ABB i NVIDIA surađuju na revoluciji automatizacije tvornica uz pomoć umjetne inteligencije

ABB i NVIDIA surađuju na revoluciji automatizacije tvornica uz fizičku umjetnu inteligenciju

Landskap industrijske automatizacije doživljava veliku promjenu jer se virtualna simulacija i stvarna primjena konačno spajaju. ABB Robotics najavio je strateško partnerstvo s NVIDIA-om za integraciju NVIDIA Omniverse biblioteka u ABB-ov prepoznatljivi softver RobotStudio. Ova suradnja ima za cilj isporučiti industrijsku fizičku umjetnu inteligenciju u velikom opsegu. Pokretanjem RobotStudio HyperReality krajem 2026. godine, tvrtke planiraju ukloniti tradicionalne granice testiranja automatizacije tvornica. Posljedično, proizvođači mogu očekivati drastično smanjenje troškova puštanja u pogon i znatno brže vrijeme izlaska na tržište.

Premošćivanje jaza između simulacije i stvarnosti u tehnologiji digitalnog blizanca

Desetljećima su inženjeri automatizacije imali problema s "sim-to-real" jazom. Ovaj izraz opisuje nesklad između virtualnih simulacijskih okruženja i stvarnih tvornica u pogledu osvjetljenja, tekstura i fizičkih tolerancija. Ova razlika često je prisiljavala inženjere da tjednima otklanjaju pogreške na fizičkoj opremi nakon početnog virtualnog testiranja.

ABB rješava ovaj problem kombiniranjem NVIDIA-inog ubrzanog računarstva sa svojim vlasničkim firmwareom virtualnog kontrolera. Budući da virtualni kontroler pokreće isti kod kao i fizički robot, korelacija simulacije doseže neviđenu točnost od 99%. Nadalje, ABB integrira svoju tehnologiju Absolute Accuracy u ovaj ekosustav. Ova kombinacija smanjuje pogreške pozicioniranja sa standardnih 8–15 mm na preciznih 0,5 mm, osiguravajući da sustavi visokoprecizne kontrole rade identično u virtualnom i fizičkom prostoru.

Optimizacija sklapanja potrošačke elektronike visoke preciznosti

Praktične prednosti ove platforme fizičke umjetne inteligencije već su vidljive u proizvodnim okruženjima visokog rizika. Foxconn, najveći svjetski proizvođač elektroničkih ugovora, trenutno testira ovu tehnologiju na svojim linijama za sklapanje potrošačke elektronike.

Automatizacija sklapanja sitnih komponenti predstavlja velike izazove zbog osjetljivih metalnih struktura i čestih varijacija proizvoda. Tradicionalno, promjena proizvodne linije zahtijevala je opsežno fizičko prototipiranje i ručno fino podešavanje. Korištenjem RobotStudio HyperReality, Foxconnovi inženjeri generiraju hiperrealistične sintetičke podatke za virtualnu obuku robotskih sustava za sklapanje. Kao rezultat, tim optimizira proizvodne linije prije nego što fizička oprema stigne, skraćujući vrijeme postavljanja i ubrzavajući ciklus razvoja proizvoda.

Ublažavanje nedostatka radne snage za male i srednje tvrtke

Dok velike tvrtke poput Foxconna koriste ovu tehnologiju za preciznost, male i srednje tvrtke koriste je za borbu protiv stalnog nedostatka radne snage. WORKR, kalifornijska tvrtka za robotsku radnu snagu, donosi ove napredne AI modele izravno na manje tvornice diljem SAD-a.

WORKR kombinira ABB-ovu industrijsku opremu sa svojom platformom WorkrCore™ AI, koja je u potpunosti trenirana na sintetičkim podacima generiranim putem NVIDIA Omniverse. Ovaj pristup omogućuje operaterima tvornica da implementiraju inteligentne robote bez ikakvog tradicionalnog programerskog znanja. Operateri mogu naučiti robote novim zadacima u nekoliko minuta, čineći naprednu automatizaciju tvornica dostupnom tvrtkama koje ranije nisu imale kapital ili specijalizirano inženjersko osoblje za implementaciju robotike.

