Spot czyta wskaźniki na fabryce. Google dało mu Gemini

Kolega z działu operacji pokazał mi wczoraj zdjęcie z inspekcji: trzydzieści wskaźników ciśnienia, każdy w innym miejscu hali, każdy wymaga odczytu co 4 godziny. "Zatrudniamy człowieka tylko po to, żeby chodził i zapisywał liczby" – westchnął.

Już nie musi. Boston Dynamics i Google właśnie pokazały, jak ich robotyczny pies Spot odczytuje wskaźniki przemysłowe za pomocą AI. Bez specjalnych czujników, bez przeróbek infrastruktury. Po prostu patrzy i rozumie.

Jak Spot nauczył się czytać wskaźniki?

Google wyposażyło roboty Boston Dynamics w model Gemini, który analizuje obrazy z kamer zamontowanych na Spocie. Robot podchodzi do wskaźnika – manometru, termometru, licznika – robi zdjęcie i AI odczytuje wartość.

Kluczowa różnica: wcześniejsze systemy wymagały integracji z czujnikami cyfrowymi albo specjalnych znaczników QR. Gemini rozpoznaje analogowe wskaźniki tak jak Ty – patrzy na skalę, igłę, cyfry i wyciąga wartość.

System działa w trzech krokach:

• Nawigacja: Spot porusza się po zaplanowanej trasie inspekcyjnej (ta część działała już wcześniej)
• Rozpoznawanie: Gemini identyfikuje typ wskaźnika i jego położenie w kadrze
• Odczyt: AI ekstrahuje wartość liczbową i zapisuje ją w systemie

Google nie podało, która wersja Gemini pracuje w robotach. Zakładając, że to Gemini 3.1 Flash (zoptymalizowany pod kątem szybkości), odczyt jednego wskaźnika zajmuje kilka sekund.

Dokładność odczytów – brak konkretów

Boston Dynamics twierdzi, że system radzi sobie z różnymi typami wskaźników: analogowymi, cyfrowymi, termometrami rtęciowymi, manometrami. Nie podali konkretnych liczb dotyczących błędów odczytu.

W przemyśle różnica między 4,8 a 5,2 bara może oznaczać awarię. Jeśli AI pomyli się przy odczycie skali, konsekwencje mogą być kosztowne. Brak danych o dokładności to czerwona flaga dla inżynierów odpowiedzialnych za bezpieczeństwo.

Dlaczego fabryki nadal używają analogowych wskaźników?

Po co w 2026 roku odczytywać analogowe manometry, skoro istnieją czujniki cyfrowe z transmisją danych?

Odpowiedź jest prozaiczna: koszt i niezawodność.

Wymiana infrastruktury pomiarowej w zakładzie to setki tysięcy złotych. Analogowy manometr działa 20 lat bez konserwacji, nie wymaga zasilania, nie ma co się zepsuć. Cyfrowy czujnik z transmisją bezprzewodową? Baterie, kalibracja, ryzyko awarii elektroniki.

Wiele zakładów działa w środowiskach, gdzie elektronika ma ciężkie życie: wysoka temperatura, wibracje, wilgoć, promieniowanie. Prosty wskaźnik mechaniczny wytrzymuje warunki, które zabiłyby czujnik IoT w tydzień.

Spot z Gemini to kompromis: zachowujesz starą, sprawdzoną infrastrukturę, ale automatyzujesz proces odczytu. Nie musisz wysyłać człowieka w kombinezon ochronny do strefy o temperaturze 60°C.

Gdzie to już działa?

Boston Dynamics testuje system w zakładach przemysłowych, ale nie ujawniło konkretnych klientów. Spot jest już używany w rafineriach, elektrowniach i kopalniach – głównie do inspekcji wizualnych i wykrywania anomalii termicznych.

Dodanie możliwości odczytu wskaźników to naturalna ewolucja. Google już wcześniej pokazało, jak Gemini uczy roboty rozumieć przestrzeń – teraz idzie o krok dalej: robot nie tylko widzi, ale rozumie co widzi.

Cena? Boston Dynamics nie publikuje cennika Spota, ale szacunki branżowe mówią o 75-100 tys. dolarów za jednostkę plus licencja na oprogramowanie. Dla dużego zakładu, który zatrudnia trzech inspektorów na trzy zmiany, zwrot z inwestycji przychodzi w rok-dwa.

