je “Product-driven organizacija i kako naši vision-based roboti gledaju na to?”, a za više detalja – posjetite .debug 2022, 2. i 3. lipnja.

Kupi ulaznicu

Objava VIDEO: Predstavljamo robotičku kompaniju Gideon, partnera .debuga pojavila se prvi puta na .debug.

Gideon, domaća robotička tvrtka koja razvija rješenja temeljena na umjetnoj inteligenciji, prošli tjedan je javnosti predstavila svog novog robota – autonomnog mobilnog viličara za utovar i istovar kamionskih prikolica, nazvanog Trey. Ovaj autonomni viličar predstavlja inovaciju u području automatizacije najsloženijih operacija rukovanja materijalom na globalnoj razini. Nakon nekoliko posljednjih mjeseci tijekom kojih su naporno radili kako bi performanse i funkcionalnosti Treya doveli do savršenstva, sjeli smo s Markom Pavlićem, team leadom takozvanog Brain tima u Gideonu, i Jurajem Radićem, leadom Machine Learning tima. Oni su nam ispričali na koji su način njihovi timovi sudjelovali u razvoju Treya, kakve tehničke izazove su rješavali te koje specifične tehnologije su pritom koristili.

Možete li nam za početak reći čime se vaši timovi bave, odnosno koja im je uloga gledano iz perspektive cjelokupnog razvoja autonomnog mobilnog robota?

Marko: Brain tim bavi se razvojem centralne jedinice (“mozga” – Braina) autonomnog mobilnog robota, a ta je jedinica zadužena za izvršavanje misija. To mogu biti jednostavnije misije, kao što je prijenos palete s jedne točke na drugu, ali mogu biti i vrlo složene, kao što je utovar ili istovar prikolice.

Brain upravlja radom i koristi rezultate ostalih softverskih komponenti (navigacije, semantike…), aktuatora, senzora itd., kako bi se misije izvršavale što brže i sigurnije, a pritom je potrebno paziti da je moguće oporaviti se od nepredviđenih situacija i nastaviti izvršavati misiju.

Juraj: Svi naši roboti opremljeni su kamerama i u semantičkom timu se prvenstveno bavimo analizom i razumijevanjem slike iz kamere. Koncentrirani smo na nekoliko problema: semantička segmentacija slike, detekcija objekata, estimacija poze objekata (procjena 3D pozicije objekta u prostoru), te procjena dubine pomoću stereo kamere. Ovim problemima pristupamo metodama dubokog učenja koje su posljednjih godina doživjele brz razvoj te su se nametnule kao najbolje metode za rješavanje navedenih problema.

Naša rješenja robotima omogućuju sigurno kretanje budući da možemo detektirati i lokalizirati prepreke u prostoru. Također, omogućuju izvršavanje zadataka kao što je određivanje pozicije paleta te njihovo podizanje.

Kako je tekao vaš karijerni put i profesionalni razvoj u Gideonu?

Marko: Gideonu – i Brain timu – sam se pridružio odmah poslije diplomiranja na FER-u, 2019. godine kao C++ softverski inženjer. U tom sam se vremenu imao prilike susresti s raznim inženjerskim problemima, osobito zato što Brain interagira sa svim komponentama robota. Potrebno je razumjeti način rada i algoritme ostalih komponenti, kako bi sam Brain funkcionirao što efikasnije. Zato sam imao priliku usvojiti jako puno znanja iz domene robotike u kratkom vremenu. Prošle jeseni sam preuzeo ulogu voditelja tima, što donosi dodatne odgovornosti, ali i veliko zadovoljstvo, jer svakodnevno mogu raditi sa skupinom iznimnih mladih ljudi i stručnih inženjera u svom timu.

Juraj: U Gideonu radim već nešto više od tri godine i svo vrijeme sam proveo u semantičkom timu kao inženjer strojnog učenja. Sretan sam što sam se imao prilike baviti većim brojem različitih tema čime stalno širim svoje znanje. Početkom ove godine postao sam i voditelj semantičkog tima. To nosi nove odgovornosti i izazove, ali drago mi je što imam priliku razvijati se i u jednom drugom smjeru.

Koje su to funkcionalnosti koje su vaši timovi razvijali specifično za Trey, a razlikuju se od featurea/funkcionalnosti na Gideonovim ostalim robotskim platformama?