Budućnost: AI inferencija u stvarnom vremenu na rubu mreže s OmniCore

Gledajući izvan simulacije, ABB aktivno razmatra integraciju NVIDIA Jetson platforme za edge računarstvo u svoje sljedeće generacije OmniCore kontrolera. Ova integracija donijet će AI inferenciju u stvarnom vremenu izravno na tvornicu.

Umjesto oslanjanja na cloud mreže, industrijski roboti obrađivat će složene vizualne i prostorne podatke lokalno. Ova arhitektura osigurava ultra-nisku latenciju i snažnu sigurnost podataka, što je ključno za moderne distribuirane kontrolne sustave (DCS). Ova edge-AI evolucija nadograđuje ABB-ov postojeći portfelj, koji već koristi NVIDIA Jetson za vizualnu simultanu lokalizaciju i mapiranje (VSLAM) u svojim autonomnim mobilnim robotima.

Uvid autora: Paradigmatska promjena za integratore sustava

Iz industrijske perspektive, ovo partnerstvo predstavlja temeljnu promjenu u načinu na koji će integratori sustava i inženjeri automatizacije pristupati dizajnu tvornica. Povijesno gledano, softver za simulaciju služio je prvenstveno kao vizualni alat za prodaju ili osnovni alat za provjeru putanja, a ne kao konačni mehanizam za implementaciju.

Postizanjem 99% točnosti simulacije, ABB i NVIDIA pretvaraju digitalnog blizanca u pouzdan izvor istine. Mogućnost generiranja visokokvalitetnih sintetičkih podataka znači da fizički AI modeli mogu naučiti navigirati složenim okruženjima, promjenjivim osvjetljenjem i nepredvidivim materijalima u potpunosti u oblaku. Ova sposobnost drastično smanjuje financijski rizik za integratore sustava. Sada mogu jamčiti performanse krajnjim korisnicima prije nego što kupe ijedan komad fizičke opreme. Ova predvidivost vjerojatno će ubrzati usvajanje robotike u sektorima koji su tradicionalno oklijevali s automatizacijom zbog visokih početnih inženjerskih troškova.

Industrijski scenarij rješenja: Proizvodnja automobilskih komponenti s velikom raznolikošću i malim količinama

Da bismo razumjeli kako ova tehnologija funkcionira u stvarnom industrijskom okruženju, razmotrite sljedeći scenarij implementacije za dobavljača automobilske industrije prvog reda koji se bavi proizvodnjom s velikom raznolikošću i malim količinama.

Izazov

Proizvođač mora često rekonfigurirati robotsku radnu stanicu za sklapanje različitih varijanti hladnjaka baterija za električna vozila (EV). Fizičko podučavanje i ručno programiranje uzrokuju višesatne zastoje pri svakoj promjeni proizvoda, što uništava profitabilnost.

Put rješenja

1. Virtualna konfiguracija stanice：Faza 1: RobotStudio HyperReality。

Inženjeri uvoze 3D CAD datoteke novih varijanti hladnjaka u okruženje digitalnog blizanca.

2. Generiranje sintetičkih podataka：Faza 2: Integracija NVIDIA Omniverse.

Sustav automatski generira tisuće hiperrealističnih scenarija za obuku, mijenjajući kutove osvjetljenja, refleksije metala i teksture površina.

3. Trening AI modela：Faza 3: Optimizacija fizičke umjetne inteligencije.

Neuronska mreža robota trenira na ovim sintetičkim podacima unutar simulatora, usavršavajući precizne putanje hvatanja i postavljanja te povratne informacije o kontroli sile.

4. Implementacija bez zastoja：Faza 4: Izvršenje u stvarnom svijetu.

Potvrđeni AI model se izravno učitava u fizički ABB OmniCore kontroler. Fizički robot postiže 99% točnosti pri prvom pokretanju bez ručnog programiranja.