ABB Bekerjasama dengan NVIDIA untuk Melancarkan AI RobotStudio HyperReality secara Besar-besaran

ABB dan NVIDIA Merapatkan Jurang "Sim-to-Real" dengan AI Fizikal Berskala Besar

Landskap automasi industri sedang menyaksikan perubahan transformasi apabila ABB Robotics mengintegrasikan perpustakaan NVIDIA Omniverse ke dalam perisian RobotStudio® mereka. Kerjasama strategik ini memperkenalkan "RobotStudio HyperReality," satu penyelesaian yang direka untuk menyediakan AI fizikal bertaraf industri. Dengan menutup jurang lama antara simulasi maya dan pelaksanaan dunia sebenar, ABB bertujuan untuk memberikan pengeluar tahap ketepatan dan kecekapan operasi yang belum pernah dicapai sebelum ini.

Merevolusikan Automasi Kilang dengan Simulasi Hiper-Realistik

Jurang "sim-to-real" secara tradisinya menghalang peralihan model AI dari persekitaran maya ke lantai kilang fizikal. Perbezaan kecil dalam pencahayaan, fizik, atau tekstur bahan sering menyebabkan model maya gagal dalam realiti. Namun, ABB kini menggunakan kuasa simulasi tepat secara fizikal NVIDIA untuk mencapai ketepatan sehingga 99%. Integrasi ini memastikan kembar digital berkelakuan hampir sama dengan robot fizikal, membolehkan peralihan lancar tanpa perlu kalibrasi manual yang meluas.

Mempercepat Masa ke Pasaran melalui Latihan Data Sintetik

Pengeluar kini boleh menjana jumlah besar data sintetik dalam RobotStudio HyperReality untuk melatih model AI fizikal mereka. Pendekatan ini membolehkan perniagaan mensimulasikan aliran kerja industri yang kompleks tanpa memerlukan prototaip fizikal yang mahal. Selain itu, model asas ini boleh digunakan serentak di seluruh armada global robot ABB. Oleh itu, pengeluar dapat mengurangkan masa penyediaan dan pengkomisian sehingga 80% sambil mempercepat masa ke pasaran sebanyak 50%.

Integrasi Perkakasan Strategik untuk Inferens AI di Edge

Selain simulasi perisian, ABB sedang menilai integrasi platform pengkomputeran edge NVIDIA Jetson ke dalam pengawal OmniCore™ mereka. Sinergi perkakasan ini akan membolehkan inferens AI masa nyata terus di tepi rangkaian industri. Oleh itu, robot dapat memproses data kompleks secara tempatan dan membuat keputusan autonomi tanpa bergantung pada kelewatan awan. Pembangunan ini membina ke atas penggunaan NVIDIA Jetson sedia ada oleh ABB untuk SLAM visual (Simultaneous Localization and Mapping) dalam robot mudah alih autonomi (AMR).

Menangani Kekurangan Tenaga Kerja dengan Tenaga Kerja Robotik yang Mudah Diakses

Syarikat inovatif seperti WORKR sudah menggunakan teknologi gabungan ini untuk menyokong perusahaan kecil dan sederhana (PKS). Dengan menggunakan platform AI WorkrCore™ bersama perkakasan industri ABB, mereka mencipta sistem robotik yang belajar tugasan baru dalam beberapa minit. Ini mendemokrasikan automasi kilang berteknologi tinggi, kerana pengendali boleh menggunakan sistem canggih tanpa pengetahuan pengaturcaraan mendalam. Akibatnya, pengeluar yang lebih kecil juga dapat menangani kekurangan tenaga kerja kritikal dengan tenaga kerja fleksibel yang dikuasakan AI.

Wawasan Penulis: Masa Depan Operasi Industri Autonomi

Perkongsian ini mewakili lebih daripada sekadar kemas kini perisian; ia menandakan kematangan "AI Fizikal." Pada pandangan saya, nilai sebenar terletak pada tuntutan ketepatan 99%. Dahulu, simulasi hanyalah alat visualisasi. Kini, ia telah menjadi medan latihan berketepatan tinggi. Dengan mengurangkan kos sebanyak 40% melalui penghapusan prototaip fizikal, ABB dan NVIDIA menjadikan sistem terintegrasi PLC dan DCS yang canggih dapat diakses oleh lebih banyak pemain industri. Kita sedang bergerak ke arah masa depan di mana "kejuruteraan selari"—mereka bentuk perkakasan dan perisian AI secara serentak—menjadi piawaian industri.

Kes Aplikasi Dunia Sebenar: Pemasangan Elektronik Pengguna

Projek perintis paling ketara untuk teknologi ini sedang dijalankan di Foxconn. Pemasangan dalam sektor elektronik pengguna memerlukan ketepatan tinggi untuk komponen kecil dan halus. Foxconn menggunakan RobotStudio HyperReality untuk menyempurnakan pergerakan rumit pick-and-place secara maya. Dengan melatih robot menggunakan data sintetik sebelum mereka menyentuh barisan pengeluaran, Foxconn mengelakkan fasa penyahpepijatan tradisional. Ini memastikan larian fizikal pertama mencapai ketepatan hampir sempurna, mengurangkan beban kejuruteraan dan pembaziran pengeluaran dengan ketara.