ABB dan NVIDIA Bekerjasama untuk Merevolusikan Automasi Kilang dengan AI

ABB dan NVIDIA Bekerjasama untuk Merevolusikan Automasi Kilang dengan AI Fizikal

Landskap automasi industri sedang mengalami perubahan besar apabila simulasi maya dan pelaksanaan dunia sebenar akhirnya bergabung. ABB Robotics telah mengumumkan kerjasama strategik dengan NVIDIA untuk mengintegrasikan perpustakaan NVIDIA Omniverse ke dalam perisian RobotStudio tanda tangan ABB. Kerjasama ini bertujuan untuk menyediakan AI fizikal gred industri secara besar-besaran. Dengan pelancaran RobotStudio HyperReality pada akhir 2026, syarikat-syarikat ini merancang untuk menghapuskan sempadan tradisional ujian automasi kilang. Oleh itu, pengeluar boleh menjangkakan pengurangan kos pengkomisian yang ketara dan masa ke pasaran yang jauh lebih pantas.

Merapatkan Jurang Sim-to-Real dalam Teknologi Kembar Digital

Selama beberapa dekad, jurutera automasi menghadapi cabaran dengan jurang "sim-to-real". Istilah ini menggambarkan ketidakpadanan antara persekitaran simulasi maya dan lantai kilang sebenar dari segi pencahayaan, tekstur, dan toleransi fizikal. Perbezaan ini sering memaksa jurutera menghabiskan minggu-minggu untuk membaiki perkakasan fizikal selepas ujian maya awal.

ABB menyelesaikan masalah ini dengan menggabungkan pengkomputeran dipercepat NVIDIA dengan perisian pengawal maya proprietari mereka sendiri. Oleh kerana pengawal maya menjalankan kod yang sama dengan robot fizikal, korelasi simulasi mencapai ketepatan yang belum pernah dicapai iaitu 99%. Selain itu, ABB mengintegrasikan teknologi Ketepatan Mutlaknya ke dalam ekosistem ini. Gabungan ini mengurangkan ralat penentuan posisi dari 8–15 mm standard kepada 0.5 mm yang tepat, memastikan sistem kawalan berketepatan tinggi berfungsi sama dalam ruang maya dan fizikal.

Memperkemas Pemasangan Elektronik Pengguna Berketepatan Tinggi

Manfaat praktikal platform AI fizikal ini sudah jelas dalam persekitaran pembuatan berisiko tinggi. Foxconn, pengeluar kontrak elektronik terbesar di dunia, kini sedang menguji teknologi ini dalam barisan pemasangan elektronik pengguna mereka.

Automasi pemasangan komponen kecil menghadirkan cabaran besar kerana struktur logam yang halus dan variasi produk yang kerap. Secara tradisional, menukar barisan pengeluaran memerlukan prototaip fizikal yang meluas dan penalaan manual yang teliti. Dengan menggunakan RobotStudio HyperReality, jurutera Foxconn menghasilkan data sintetik hiper-realistik untuk melatih robot pemasangan secara maya. Hasilnya, pasukan mengoptimumkan barisan pengeluaran sebelum perkakasan fizikal tiba, memendekkan masa penyediaan dan mempercepatkan kitaran evolusi produk.

Menangani Kekurangan Tenaga Kerja untuk Perusahaan Kecil dan Sederhana

Manakala perusahaan besar seperti Foxconn menggunakan teknologi ini untuk ketepatan, pengeluar kecil dan sederhana menggunakannya untuk mengatasi kekurangan tenaga kerja yang berterusan. WORKR, sebuah syarikat tenaga kerja robotik yang berpusat di California, membawa model AI canggih ini terus ke lantai kilang yang lebih kecil di seluruh Amerika Syarikat.

WORKR menggabungkan perkakasan industri ABB dengan platform AI WorkrCore™ mereka sendiri, yang dilatih sepenuhnya menggunakan data sintetik yang dijana melalui NVIDIA Omniverse. Pendekatan ini membolehkan pengendali kilang menggunakan robot pintar tanpa sebarang pengetahuan pengaturcaraan tradisional. Pengendali boleh mengajar robot tugasan baru dalam beberapa minit, menjadikan automasi kilang canggih boleh diakses oleh perniagaan yang sebelum ini kekurangan modal atau kakitangan kejuruteraan khusus untuk melaksanakan robotik.

