ABB a NVIDIA spolupracujú na revolúcii v automatizácii tovární pomocou umelej inteligencie

ABB a NVIDIA spolupracujú na revolúcii v automatizácii tovární pomocou fyzickej umelej inteligencie

Priemyselná automatizácia prechádza zásadnou zmenou, keď sa virtuálna simulácia a nasadenie v reálnom svete konečne spájajú. ABB Robotics oznámila strategické partnerstvo s NVIDIA na integráciu knižníc NVIDIA Omniverse do podpisového softvéru RobotStudio od ABB. Táto spolupráca má za cieľ priniesť priemyselnú fyzickú AI v rozsahu. Spustením RobotStudio HyperReality koncom roku 2026 plánujú spoločnosti odstrániť tradičné hranice testovania automatizácie v továrňach. Výrobcovia tak môžu očakávať výrazné zníženie nákladov na uvedenie do prevádzky a podstatne rýchlejší čas uvedenia na trh.

Prekonávanie rozdielu medzi simuláciou a realitou v technológii digitálnych dvojčiat

Desiatky rokov sa inžinieri automatizácie potýkali s problémom „sim-to-real“ (zo simulácie do reality). Tento pojem opisuje nezhodu medzi virtuálnymi simulačnými prostrediami a skutočnými výrobnými priestormi, pokiaľ ide o osvetlenie, textúry a fyzické tolerancie. Tento nesúlad často nútil inžinierov tráviť týždne ladením fyzického hardvéru po počiatočnom virtuálnom testovaní.

ABB tento problém rieši kombináciou akcelerovaného výpočtu NVIDIA so svojím vlastným proprietárnym firmvérom virtuálneho kontroléra. Pretože virtuálny kontrolér spúšťa presne ten istý kód ako fyzický robot, korelácia simulácie dosahuje bezprecedentnú presnosť 99 %. Navyše ABB integruje svoju technológiu Absolute Accuracy do tohto ekosystému. Táto kombinácia znižuje chyby polohovania zo štandardných 8–15 mm na presných 0,5 mm, čím zabezpečuje, že vysoko presné riadiace systémy fungujú rovnako vo virtuálnom aj fyzickom priestore.

Zjednodušenie montáže vysoko presnej spotrebnej elektroniky

Praktické výhody tejto platformy fyzickej AI sú už zrejmé v náročných výrobných prostrediach. Foxconn, najväčší svetový výrobca elektroniky na zákazku, momentálne testuje túto technológiu vo svojich linkách na montáž spotrebnej elektroniky.

Automatizácia montáže drobných komponentov predstavuje vážne výzvy kvôli jemným kovovým štruktúram a častým variáciám produktov. Tradične zmena výrobnej linky vyžadovala rozsiahle fyzické prototypovanie a manuálne dolaďovanie. Využitím RobotStudio HyperReality inžinieri vo Foxconn generujú hyperrealistické syntetické dáta na virtuálny tréning montážnych robotov. Výsledkom je optimalizácia výrobných liniek ešte pred príchodom fyzického hardvéru, čo skracuje časy nastavenia a urýchľuje cyklus vývoja produktov.

Zmiernenie nedostatku pracovnej sily pre malé a stredné podniky

Zatiaľ čo veľké podniky ako Foxconn využívajú túto technológiu na presnosť, malé a stredné podniky ju používajú na boj s pretrvávajúcim nedostatkom pracovnej sily. WORKR, kalifornská spoločnosť zaoberajúca sa robotickou pracovnou silou, prináša tieto pokročilé AI modely priamo na menšie výrobné linky po celých Spojených štátoch.

WORKR kombinuje priemyselný hardvér ABB so svojou platformou WorkrCore™ AI, ktorá je trénovaná výlučne na syntetických dátach generovaných cez NVIDIA Omniverse. Tento prístup umožňuje prevádzkovateľom tovární nasadiť inteligentné roboty bez akejkoľvek tradičnej programátorskej znalosti. Operátori môžu robotom naučiť nové úlohy za pár minút, čím sa pokročilá automatizácia výroby sprístupňuje firmám, ktoré predtým nemali kapitál alebo špecializovaný inžiniersky personál na implementáciu robotiky.

