شركة ABB وNVIDIA تجسران فجوة "المحاكاة إلى الواقع" باستخدام الذكاء الاصطناعي الفيزيائي وعالم أومنيفيرس
يشهد القطاع الصناعي تحولًا جذريًا مع انتقال الذكاء الاصطناعي الفيزيائي من المختبرات التجريبية إلى أرض المصنع. تهدف الشراكة الاستراتيجية بين ABB Robotics وNVIDIA إلى حل تحدٍ مستمر في أتمتة المصانع: التفاوت بين المحاكاة الرقمية والواقع الفيزيائي. من خلال دمج أدوات المحاكاة عالية الدقة، يمكن للمصنعين أخيرًا تحقيق أداء روبوتي موثوق في بيئات العالم الحقيقي غير المتوقعة.
حل التحديات التقليدية لأتمتة الصناعة
تاريخيًا، كان المهندسون يواجهون صعوبة في جعل الروبوتات الذكية تعمل باستمرار خارج مناطق الاختبار المحكومة. كانت المتغيرات البيئية مثل تغير الإضاءة، فيزياء المواد المعقدة، والفروق الطفيفة في الأجزاء تعطل النماذج الرقمية في كثير من الأحيان. ونتيجة لذلك، اعتمدت العديد من الشركات على نماذج أولية فيزيائية مكلفة للتحقق من أنظمة التحكم الخاصة بها. هذا الاحتكاك أدى حتمًا إلى تأخير إطلاق المنتجات وزيادة الميزانيات التشغيلية عبر قطاع التصنيع.
الانتقال إلى التوائم الرقمية فائقة الواقعية
لتجاوز هذه العقبات، تطلق ABB منصة "RobotStudio HyperReality" في أواخر عام 2026. تضم هذه المنصة مكتبات NVIDIA Omniverse مباشرة في نظام ABB البرمجي الحالي. لذلك، يمكن للمهندسين الآن إنشاء بيئات رقمية دقيقة فيزيائيًا تعكس أرضية المصنع الفعلية. من خلال تصدير المحطات كملفات Universal Scene Description (USD)، يلتقط النظام كل شيء من الحركيات إلى الإضاءة بدقة متناهية.
الهندسة الدقيقة عبر البيانات الاصطناعية والذكاء الاصطناعي
يقدم التكامل أكثر من مجرد دقة بصرية؛ فهو يوفر تطابقًا سلوكيًا بنسبة 99 بالمئة بين العوالم الرقمية والفيزيائية. بدلاً من البرمجة اليدوية، تتعلم نماذج الرؤية الحاسوبية باستخدام صور اصطناعية يتم إنشاؤها داخل البرنامج. علاوة على ذلك، تعمل تقنية الدقة المطلقة من ABB جنبًا إلى جنب مع هذه النماذج الذكية لتقليل أخطاء التموضع. ونتيجة لذلك، تنخفض التسامحات من نطاق واسع بين 8-15 ملم إلى دقة 0.5 ملم، وهو أمر حيوي لمهام الأتمتة الصناعية عالية المواصفات.
مكاسب حقيقية في كفاءة النشر
يُظهر المتبنون الأوائل مثل Foxconn بالفعل العائد الملموس على الاستثمار لهذه التقنية. تستخدم Foxconn هذه المحاكاة لتجميع الإلكترونيات الاستهلاكية الحساسة، حيث التغييرات المتكررة في المنتجات أمر شائع. من خلال التحقق من أتمتة المصانع افتراضيًا، يتوقعون تقليلًا كبيرًا في وقت الإعداد والقضاء على التجارب الفيزيائية المكلفة. وبالمثل، تستخدم شركات مثل Workr المنصة لإدخال أجزاء جديدة في دقائق دون الحاجة إلى مهارات برمجة متخصصة عميقة.
توسيع الذكاء الاصطناعي الفيزيائي على الحافة
تمتد الشراكة أيضًا إلى تطور الأجهزة لأنظمة التحكم. تقوم ABB حاليًا بتقييم منصة NVIDIA Jetson edge للدمج في وحدات تحكم Omnicore الخاصة بها. ستسمح هذه الخطوة بإجراء استنتاجات الذكاء الاصطناعي في الوقت الحقيقي عبر أساطيل الروبوتات بأكملها. يمكن للمصنعين الذين يتبنون هذا النهج الرقمي أولاً توقع تقليص أوقات التشغيل بنسبة تصل إلى 80 بالمئة، مما يوفر ميزة تنافسية ضخمة في الأسواق سريعة الحركة.
رؤية المؤلف: الأهمية الاستراتيجية للبيانات الاصطناعية
في تقييمي، الاختراق الحقيقي هنا ليس فقط "الصور الجميلة" للمحاكاة، بل ديمقراطية البيانات عالية الدقة. تقليديًا، كان تدريب الروبوت على مهمة جديدة يتطلب آلاف الساعات اليدوية. الآن، يسمح توليد البيانات الاصطناعية بالتدريب "بين عشية وضحاها". أعتقد أن رفع مهارات فرق الهندسة لإدارة هذه تدفقات البيانات سيكون العامل الأكثر حسمًا للنجاح في العقد القادم من الأتمتة الصناعية.