Marko: Kako je utovar i istovar paleta iznimno kompleksna misija (gledajući iz perspektive robota), Brain je morao razviti mnoštvo novih funkcionalnosti. Bilo je potrebno implementirati nove interakcije s komponentama koje mogu prepoznati orijentaciju i početak prikolice, prepoznati više paleta istovremeno, pomicati vilice horizontalno, mijenjati njihov nagib, proširiti postojeće interakcije s ostalim komponentama… Sve te nove funkcionalnosti trebalo je smisleno povezati, smisliti algoritme za detekciju kolizije sa statičkim objektima te za kontinuirano podizanje i mijenjanje nagiba vilica kod ulaska u iznimno neravnu prikolicu, razviti posebne skripte za izvršavanje misije, proširiti logiku i kontekst misije, osigurati ponovno izvođenje od zadnje izvršene točke. U posljednjih nekoliko tjedana fokus je na paralelizaciji akcija i ubrzavanju vremena izvođenja misije. U svakom slučaju, ovaj projekt donio je jako puno zanimljivih tehničkih izazova za riješiti zahvaljujući čemu smo imali priliku mnogo toga naučiti.

Juraj: Estimacija poze paleta je komponenta koju smo razvili specifično za Trey. Kako bi istovario kamion, viličar mora podići palete koje se tamo nalaze, a za to je prvo potrebno precizno odrediti njihovu lokaciju u prostoru. Naše rješenje uz lokaciju prepoznaje i tip palete te trenutačno podržavamo šest tipova paleta. Rješenje je kombinacija duboke neuronske mreže i klasičnih algoritama računalnog vida. Budući da se koristimo dubokim učenjem, bilo je bitno sakupiti dovoljnu količinu označenih podataka što obuhvaća snimanje i označavanje paleta – za što smo sami razvili specijalizirani alat.

Koje specifične tehnologije inače koristite u vašim timovima? (Programski jezici, biblioteke, frameworci?

Marko: U Brain timu glavni je fokus na dubinskom poznavanju C++-a, oblikovanju arhitekture koda, objektnom dizajnu, višedretvenom izvođenju i sposobnosti debuggiranja. Tako da uz C++, znanja iz Linux OS-a, gdb-a i ROS-a jako dobro dođu u svakodnevnom radu. Tu su još I LUA kao DSL te neke pomoćne biblioteke.

Juraj: U semantičkom timu od programskih jezika koristimo Python. Za treniranje dubokih mreža koristimo TensorFlow i PyTorch, a za pokretanje tih mreža na robotu oslanjamo se na Nvidia TensorRT.

Kako ste organizirali svakodnevni rad u vašim timovima?

Marko: Članovi tima raspoređeni su po projektima, ovisno o tome koliko je koji projekt zahtijevan. Recimo, u proteklom kvartalu 75% tima bilo je isključivo fokusirano na Trey projekt, dok će u sljedećem kvartalu cijeli tim raditi na tom projektu. Naravno, na ostalim su projektima također potrebni određeni zahvati, tako da se unaprijed rezervira određeni član tima za konkretan zadatak na drugom projektu. Uz to, potrebno je pomoći našoj remote ekipi u SAD-u prilikom testiranja vozila, pa najčešće jedan član tima radi popodnevnu smjenu.

Juraj: Svaki član tima odgovoran je za određene komponente naših rješenja. Činjenica da se testiranje Trey robota većim dijelom odvija u SAD-u znači da ponekad moramo prilagoditi i naše radne sate.

Možete li nam opisati kako izgleda vaša suradnja s drugim timovima u Gideonu? S kojim timovima najviše surađujete i na kojim područjima?

Marko: Kao što sam već napomenuo, Brain je centralna komponenta koja interagira sa svim komponentama sustava. Tako i Brain tim mora surađivati sa svim timovima, bilo softverskim ili hardverskim. Ipak, rekao bih da najviše surađujemo s navigacijskim timom. Brain zna kamo treba poslati vozilo kako bi se određeni koraci misije uspješno izveli. Kretanjem vozila upravlja navigacija, planirajući put i izvršavajući ga. Dakle, Brain šalje ciljeve navigaciji, imajući na umu koji se korak misije izvodi, koji su sljedeći koraci, i kako će navigaciji biti jednostavnije isplanirati putanju, a mora pripremiti i određene preduvjete navigaciji za izvršavanje plana. Također, Brain tim dosta surađuje s Robot Interface (Web) timom, s kojim definira kod misije i daje određene informacije za prikaz korisniku.