Budúcnosť: Real-time Edge AI inferencia s OmniCore

ABB sa pozerá za hranice simulácie a aktívne hodnotí integráciu platformy NVIDIA Jetson pre edge computing do svojich nových ovládačov OmniCore. Táto integrácia prinesie real-time AI inferenciu priamo na výrobnú linku.

Namiesto spoliehania sa na cloudové siete budú priemyselné roboty spracovávať komplexné vizuálne a priestorové dáta lokálne. Táto architektúra zabezpečí ultra nízku latenciu a robustnú bezpečnosť dát, čo je kľúčové pre moderné distribuované riadiace systémy (DCS). Tento vývoj edge-AI nadväzuje na existujúce portfólio ABB, ktoré už využíva NVIDIA Jetson pre vizuálnu simultánnu lokalizáciu a mapovanie (VSLAM) vo svojich autonómnych mobilných robotoch.

Pohľad autora: Paradigmatický posun pre systémových integrátorov

Z priemyselného hľadiska predstavuje toto partnerstvo zásadnú zmenu v prístupe systémových integrátorov a inžinierov automatizácie k návrhu tovární. Historicky slúžil simulačný softvér primárne ako vizuálny predajný nástroj alebo základný nástroj na kontrolu dráh, nie ako definitívny mechanizmus nasadenia.

Dosiahnutím 99 % presnosti simulácie ABB a NVIDIA menia digitálne dvojča na spoľahlivý zdroj pravdy. Schopnosť generovať vysoko verné syntetické dáta znamená, že fyzické AI modely sa môžu naučiť navigovať v zložitých prostrediach, pri variabilnom osvetlení a nepredvídateľných materiáloch úplne v cloude. Táto schopnosť výrazne znižuje finančné riziko pre systémových integrátorov. Teraz môžu garantovať výkonnostné parametre koncovým používateľom ešte pred zakúpením jediného kusu fyzického hardvéru. Táto predvídateľnosť pravdepodobne urýchli adopciu robotiky v odvetviach, ktoré sa tradične automatizácii bránili kvôli vysokým počiatočným inžinierskym nákladom.

Prípad priemyselného riešenia: Výroba automobilových komponentov s vysokou variabilitou a nízkym objemom

Aby sme pochopili, ako táto technológia funguje v reálnom priemyselnom prostredí, zvážme nasledujúci scenár nasadenia pre tier-one dodávateľa automobilových dielov s vysokou variabilitou a nízkym objemom výroby.

Výzva

Výrobca potrebuje často rekonfigurovať robotickú pracovnú bunku na montáž rôznych variantov chladiacich dosiek batérií pre elektrické vozidlá (EV). Fyzické učenie a manuálne programovanie spôsobujú počas každej zmeny produktu hodiny prestojov, čo znižuje ziskovosť.

Cesta riešenia

1. Virtuálna konfigurácia bunky：Fáza 1: RobotStudio HyperReality.

Inžinieri importujú 3D CAD súbory nových variantov batériových dosiek do prostredia digitálneho dvojčaťa.

2. Generovanie syntetických dát：Fáza 2: Integrácia NVIDIA Omniverse.

Systém automaticky generuje tisíce hyperrealistických tréningových scén, meniacich uhly osvetlenia, odrazy kovu a textúry povrchov.

3. Tréning AI modelu：Fáza 3: Optimalizácia fyzickej AI.

Neuronová sieť robota sa trénuje na týchto syntetických dátach v simulátore, zvládajúc presné trajektórie uchopenia a umiestnenia a spätnú väzbu riadenia sily.

4. Nasadenie bez prestojov：Fáza 4: Realizácia v reálnom svete.

Overený AI model je priamo nahraný do fyzického ovládača ABB OmniCore. Fyzický robot dosahuje 99 % presnosť už pri prvom spustení bez manuálneho programovania.