Horizon Masa Depan: Inferens AI Tepi Masa Nyata dengan OmniCore

Melangkaui simulasi, ABB sedang menilai secara aktif integrasi platform pengkomputeran tepi NVIDIA Jetson ke dalam pengawal OmniCore generasi akan datang mereka. Integrasi ini akan membawa inferens AI masa nyata terus ke lantai kilang.

Daripada bergantung pada rangkaian awan, robot industri akan memproses data visual dan spatial yang kompleks secara tempatan. Seni bina ini memastikan latensi sangat rendah dan keselamatan data yang kukuh, kedua-duanya kritikal untuk sistem kawalan diedarkan moden (DCS). Evolusi AI tepi ini dibina di atas portfolio ABB yang sedia ada, yang sudah menggunakan NVIDIA Jetson untuk pemetaan dan penentuan lokasi serentak visual (VSLAM) dalam robot mudah alih autonomi mereka.

Wawasan Penulis: Perubahan Paradigma untuk Integrator Sistem

Dari perspektif industri, kerjasama ini mewakili perubahan asas dalam cara integrator sistem dan jurutera automasi akan mendekati reka bentuk kilang. Secara sejarah, perisian simulasi berfungsi terutamanya sebagai alat jualan visual atau utiliti pemeriksaan laluan asas dan bukannya mekanisme pelaksanaan yang muktamad.

Dengan mencapai ketepatan simulasi 99%, ABB dan NVIDIA mengubah kembar digital menjadi sumber kebenaran yang boleh dipercayai. Keupayaan untuk menjana data sintetik berketepatan tinggi bermakna model AI fizikal boleh belajar menavigasi persekitaran kompleks, pencahayaan berubah-ubah, dan bahan tidak dapat diramalkan sepenuhnya di awan. Keupayaan ini mengurangkan risiko kewangan untuk integrator sistem secara drastik. Mereka kini boleh menjamin metrik prestasi kepada pengguna akhir sebelum membeli sebarang perkakasan fizikal. Kebolehramalan ini dijangka mempercepatkan penerimaan robotik dalam sektor yang secara tradisinya menolak automasi kerana kos kejuruteraan awal yang tinggi.

Senario Penyelesaian Industri: Pembuatan Komponen Automotif Campuran Tinggi, Volum Rendah

Untuk memahami bagaimana teknologi ini berfungsi dalam persekitaran industri sebenar, pertimbangkan senario pelaksanaan berikut untuk pembekal automotif tahap satu yang mengendalikan pengeluaran campuran tinggi, volum rendah.

Cabaran

Seorang pengeluar perlu kerap mengkonfigurasi semula sel kerja robotik untuk memasang pelbagai varian plat penyejuk bateri kenderaan elektrik (EV). Pengajaran fizikal dan pengaturcaraan manual menyebabkan waktu henti berjam-jam setiap kali pertukaran produk, menjejaskan keuntungan.

Jalan Penyelesaian

1.Konfigurasi Sel Maya：Fasa 1: RobotStudio HyperReality。

Jurutera mengimport fail CAD 3D varian plat bateri baru ke dalam persekitaran kembar digital.

2.Penjanaan Data Sintetik：Fasa 2: Integrasi NVIDIA Omniverse。

Sistem secara automatik menjana ribuan senario latihan hiper-realistik, mengubah sudut pencahayaan, pantulan logam, dan tekstur permukaan.

3.Latihan Model AI：Fasa 3: Pengoptimuman AI Fizikal。

Rangkaian neural robot dilatih menggunakan data sintetik ini dalam simulator, menguasai trajektori ambil-dan-letak yang tepat serta maklum balas kawalan daya.

4.Pelaksanaan Tanpa Waktu Henti：Fasa 4: Pelaksanaan Dunia Sebenar。

Model AI yang disahkan dipasang terus ke pengawal ABB OmniCore fizikal. Robot fizikal mencapai ketepatan 99% pada percubaan pertama tanpa pengaturcaraan manual.