A co z Polską?

Boston Dynamics ma dystrybutorów w Polsce, ale wdrożenia Spota to wciąż egzotyka. Większość polskich zakładów przemysłowych korzysta z tradycyjnych inspekcji albo – w najlepszym razie – z dronów do przeglądu infrastruktury zewnętrznej.

Bariera to nie tylko cena, ale też kultura organizacyjna. Wdrożenie robota wymaga zmiany procedur, przeszkolenia zespołu, integracji z systemami IT. To nie jest "kup i włącz". Physical AI wchodzi do fabryk, ale w Polsce wciąż jesteśmy na etapie pilotaży, nie masowych wdrożeń.

Co to zmienia w praktyce?

Spot z Gemini to kolejny krok w kierunku autonomicznych inspekcji przemysłowych. Nie zastępuje ludzi całkowicie – ktoś musi zaplanować trasę, ktoś musi analizować zebrane dane, ktoś musi reagować na anomalie.

Zmienia się rola inspektora: z "chodzącego notatnika" staje się analitykiem danych. Zamiast 8 godzin na obchód hali, spędza 2 godziny na analizie trendów i wykrywaniu problemów zanim staną się awariami.

To też zmienia wymagania kompetencyjne. Inspektor musi umieć obsługiwać robota, interpretować dane z AI, rozumieć ograniczenia systemu. OpenAI mówi o skróceniu tygodnia pracy dzięki AI, ale w przemyśle to wygląda inaczej: ta sama pensja, mniej rutyny, więcej odpowiedzialności.

Jakie są ograniczenia?

Gemini radzi sobie z czytaniem wskaźników, ale nie rozwiązuje wszystkich problemów inspekcji przemysłowej.

Warunki środowiskowe: Zaparowane szyby, brud na wskaźniku, słabe oświetlenie – wszystko to utrudnia odczyt. Człowiek może wytrzeć szybkę, doświetlić latarką. Robot musi wrócić z pustymi rękami.

Nietypowe wskaźniki: Jeśli masz niestandardową skalę albo wskaźnik z nietypowym oznaczeniem, AI może się pogubić. Gemini trenowano na popularnych typach urządzeń, nie na każdej egzotycznej konfiguracji z lat 80.

Interwencje fizyczne: Spot może odczytać wskaźnik, ale nie może przekręcić zaworu, wymienić filtra, pobrać próbki. To wciąż wymaga człowieka (albo bardziej zaawansowanego robota z manipulatorami).

Bezpieczeństwo danych: Wszystkie odczyty idą przez chmurę Google. Dla zakładów z wymogami bezpieczeństwa (energetyka jądrowa, obronność) to może być problem. Potrzebne są wersje on-premise, które Google nie oferuje publicznie.

Co dalej z robotami w przemyśle?

Boston Dynamics i Google pokazują kierunek: roboty przestają być "głupimi maszynami" wykonującymi zaprogramowane sekwencje. Stają się autonomicznymi agentami, które rozumieją kontekst i podejmują decyzje.

Następny krok? Orkiestracja AI w Przemyśle 5.0 – systemy, które nie tylko zbierają dane, ale automatycznie reagują na anomalie. Spot wykrywa wzrost ciśnienia, AI analizuje trend, system automatycznie dostosowuje parametry procesu.

To już nie science fiction. Chińskie firmy otwierają gigantyczne zbiory danych treningowych dla robotów, przyspieszając rozwój takich systemów. Europa i USA muszą nadążyć albo zostać w tyle.

Dla Polski to szansa i wyzwanie jednocześnie. Mamy silny przemysł – motoryzację, chemię, energetykę. Mamy inżynierów. Brakuje nam kultury szybkiego wdrażania nowych technologii i gotowości do eksperymentowania. Podczas gdy chińskie startupy planują wejść do 100 000 domów z robotami, polskie fabryki wciąż debatują nad ROI z pierwszego pilotażu.

Spot czytający wskaźniki to nie rewolucja. To kolejny mały krok w automatyzacji przemysłu. Suma takich małych kroków zmienia reguły gry. Za 2-3 lata zakłady bez autonomicznych inspekcji będą tak samo archaiczne jak dziś fabryki bez ERP.