ABB un NVIDIA pārvar "Sim-to-Real" plaisu ar fizisko mākslīgo intelektu un Omniverse
Rūpniecības sektors piedzīvo pārveidojošu pāreju, jo fiziskā mākslīgā intelekta (AI) tehnoloģijas pāriet no eksperimentālajiem laboratorijām uz rūpnīcas grīdu. Stratēģiska partnerība starp ABB Robotics un NVIDIA mērķē uz ilgstošas problēmas risināšanu rūpnieciskās automatizācijas jomā: neatbilstību starp digitālajām simulācijām un fizisko realitāti. Integrējot augstas precizitātes simulācijas rīkus, ražotāji beidzot var nodrošināt uzticamu robotu darbību neprognozējamās reālās vides situācijās.
Tradicionālo rūpnieciskās automatizācijas izaicinājumu risināšana
Vēsturiski inženieri cīnījās, lai inteliģentie roboti darbotos konsekventi ārpus kontrolētām testēšanas zonām. Vides mainīgie, piemēram, mainīga apgaismojuma apstākļi, sarežģīta materiālu fizika un smalkas detaļu variācijas bieži traucēja digitālajiem modeļiem. Tāpēc daudzas uzņēmumi paļāvās uz dārgiem fiziskiem prototipiem, lai pārbaudītu savus vadības sistēmas. Šī pretestība neizbēgami aizkavēja produktu izlaišanu un palielināja darbības izmaksas visā ražošanas nozarē.
Pāreja uz hiperreālistiskiem digitālajiem dvīņiem
Lai pārvarētu šos šķēršļus, ABB 2026. gada beigās ieviesīs "RobotStudio HyperReality". Šī platforma tieši integrē NVIDIA Omniverse bibliotēkas ABB esošajā programmatūras ekosistēmā. Tādējādi inženieri tagad var radīt fiziski precīzas digitālās vides, kas atspoguļo reālo rūpnīcas grīdu. Eksportējot stacijas kā Universal Scene Description (USD) failus, sistēma ar izcilu precizitāti fiksē visu, sākot no kinemātikas līdz apgaismojumam.
Precīza inženierija, izmantojot sintētiskos datus un AI
Šī integrācija nodrošina ne tikai vizuālu precizitāti, bet arī 99 procentu uzvedības atbilstību starp digitālo un fizisko pasauli. Tā vietā, lai programmētu manuāli, datorredzes modeļi tagad apgūst prasmes, izmantojot sintētiskos attēlus, kas ģenerēti programmatūrā. Turklāt ABB Absolute Accuracy tehnoloģija darbojas kopā ar šiem AI modeļiem, lai samazinātu pozicionēšanas kļūdas. Rezultātā tolerances samazinās no plaša 8-15 mm diapazona līdz precīzam 0,5 mm, kas ir būtiski augstas precizitātes rūpnieciskās automatizācijas uzdevumiem.
Reāli ieguvumi izvietošanas efektivitātē
Agrīnie lietotāji, piemēram, Foxconn, jau demonstrē šīs tehnoloģijas taustāmo ieguldījumu atdevi. Foxconn izmanto šīs simulācijas smalku patērētāju elektronikas montāžai, kur biežas produktu izmaiņas ir ierasta prakse. Virtuāli pārbaudot rūpniecisko automatizāciju , viņi prognozē būtisku iestatīšanas laika samazinājumu un dārgu fizisku testu novēršanu. Līdzīgi pakalpojumu sniedzēji, piemēram, Workr, izmanto platformu, lai jaunas detaļas integrētu dažu minūšu laikā, neprasot dziļas specializētas programmēšanas prasmes.
Fiziskā AI mērogošana pie malas
Sadarbība attiecas arī uz aparatūras attīstību vadības sistēmām. ABB pašlaik izvērtē NVIDIA Jetson edge platformu integrācijai savos Omnicore kontrolieros. Šis solis ļautu veikt AI secinājumus reāllaikā visā robotu parkā. Ražotāji, kas pieņem šo digitālo pieeju kā prioritāti, var sagaidīt līdz pat 80 procentu samazinājumu nodošanas ekspluatācijā laikam, nodrošinot milzīgu konkurences priekšrocību strauji mainīgajos tirgos.
Autora ieskats: Sintētisko datu stratēģiskā nozīme
Manā vērtējumā īstais pavērsiens šeit nav tikai "skaistie attēli" simulācijā, bet gan augstas precizitātes datu demokrātizācija. Tradicionāli robota apmācība jaunam uzdevumam prasīja tūkstošiem manuālo stundu. Tagad sintētisko datu ģenerēšana ļauj apmācību veikt "nakts laikā". Es uzskatu, ka inženieru komandu prasmju pilnveidošana, lai pārvaldītu šos datu plūsmas, būs vissvarīgākais faktors panākumiem nākamajā desmitgadē rūpnieciskajā automatizācijā.
