ABB и NVIDIA сотрудничают для революции в автоматизации заводов с помощью ИИ

ABB и NVIDIA объединяются для революции в автоматизации заводов с помощью физического ИИ

Сфера промышленной автоматизации переживает масштабные изменения, поскольку виртуальное моделирование и реальное внедрение наконец сливаются воедино. ABB Robotics объявила о стратегическом партнерстве с NVIDIA для интеграции библиотек NVIDIA Omniverse в фирменное программное обеспечение RobotStudio от ABB. Эта коллаборация направлена на масштабное внедрение промышленного физического ИИ. Запуск RobotStudio HyperReality в конце 2026 года позволит компаниям устранить традиционные ограничения тестирования автоматизации заводов. В результате производители смогут значительно сократить затраты на ввод в эксплуатацию и существенно ускорить выход продукции на рынок.

Преодоление разрыва между симуляцией и реальностью в технологии цифровых двойников

Десятилетиями инженеры по автоматизации сталкивались с проблемой «sim-to-real» — несоответствия между виртуальными средами моделирования и реальными заводскими условиями по освещению, текстурам и физическим допускам. Это расхождение часто заставляло инженеров тратить недели на отладку физического оборудования после первоначального виртуального тестирования.

ABB решает эту проблему, сочетая ускоренные вычисления NVIDIA с собственным проприетарным виртуальным контроллером. Поскольку виртуальный контроллер запускает тот же самый код, что и физический робот, точность корреляции симуляции достигает беспрецедентных 99%. Кроме того, ABB интегрирует свою технологию Absolute Accuracy в эту экосистему. Такое сочетание снижает ошибки позиционирования с обычных 8–15 мм до точных 0,5 мм, обеспечивая идентичную работу высокоточных систем управления как в виртуальном, так и в физическом пространстве.

Оптимизация сборки высокоточной потребительской электроники

Практические преимущества этой платформы физического ИИ уже очевидны в производственных условиях с высокими требованиями. Foxconn, крупнейший в мире контрактный производитель электроники, в настоящее время тестирует технологию на своих линиях сборки потребительской электроники.

Автоматизация сборки мелких компонентов представляет серьёзные сложности из-за хрупких металлических конструкций и частых изменений продукции. Традиционно изменение производственной линии требовало масштабного физического прототипирования и ручной настройки. Используя RobotStudio HyperReality, инженеры Foxconn создают гиперреалистичные синтетические данные для виртуального обучения сборочных роботов. В результате команда оптимизирует производственные линии ещё до прибытия физического оборудования, сокращая время настройки и ускоряя цикл развития продукта.

Снижение дефицита рабочей силы для малого и среднего бизнеса

В то время как крупные предприятия, такие как Foxconn, используют эту технологию для повышения точности, малые и средние производители применяют её для борьбы с постоянным дефицитом рабочей силы. WORKR, калифорнийская компания по роботизации, внедряет эти передовые модели ИИ непосредственно на небольших заводах по всей территории США.

WORKR сочетает промышленное оборудование ABB с собственной платформой WorkrCore™ AI, полностью обученной на синтетических данных, созданных с помощью NVIDIA Omniverse. Такой подход позволяет операторам заводов запускать интеллектуальных роботов без традиционных знаний программирования. Операторы могут обучать роботов новым задачам за считанные минуты, делая передовую автоматизацию доступной для компаний, ранее не имевших капитала или специализированного инженерного персонала для внедрения робототехники.

Горизонты будущего: ИИ-инференс в реальном времени на периферии с OmniCore

Смотря за пределы симуляции, ABB активно рассматривает интеграцию платформы периферийных вычислений NVIDIA Jetson в свои контроллеры следующего поколения OmniCore. Эта интеграция обеспечит ИИ-инференс в реальном времени непосредственно на заводском уровне.

Вместо использования облачных сетей промышленные роботы будут обрабатывать сложные визуальные и пространственные данные локально. Такая архитектура гарантирует сверхнизкую задержку и высокую безопасность данных, что критично для современных распределённых систем управления (DCS). Эта эволюция edge-ИИ строится на существующем портфеле ABB, который уже использует NVIDIA Jetson для визуальной одновременной локализации и картографирования (VSLAM) в автономных мобильных роботах.

Мнение автора: Парадигмальный сдвиг для системных интеграторов

С точки зрения отрасли, это партнерство представляет собой фундаментальный сдвиг в подходе системных интеграторов и инженеров по автоматизации к проектированию заводов. Исторически программное обеспечение для симуляции служило в основном визуальным инструментом продаж или базовой утилитой для проверки траекторий, а не окончательным механизмом развертывания.

Достигнув 99% точности симуляции, ABB и NVIDIA превращают цифрового двойника в надежный источник истины. Возможность генерировать высококачественные синтетические данные означает, что модели физического ИИ могут обучаться навигации в сложных условиях, при переменном освещении и непредсказуемых материалах полностью в облаке. Эта возможность значительно снижает финансовые риски для системных интеграторов. Теперь они могут гарантировать показатели производительности конечным пользователям ещё до покупки единого физического устройства. Такая предсказуемость, вероятно, ускорит внедрение робототехники в секторах, которые традиционно сопротивлялись автоматизации из-за высоких первоначальных инженерных затрат.

Промышленный сценарий: производство автомобильных компонентов с большим ассортиментом и малым объемом

Чтобы понять, как эта технология работает в реальных промышленных условиях, рассмотрим следующий сценарий внедрения для поставщика первого уровня в автомобильной отрасли, работающего с производством с большим ассортиментом и малым объемом.

Задача

Производителю необходимо часто перенастраивать роботизированную рабочую ячейку для сборки различных вариантов охлаждающих пластин аккумуляторов электромобилей (EV). Физическое обучение и ручное программирование вызывают часы простоя при каждой смене продукта, что снижает прибыльность.

Путь решения

1. Виртуальная конфигурация ячейки: Фаза 1: RobotStudio HyperReality.

Инженеры импортируют 3D CAD-файлы новых вариантов пластин аккумуляторов в среду цифрового двойника.

2. Генерация синтетических данных: Фаза 2: интеграция NVIDIA Omniverse.

Система автоматически создает тысячи гиперреалистичных сценариев обучения, изменяя углы освещения, отражения металла и текстуры поверхности.

3. Обучение модели ИИ: Фаза 3: оптимизация физического ИИ.

Нейросеть робота обучается на этих синтетических данных внутри симулятора, осваивая точные траектории захвата и перемещения, а также обратную связь по силе.

4. Развертывание без простоев: Фаза 4: выполнение в реальном мире.

Проверенная модель ИИ загружается напрямую в физический контроллер ABB OmniCore. Физический робот достигает 99% точности с первого запуска без ручного программирования.