ABB partneris NVIDIA laiž klajā AI RobotStudio HyperReality plašā mērogā

ABB un NVIDIA pārvar "Sim-to-Real" plaisu ar fizisko mākslīgo intelektu plašā mērogā

Rūpnieciskās automatizācijas joma piedzīvo pārveidojošu pāreju, jo ABB Robotics integrē NVIDIA Omniverse bibliotēkas savā RobotStudio® programmatūrā. Šī stratēģiskā sadarbība ievieš "RobotStudio HyperReality" – risinājumu, kas paredzēts rūpnieciskās klases fiziskā mākslīgā intelekta nodrošināšanai. Aizverot ilgi pastāvošo plaisu starp virtuālo simulāciju un reālo ieviešanu, ABB mērķis ir sniegt ražotājiem nepieredzētu precizitātes un darbības efektivitātes līmeni.

Ražotņu automatizācijas revolūcija ar hiperreālistisku simulāciju

"Sim-to-real" plaisa vēsturiski kavēja mākslīgā intelekta modeļu pāreju no virtuālās vides uz fiziskajām rūpnīcas grīdām. Nelielas atšķirības apgaismojumā, fizikā vai materiālu tekstūrās bieži vien lika virtuālajiem modeļiem neizdoties reālajā vidē. Tomēr ABB tagad izmanto NVIDIA fiziski precīzo simulācijas jaudu, lai sasniegtu līdz pat 99% precizitāti. Šī integrācija nodrošina, ka digitālais dvīnis uzvedas gandrīz identiski fiziskajam robotam, ļaujot veikt nevainojamu pāreju bez plašas manuālas pārskaņošanas.

Laika līdz tirgum paātrināšana, izmantojot sintētisko datu apmācību

Ražotāji tagad var ģenerēt milzīgu sintētisko datu apjomu RobotStudio HyperReality vidē, lai apmācītu savus fiziskā mākslīgā intelekta modeļus. Šī pieeja ļauj uzņēmumiem simulēt sarežģītus rūpnieciskos procesus bez dārgiem fiziskiem prototipiem. Turklāt šos pamata modeļus var vienlaikus izvietot globālā ABB robotu parkā. Rezultātā ražotāji var samazināt uzstādīšanas un nodošanas laikus līdz pat 80%, vienlaikus paātrinot laiku līdz tirgum par 50%.

Stratēģiska aparatūras integrācija Edge AI inferencēšanai

Papildus programmatūras simulācijai ABB izvērtē NVIDIA Jetson edge skaitļošanas platformas integrāciju savos OmniCore™ kontrolieros. Šī aparatūras sinerģija ļautu veikt mākslīgā intelekta inferenci reāllaikā tieši rūpnieciskā tīkla malā. Tādējādi roboti var apstrādāt sarežģītus datus lokāli un pieņemt autonomus lēmumus, nepaļaujoties uz mākoņa latentumu. Šis attīstības solis balstās uz ABB esošo NVIDIA Jetson izmantošanu vizuālajā SLAM (vienlaicīgā lokalizācija un kartēšana) autonomajos mobilajos robotu (AMR) risinājumos.

Darba spēka trūkuma risināšana ar pieejamām robotizētām darba grupām

Inovatīvi uzņēmumi, piemēram, WORKR, jau izmanto šo apvienoto tehnoloģiju, lai atbalstītu mazos un vidējos uzņēmumus (MVU). Izmantojot WorkrCore™ AI platformu kopā ar ABB rūpniecisko aparatūru, viņi izveido robotu sistēmas, kas apgūst jaunas uzdevumu izpildes prasmes dažu minūšu laikā. Tas demokrātizē augstas klases rūpnīcu automatizāciju, jo operatori var izvietot progresīvas sistēmas bez dziļām programmēšanas zināšanām. Rezultātā pat mazāki ražotāji var efektīvi risināt kritisku darba spēka trūkumu ar elastīgu, mākslīgā intelekta darbinātu darba spēku.

Autora ieskats: autonomo rūpniecisko operāciju nākotne

Šī partnerība nozīmē vairāk nekā tikai programmatūras atjauninājumu; tā iezīmē "Fiziskā mākslīgā intelekta" nobriešanu. Manuprāt, patiesā vērtība slēpjas 99% precizitātes apgalvojumā. Agrāk simulācija bija tikai vizualizācijas rīks. Tagad tā ir kļuvusi par augstas ticamības apmācību vidi. Samazinot izmaksas par 40% fizisko prototipu izslēgšanas dēļ, ABB un NVIDIA padara sarežģītas PLC un DCS integrētas sistēmas pieejamas plašākam rūpniecības dalībnieku lokam. Mēs virzāmies uz nākotni, kur "paralēlā inženierija" – aparatūras un mākslīgā intelekta programmatūras vienlaicīga izstrāde – kļūs par nozares standartu.

Reālas pasaules pielietojuma gadījums: patēriņa elektronikas montāža

Šīs tehnoloģijas ievērojamākais pilots pašlaik notiek Foxconn. Patēriņa elektronikas nozarē montāža prasa ārkārtēju precizitāti sīkiem, smalkiem komponentiem. Foxconn izmanto RobotStudio HyperReality, lai virtuāli pilnveidotu šos sarežģītos paņemšanas un novietošanas kustību modeļus. Apmācot robotus ar sintētiskiem datiem pirms to nonākšanas ražošanas līnijā, Foxconn izvairās no tradicionālās atkļūdošanas fāzes. Tas nodrošina, ka pirmais fiziskais darbs sasniedz gandrīz perfektu precizitāti, būtiski samazinot inženierijas izmaksas un ražošanas atkritumus.