ABB Bermitra dengan NVIDIA untuk Meluncurkan AI RobotStudio HyperReality dalam Skala Besar

ABB dan NVIDIA Menjembatani Kesenjangan "Sim-to-Real" dengan AI Fisik dalam Skala Besar

Lanskap otomasi industri sedang mengalami perubahan transformatif saat ABB Robotics mengintegrasikan pustaka NVIDIA Omniverse ke dalam perangkat lunak RobotStudio® mereka. Kolaborasi strategis ini memperkenalkan "RobotStudio HyperReality," sebuah solusi yang dirancang untuk menghadirkan AI fisik kelas industri. Dengan menutup kesenjangan lama antara simulasi virtual dan penerapan di dunia nyata, ABB bertujuan memberikan tingkat presisi dan efisiensi operasional yang belum pernah ada sebelumnya bagi para produsen.

Merevolusi Otomasi Pabrik dengan Simulasi Hiper-Realistik

Kesenjangan "sim-to-real" secara historis menghambat transisi model AI dari lingkungan virtual ke lantai pabrik fisik. Perbedaan kecil dalam pencahayaan, fisika, atau tekstur material sering menyebabkan model virtual gagal di dunia nyata. Namun, ABB kini memanfaatkan kekuatan simulasi yang akurat secara fisik dari NVIDIA untuk mencapai akurasi hingga 99%. Integrasi ini memastikan bahwa kembaran digital berperilaku hampir identik dengan robot fisik, memungkinkan transisi mulus tanpa perlu kalibrasi manual yang ekstensif.

Mempercepat Waktu ke Pasar melalui Pelatihan Data Sintetis

Para produsen kini dapat menghasilkan volume besar data sintetis dalam RobotStudio HyperReality untuk melatih model AI fisik mereka. Pendekatan ini memungkinkan bisnis mensimulasikan alur kerja industri yang kompleks tanpa perlu prototipe fisik yang mahal. Selain itu, model dasar ini dapat diterapkan secara bersamaan di seluruh armada robot ABB di seluruh dunia. Akibatnya, produsen dapat mengurangi waktu pengaturan dan komisioning hingga 80% sekaligus mempercepat waktu ke pasar sebesar 50%.

Integrasi Perangkat Keras Strategis untuk Inferensi AI di Edge

Selain simulasi perangkat lunak, ABB sedang mengevaluasi integrasi platform komputasi edge NVIDIA Jetson ke dalam pengendali OmniCore™ mereka. Sinergi perangkat keras ini akan memungkinkan inferensi AI secara real-time langsung di tepi jaringan industri. Dengan demikian, robot dapat memproses data kompleks secara lokal dan membuat keputusan otonom tanpa bergantung pada latensi cloud. Pengembangan ini melanjutkan penggunaan NVIDIA Jetson oleh ABB untuk SLAM visual (Simultaneous Localization and Mapping) pada robot mobile otonom (AMR).

Menangani Kekurangan Tenaga Kerja dengan Tenaga Kerja Robotik yang Mudah Diakses

Perusahaan inovatif seperti WORKR sudah memanfaatkan teknologi gabungan ini untuk mendukung usaha kecil dan menengah (UKM). Dengan menggunakan platform AI WorkrCore™ bersama perangkat keras industri ABB, mereka menciptakan sistem robotik yang dapat mempelajari tugas baru dalam hitungan menit. Ini mendemokratisasi otomasi pabrik kelas atas, karena operator dapat menerapkan sistem canggih tanpa pengetahuan pemrograman mendalam. Akibatnya, bahkan produsen kecil dapat secara efektif mengatasi kekurangan tenaga kerja kritis dengan tenaga kerja fleksibel yang didukung AI.

Wawasan Penulis: Masa Depan Operasi Industri Otonom

Kemitraan ini lebih dari sekadar pembaruan perangkat lunak; ini menandai kematangan "AI Fisik." Menurut saya, nilai sebenarnya terletak pada klaim akurasi 99%. Di masa lalu, simulasi hanya merupakan alat visualisasi. Kini, simulasi telah menjadi tempat pelatihan dengan fidelitas tinggi. Dengan mengurangi biaya hingga 40% melalui penghapusan prototipe fisik, ABB dan NVIDIA membuat sistem terintegrasi PLC dan DCS yang canggih dapat diakses oleh lebih banyak pelaku industri. Kita bergerak menuju masa depan di mana "rekayasa paralel"—merancang perangkat keras dan perangkat lunak AI secara bersamaan—menjadi standar industri.

Kasus Aplikasi Dunia Nyata: Perakitan Elektronik Konsumen

Pilot paling menonjol untuk teknologi ini saat ini sedang berlangsung di Foxconn. Perakitan di sektor elektronik konsumen membutuhkan presisi ekstrem untuk komponen kecil dan halus. Foxconn menggunakan RobotStudio HyperReality untuk menyempurnakan gerakan pick-and-place yang rumit secara virtual. Dengan melatih robot menggunakan data sintetis sebelum mereka menyentuh lini produksi, Foxconn menghindari fase debugging tradisional. Ini memastikan bahwa produksi fisik pertama mencapai akurasi hampir sempurna, secara signifikan mengurangi beban rekayasa dan limbah produksi.