Juraj: Nekoliko je timova s kojima često surađujemo. Sa Stereo timom zajedno radimo na problemu određivanja dubine, a oni nam pružaju općenitu podršku pri korištenju kamera. Na Trey projektu često surađujemo s Brain timom koji preuzima našu procjenu pozicije paleta te na temelju toga određuje iduće korake autonomnog viličara. Također, surađujemo sa SLAM timom koji se bavi mapiranjem prostora i lokalizacijom jer su se metode dubokog učenja i na tom polju pokazale vrlo uspješnima.

I za kraj, kako biste opisali svoje iskustvo rada u Gideonu? Kakve su perspektive za razvoj profesionalnih vještina i znanja? Kakva je atmosfera i kultura?

Marko: Mislim da je Gideon idealna sredina za razvoj mladih, perspektivnih inženjera. Problemi na kojima se radi su izazovni, kolege su vrhunski eksperti u svojim područjima, može se čuti puno različitih rješenja i zbog svega toga se mogu usvojiti brojna znanja. Najbitnije od svega, svatko je spreman pomoći i podijeliti svoje znanje i iskustva, popiti kavu, prodiskutirati svakodnevne teme i zaigrati partiju stolnog tenisa ili nogometa, tako da postoji odličan spoj opuštenosti i rada.

Juraj: Dva su razloga zbog kojih volim raditi u Gideonu. Prvi je taj što rješavamo zanimljive i vrlo izazovne probleme. A drugi razlog je što imamo izvrsne ljude: vrijedni, pametni i uvijek spremni pomoći. To stvara odličnu atmosferu. Rekao bih da kompleksnost robota i zahtjevnost problema koje rješavamo jamče pregršt mogućnosti za razvoj i stjecanje novih znanja.

Sad kad znate malo više o tome što radi i razvija ekipa iz Gideona, priznajte da niste očekivali da viličari i skladišta mogu biti ovako zanimljivi!

Više o otvorenim pozicijama u Gideonu možete pročitati ovdje: Gideon Careers Page.

Želite li, pak, uživo susresti ekipu iz Gideona, dođite na .debug:

Kupi ulaznicu

Objava Što kad viličari (u režiji Gideona) postanu autonomni? pojavila se prvi puta na .debug.

Gideon Brothers, tvrtka za robotiku i softverska rješenja temeljena na umjetnoj inteligenciji, obilježila je petu godišnjicu od osnivanja, predstavivši tom prigodom novi vizualni identitet i novo ime – Gideon.

Gideon peti rođendan dočekuje u užurbanim pripremama za predstavljanje nove serije revolucionarnih rješenja kojima će po prvi puta moći automatizirati niz specifičnih operacija rukovanja materijalom. Istovremeno, tvrtka snažno jača svoj danas međunarodni tim, koji se u posljednjih godinu dana udvostručio na 140 zaposlenih u Hrvatskoj, SAD-u i Njemačkoj. Broj zaposlenih nastavit će rasti te tvrtka trenutno ima više od 30 otvorenih pozicija.

“Izuzetno smo ponosni na ono što radimo u Gideonu i zahvalni smo našim zaposlenicima, partnerima, prijateljima i kupcima koji stoje uz nas i podupiru naš rast. Iza našeg novog looka i dalje je ista tvrtka i isti tim – iako smo sada još veći i bogatiji talentom. Jednako smo posvećeni našoj viziji: pomoći čovječanstvu da ostvari eksponencijalni rast kapaciteta globalnih lanaca opskrbe”, kazao je Matija Kopić, suosnivač i glavni izvršni direktor Gideona.

Podsjetimo, širenje aktivnosti razvoja i međunarodnih operacija u Gideonu, praćeno intenzivnim zapošljavanjem, dolazi nakon prošlogodišnje dokapitalizacije Serije A, vrijedne ukupno 32 milijuna USD, kojom je predvodila tvrtka Koch Disruptive Industries.

“Naš novi vizualni identitet odražava novu energiju i redefinirani fokus na razvoj najboljih rješenja za specifične, kompleksne izazove naših kupaca. Ovom evolucijom branda želimo bolje komunicirati širinu naše ekspertize i uskladiti je s redefiniranim fokusom i vizijom. Upravo zato, naš novi vizualni identitet je jednostavniji, pristupačniji, nadahnut ljudima i uvijek u pokretu”, pojasnila je Sanja Buterin, direktorica marketinga u Gideonu.

Objava Gideon Brothers proslavio peti rođendan novim vizualnim identitetom pojavila se prvi puta na .debug.